Interfacce Cervello-Computer e neuroriabilitazione: nuove prospettive cliniche ed implicazioni etiche nel recupero post-ictus e nella sindrome locked-in

Brain-computer interfaces (BCIs) represent one of the most promising frontiers of neurotechnology, offering new communication and rehabilitation pathways for patients with severe neurological disabilities. This study critically analyzes five recently published open-access clinical datasets dedicated to the application of BCIs in stroke patients (HS-Stroke, XW-Stroke, NIRS-BCI, UET175, and Lower Limb MI EEG). The investigation adopts a dual evaluation framework: on the one hand, the standardized Datasheets for Datasets framework (Gebru et al.) to ensure data lifecycle traceability and quality; on the other hand, the principles of sex- and gender-informed medicine, in order to highlight the impact of biological factors (e.g., neurophysiological fluctuations of the μ-band) and socio-cultural factors on the efficacy of BCI systems (BCI inefficiency). The analysis reveals that none of the examined datasets achieve gender parity, with female participants accounting for between 15% and 40%, and highlights a structural deficiency in the documentation of disaggregated data as well as in the formal distinction between sex and gender variables. The study emphasizes the need to adopt more inclusive and transparent data governance practices, which are essential to prevent algorithmic and clinical biases in the development of future rehabilitative neurotechnologies.

Le interfacce cervello-computer (BCI) rappresentano una delle frontiere più promettenti della neurotecnologia, offrendo nuove vie di comunicazione e riabilitazione per pazienti con gravi disabilità neurologiche. Il presente lavoro analizza criticamente cinque dataset clinici open-access di recente pubblicazione dedicati all'applicazione di BCI in pazienti affetti da ictus (HS-Stroke, XW-Stroke, NIRS-BCI, UET175 e Lower Limb MI EEG). L'indagine adotta un duplice quadro valutativo: da un lato, il framework standardizzato Datasheets for Datasets (Gebru et al.) per la tracciabilità e la qualità del ciclo di vita dei dati; dall'altro, i principi della medicina basata su sesso e genere (sex- and gender-informed medicine), al fine di evidenziare l'impatto di fattori biologici (es. fluttuazioni neurofisiologiche della banda μ) e socio-culturali sull'efficacia dei sistemi BCI (BCI inefficiency). I risultati dell'analisi mostrano che nessuno dei dataset esaminati raggiunge la parità di genere, con una quota di partecipanti donne compresa tra il 15% e il 40%, e mettono in luce una carenza strutturale nella documentazione dei dati disaggregati e nella distinzione formale tra le variabili di sesso e genere. Lo studio sottolinea la necessità di adottare pratiche di data governance più inclusive e trasparenti, indispensabili per prevenire bias algoritmici e clinici nello sviluppo delle future neurotecnologie riabilitative.