EVA-Netは、脳年齢を解釈可能な異常検出問題として再構築する新しいフレームワークです。脳年齢は脳の健康の重要な指標ですが、既存のモデルは不完全な医療データの学習に苦慮しています。EVA-Netは、スパース化されたアテンショントランスフォーマーを用いて長いEEGシーケンスをモデル化し、ノイズや変動に対応するために変分情報ボトルネックを利用してロバストな圧縮表現を学習します。これにより、健康な老化の規範的マニホールドを明示的に学習する連続プロトタイプネットワークに整合させ、解釈性を確保しています。1297人の健康な被験者でトレーニングを行い、最先端の精度を達成しました。さらに、27人のMCIおよびAD患者の未見コホートにおける異常検出能力が検証され、健康なマニホールドからの逸脱が確認されました。この新しいフレームワークは、不完全な医療データを用いたヘルスケアインテリジェンスのための解釈可能なアプローチを提供します。