Fragmentação de Dataset, Variabilidade Cognitiva e Desafios de Reprodutibilidade em Interfaces de Computação Cerebral Baseada em EEG: Revisão Sistemática Baseada em PRISMA

O que aconteceu

Conjuntos de dados de interface cérebro-computador (ICB) baseados em EEG públicos estão se expandindo rapidamente, mas diferenças em sensores, protocolos experimentais, semântica tarefa/evento, pré-processamento, contexto participante e avaliação limitam a reprodutibilidade e aprendizagem cruzada de dados. Esta revisão analisou se os recursos heterogêneos do EEG-BCI podem apoiar a análise reprodutível entre fontes. Uma revisão sistemática de mapeamento da literatura publicada pela PRISMA de 2014 a junho de 2026 foi realizada em Scopus, Web of Science Core Collection, IEEE Xplore, PubMed e ACM Digital Library, com 16.920 registros. Após triagem e curadoria focada em evidências, um corpus de síntese curado de 129 publicações foi mantido e confirmado por revisão de texto completo. As evidências foram codificadas através de fragmentação estrutural, semântica, procedimental, humana/contextual e computacional, e a transparência do relato foi avaliada por dez critérios. A síntese identificou heterogeneidade na aquisição, layouts de canais, definições de tarefa/evento, pré-processamento, contexto participante/sessão e desenho de avaliação. Os padrões existentes, ontologias, plataformas de software, frameworks de referência e métodos de transferência-aprendizagem abordam camadas complementares, mas não fornecem interoperabilidade semântica completa. No corpus retido, o escore de transparência mediana foi 9/10; a disponibilidade de dados foi declarada em 61,2% e a disponibilidade de código ou gasoduto em 20,9%. Essas frequências descrevem o corpus curado e não o campo como um todo. Análise cruzada escalável requer regras de compatibilidade dependentes da análise, proveniência explícita, metadados contextuais e transformações auditáveis que preservam identidade, incerteza e perda de informação.