Resumen:
La inteligencia artificial está abriendo una nueva dirección de desarrollo para la tecnología de visión biónica. Investigadores de la Universidad de California en Santa Bárbara, el Instituto Federal Suizo de Tecnología en Zurich y la Universidad Miguel Hernández en España han utilizado tecnología de aprendizaje profundo para mejorar el método de estimulación eléctrica de los implantes de corteza visual, permitiendo al cerebro producir percepción visual de una manera más precisa y ahorrando energía. Se espera que esta investigación promueva el desarrollo de una nueva generación de ojos biónicos, brindando la posibilidad de restaurar la visión parcial a personas ciegas debido a daños en los ojos o en el nervio óptico.
Las prótesis visuales tradicionales suelen intentar capturar imágenes externas a través de cámaras y luego convertir las imágenes en señales eléctricas para estimular la retina o la corteza visual del cerebro, permitiendo al usuario percibir puntos de luz o formas simples. Sin embargo, los sistemas de visión son mucho más complejos que las pantallas ordinarias. Incluso si se ingresan señales eléctricas precisas a múltiples electrodos, la experiencia visual final producida por el cerebro puede no corresponder a las señales de entrada uno a uno. Los electrodos pueden interactuar entre sí y las respuestas de las neuronas pueden cambiar con el tiempo y el estado del cerebro.
El objetivo de esta investigación es resolver la diferencia entre las señales de estimulación eléctrica y la percepción visual humana real.
El equipo de investigación realizó un experimento en humanos en un hospital de España y el participante era un hombre de 27 años. Anteriormente había perdido la visión debido a una lesión cerebral traumática grave. Los investigadores implantaron una matriz de electrodos temporal que contiene 96 electrodos en su corteza visual que pueden enviar señales eléctricas directamente al área del cerebro responsable del procesamiento visual.
Cuando los electrodos estimulan la corteza visual, los participantes pueden experimentar un fenómeno visual llamado "fosfenos", en el que el cerebro todavía produce la sensación de destellos, puntos de luz o formas simples incluso cuando no entra luz externa en los ojos. Este fenómeno es una base importante para la investigación de las prótesis corticales visuales, ya que demuestra que mediante la estimulación directa del cerebro se pueden producir experiencias visuales, sin pasar, en cierta medida, por el ojo y el nervio óptico dañados.
Para mejorar el efecto de estimulación, los investigadores entrenaron un conjunto de redes neuronales profundas para permitir que la inteligencia artificial aprenda la relación entre diferentes modos de estimulación eléctrica y las respuestas neuronales del cerebro.
A diferencia de los métodos tradicionales, este sistema de IA no solo analiza qué señales ingresan desde los electrodos, sino que también hace referencia a la actividad cerebral en reposo registrada antes de cada prueba. El cerebro no siempre está en el mismo estado e incluso usar exactamente el mismo estímulo eléctrico puede producir diferentes respuestas neuronales en diferentes momentos. Al incorporar esta actividad de fondo en el modelo, la IA puede predecir con mayor precisión cómo responderá el cerebro a estímulos específicos y ajustar el funcionamiento de los electrodos en consecuencia.
Los resultados experimentales muestran que el modo de estimulación optimizado por IA puede activar las respuestas neuronales objetivo con mayor precisión y requiere menor corriente. Los investigadores también descubrieron que registrar directamente la actividad cerebral era en realidad mejor para predecir las experiencias visuales finales de los participantes que simplemente observar los parámetros eléctricos de los electrodos.
Este descubrimiento es de gran importancia. El pensamiento de ingeniería tradicional a menudo trata la corteza visual como una pantalla que puede iluminarse punto por punto a través de electrodos, y cree que estimular más electrodos puede formar una imagen más completa. Pero este no es el caso. Hay interacciones entre electrodos y las respuestas neuronales también fluctúan. Las señales eléctricas que llegan al cerebro no son iguales a lo que la gente ve en última instancia.
En este experimento, los investigadores no solo registraron la actividad neuronal, sino que también pidieron a los participantes que describieran los puntos de luz que sentían, incluida información como el brillo, el tamaño, la forma y el color. Estas experiencias visuales subjetivas combinadas con registros neuronales objetivos proporcionan una base de datos para que la inteligencia artificial construya modelos de estimulación más precisos.
Lo que es más notable es que este dispositivo implantado tiene la capacidad de estimular neuronas y registrar respuestas neuronales al mismo tiempo. Esto significa que las futuras prótesis visuales no siempre tendrán que funcionar según parámetros fijos preestablecidos, sino que podrán observar continuamente la respuesta del cerebro y luego utilizar inteligencia artificial para ajustar dinámicamente el plan de estimulación.
El líder de la investigación Michael Beyeler, profesor de la Universidad de California en Santa Bárbara, dijo que una prótesis visual verdaderamente útil no puede depender de un programa de estimulación fijo que sea adecuado para todos, sino que debe aprender las características de respuesta del cerebro de cada persona y ajustarse continuamente de acuerdo con las diferencias individuales. El objetivo final es adaptar el dispositivo al cerebro del usuario, en lugar de exigir que el usuario se adapte al dispositivo.
Esta tecnología podría algún día ayudar a las personas que han perdido la visión debido a enfermedades oculares genéticas, accidentes o enfermedades neurológicas. En particular, aquellos que alguna vez tuvieron una visión normal y luego quedaron ciegos pueden conservar cierto grado de experiencia visual y capacidades de procesamiento neuronal relacionadas, por lo que recuperar algo de visión puede ser de especial importancia.
Sin embargo, los investigadores enfatizaron que los resultados actuales aún son una prueba temprana de concepto, y todavía queda un largo camino por recorrer antes de que realmente puedan ayudar a las personas ciegas a restaurar su visión diaria. Este experimento solo involucró a un participante. El estudio demostró que la inteligencia artificial puede mejorar el efecto de la estimulación eléctrica de la corteza visual bajo ciertas condiciones, pero eso no significa que el participante haya recuperado la visión normal.
Además, los fosfenos producidos actualmente a través de electrodos son todavía bastante limitados y existe una enorme brecha entre las escenas complejas que el ojo humano puede percibir. Las investigaciones futuras también deben abordar cuestiones como cómo formar información visual estable, clara y espacialmente continua, y cómo permitir el funcionamiento seguro a largo plazo de los dispositivos implantados.
Los resultados de esta investigación se publicaron en la revista Neuron el 7 de agosto de 2026. El artículo se titula "Control de la actividad eléctricamente evocada en la corteza visual humana basado en el aprendizaje profundo".
El avance más importante de esta investigación no es simplemente aumentar el número de electrodos en la prótesis visual, sino utilizar inteligencia artificial para establecer una conexión más precisa entre la estimulación eléctrica, la actividad neuronal y la experiencia visual subjetiva. Con la integración continua de la interfaz cerebro-computadora y la tecnología de inteligencia artificial, es posible que los futuros ojos biónicos ya no sean solo dispositivos electrónicos que envían señales preestablecidas al cerebro, sino que puedan aprender gradualmente las respuestas neuronales únicas de cada persona para lograr una visión artificial más personalizada.
Comentarios