Cómo la inteligencia artificial mejoró un implante cerebral para que una persona con ceguera perciba destellos de luz

Un equipo de investigadores de tres universidades demostró que la inteligencia artificial puede mejorar la precisión de un implante cerebral experimental para generar sensaciones visuales en personas con ceguera, según un estudio publicado en la revista científica Neuron.

El trabajo fue desarrollado por científicos de la Universidad de California en Santa Bárbara (UC Santa Barbara), la ETH Zurich y la Universidad Miguel Hernández (UMH). Según el estudio, la IA no solo mejora la forma en que el implante estimula el cerebro, sino que también anticipa con mayor exactitud lo que el paciente percibe, un avance concreto hacia prótesis visuales capaces de adaptarse a cada persona.

El punto de partida fue uno de los problemas más persistentes en este campo: la dificultad de producir experiencias visuales consistentes mediante un implante. Activar electrodos en la corteza visual genera destellos de luz conocidos como fosfenos, pero la misma estimulación no siempre produce la misma respuesta. Esa variabilidad es el obstáculo central que el equipo buscó resolver.

La IA entrenó un modelo con las respuestas reales del cerebro

En 2024, investigadores del laboratorio Bionic Vision Lab viajaron al Hospital IMED Elche, en España, para trabajar con un hombre de 27 años que perdió la vista a raíz de un traumatismo craneal. El paciente tenía implantada una matriz de 96 electrodos en su corteza visual, dispuesto a permanecer durante seis meses antes de ser retirado.

El equipo entrenó una red neuronal profunda para predecir cómo respondería el cerebro ante distintas configuraciones de estimulación eléctrica. A diferencia de enfoques anteriores, el sistema incorporó también la actividad cerebral en reposo registrada justo antes de cada estimulación, lo que le permitió considerar el estado neuronal del momento y no solo los parámetros de los electrodos.

Con esas predicciones, los investigadores identificaron combinaciones de señales eléctricas con mayor probabilidad de generar los patrones cerebrales buscados. El resultado fue una estimulación más precisa y con menor corriente eléctrica que los métodos de comparación utilizados en el experimento.

Los patrones cerebrales predicen mejor lo que se ve que la propia estimulación

Uno de los hallazgos más destacados surgió al analizar la relación entre la actividad cerebral registrada y las experiencias visuales que el paciente describía. Las respuestas neuronales captadas directamente desde el cerebro resultaron mejores predictoras de lo que él percibía que los propios parámetros de estimulación eléctrica.

El participante informó si veía un fosfeno y, en ciertos experimentos, describió su apariencia: forma, tamaño, brillo y color. Comparar esos relatos con la actividad cerebral registrada reveló que los patrones neuronales contenían información más útil que los datos de estimulación por sí solos.

“Los ingenieros quieren tratar los fosfenos como píxeles: estimular más electrodos debería dar una imagen más completa. Pero el cerebro no funciona así. Los electrodos interactúan, las respuestas fluctúan y lo que se introduce en el cerebro no es necesariamente lo que la persona percibe”, explicó Michael Beyeler, profesor asociado de ciencias computacionales y cerebrales de UC Santa Barbara.

El implante aprende y se ajusta a las variaciones del cerebro de cada persona

Una ventaja clave del dispositivo utilizado fue su capacidad de hacer dos cosas al mismo tiempo: estimular la corteza visual y registrar la actividad neuronal resultante. Eso permitió al modelo de IA aprender directamente de las respuestas reales del cerebro, en lugar de depender solo de qué electrodos se activaron y cuánta corriente se aplicó.

El sistema también usó mediciones del estado neuronal en reposo para compensar variaciones en la actividad cerebral de un día al siguiente. Esa capacidad de adaptación podría ser esencial para ofrecer experiencias visuales estables sin exigir que el usuario se ajuste a señales fijas.

“Una prótesis visual útil no puede basarse en una receta fija. Tiene que aprender cómo responde un cerebro individual y adaptar la estimulación en consecuencia. En última instancia, el dispositivo debe adaptarse a la persona, no al revés”, afirmó Beyeler, cuyo laboratorio recibió en 2022 una subvención de USD 2 millones de los Institutos Nacionales de Salud (NIH) para avanzar en este campo.

Aunque la tecnología es experimental y las experiencias visuales del paciente se limitaron a destellos y formas de luz, los resultados sientan una base para el desarrollo de implantes que puedan adaptarse a cada cerebro y, con el tiempo, restituir visión funcional a quienes la perdieron.