この記事では、脳MRI解析における大規模なモダリティ不変基盤モデルの応用について論じています。最近の自己教師あり学習（SSL）の進展により、膨大な未ラベルの脳MRIデータを活用し、異なる神経画像タスクでの性能を向上させることが可能になっています。しかし、既存のSSLフレームワークは自然画像に特化しており、多モダリティのMRI情報を適切に取り扱う方法が十分に探求されていません。本研究は、モダリティ不変な表現学習の設定を提唱し、脳卒中とてんかんの病変セグメンテーションにおけるその有効性を評価します。結果は、モダリティ特有の微細な特徴を保持することが病変セグメンテーションにおいて主要な利益をもたらすことを示唆しています。また、モデルのチェックポイントとコードは公開されています。