Este artículo revisa sistemáticamente los primeros estudios sobre modelos básicos de EEG basados en aprendizaje autosupervisado (EEG-FM) que procesan datos de electroencefalografía (EEG). Tras analizar diez modelos básicos de EEG-FM, observamos que la mayoría utiliza el modelado de secuencias basado en transformadores y la reconstrucción de secuencias enmascaradas como métodos de aprendizaje autosupervisado. Sin embargo, señalamos que resulta difícil evaluar su aplicabilidad práctica debido a la heterogeneidad y las limitaciones de la evaluación de modelos.
