El análisis del electroencefalograma (EEG) desempeña un papel indispensable en las aplicaciones médicas contemporáneas, que abarca el diagnóstico, la monitorización, el descubrimiento de fármacos y la evaluación terapéutica. Este trabajo presenta un marco de aprendizaje profundo de extremo a extremo que está diseñado de manera única para tareas versátiles de análisis de EEG al operar directamente sobre entradas de forma de onda en bruto. Su objetivo es abordar los desafíos de la ingeniería de características manual y la negligencia de las interrelaciones espaciales en las metodologías existentes. Específicamente, se introduce un módulo de atención de canal espacial para enfatizar las dependencias intercanal críticas en las señales de EEG a través de la agregación de estadísticas de canal y operaciones de perceptrón multicapa. Además, se utiliza un codificador transformer escaso para aprovechar la atención escasa selectiva con el fin de procesar de manera eficiente secuencias largas de EEG mientras se reduce la complejidad computacional. La destilación de capas convolucionales concatena aún más las características temporales y retiene solo los patrones más destacados. Al ser evaluado rigurosamente en conjuntos de datos clave de EEG, nuestro modelo logró consistentemente un rendimiento superior en comparación con los enfoques actuales en tareas de detección y clasificación. Al tener en cuenta tanto las relaciones espaciales como temporales en un paradigma de extremo a extremo, este trabajo facilita una comprensión automatizada y versátil del EEG a través de enfermedades, sujetos y objetivos mediante una arquitectura singular pero personalizable. Una validación empírica extensa y un mayor refinamiento arquitectónico pueden promover perspectivas de adopción clínica más amplias.