Investigadores de Estados Unidos, España y Suiza utilizaron inteligencia artificial para mejorar la precisión de una prótesis visual experimental implantada en el cerebro de una persona con ceguera. El avance podría contribuir al desarrollo de tecnologías capaces de recuperar parcialmente la percepción visual.
La inteligencia artificial abre nuevas posibilidades en uno de los desafíos más complejos de la medicina: ayudar a recuperar parte de la visión a personas que han perdido la capacidad de ver.
Un equipo internacional de investigadores desarrolló un sistema que utiliza inteligencia artificial para mejorar la comunicación entre un implante cerebral y la región del cerebro encargada de procesar la información visual.
El estudio, publicado el 7 de agosto de 2026 en la revista científica Neuron y difundido recientemente por la Universidad de California en Santa Bárbara, reúne especialistas de Estados Unidos, España y Suiza.
Los resultados muestran que la inteligencia artificial puede ayudar a determinar qué señales eléctricas deben enviarse al cerebro para producir respuestas neuronales más precisas y predecibles.
¿Cómo funciona un ojo biónico conectado al cerebro?
Cuando una persona observa un objeto, sus ojos captan la luz y transmiten información al cerebro, donde se procesa para construir la percepción visual.
Sin embargo, determinadas enfermedades o lesiones pueden interrumpir ese proceso.
Las prótesis visuales corticales buscan desarrollar una alternativa: estimular directamente la corteza visual, una región ubicada en la parte posterior del cerebro.
Para ello, utilizan pequeños electrodos capaces de transmitir impulsos eléctricos.
Estas señales pueden generar percepciones luminosas conocidas como fosfenos, que las personas describen como puntos brillantes, destellos o figuras de luz.
El problema es que esas percepciones no siempre son estables.
Una misma estimulación eléctrica puede producir respuestas diferentes, lo que dificulta transformar las señales en información visual útil.
La inteligencia artificial aprende cómo responde el cerebro
Para enfrentar esa dificultad, los investigadores desarrollaron un modelo de aprendizaje profundo (deep learning) capaz de analizar las respuestas neuronales y predecir qué patrones de estimulación pueden producir determinados efectos.
La tecnología no se limita a enviar impulsos eléctricos.
También analiza cómo responde el cerebro y utiliza esa información para seleccionar señales más adecuadas.
De esta manera, los científicos buscan que las futuras prótesis visuales se adapten al funcionamiento de cada persona.
El sistema permitió obtener respuestas neuronales más precisas que las logradas con métodos convencionales y utilizar una menor intensidad de corriente eléctrica.
El experimento se realizó con un paciente de 27 años
La investigación incluyó a un hombre de 27 años que había perdido la visión como consecuencia de una lesión cerebral traumática.
El participante recibió un implante experimental con 96 electrodos colocados en la corteza visual.
El dispositivo permitió estimular determinadas regiones del cerebro y registrar simultáneamente su actividad neuronal.
Durante las pruebas, el participante describió las sensaciones luminosas que experimentaba, incluyendo aspectos relacionados con su forma, tamaño, intensidad y color.
Los investigadores compararon esas descripciones con los registros cerebrales.
Los resultados mostraron que la actividad neuronal registrada permitía anticipar las percepciones del participante con mayor precisión que el análisis de las señales eléctricas utilizadas para estimularlo.
La importancia de adaptar la tecnología a cada persona
Uno de los principales responsables del estudio es Michael Beyeler, profesor asociado de Informática y Ciencias Psicológicas y del Cerebro de la Universidad de California en Santa Bárbara, donde dirige el Bionic Vision Lab.
Beyeler explicó que uno de los errores habituales consiste en imaginar que los electrodos funcionan como los píxeles de una pantalla.
En realidad, el cerebro responde mediante procesos mucho más complejos.
El investigador advirtió:
«Pero el cerebro no funciona así».
La declaración forma parte de su explicación sobre por qué estimular más electrodos no necesariamente produce imágenes más completas.
Las respuestas neuronales pueden variar y la percepción visual no depende exclusivamente de la cantidad de señales enviadas.
Por esa razón, los científicos consideran necesario desarrollar sistemas capaces de aprender cómo responde cada cerebro.
Beyeler también sostuvo:
«El dispositivo debería adaptarse a la persona, y no al revés».
Esta afirmación resume uno de los objetivos centrales de la investigación: avanzar hacia prótesis visuales personalizadas, capaces de ajustar su funcionamiento según las respuestas neuronales de cada usuario.
Un trabajo conjunto entre universidades de tres países
La investigación fue desarrollada por científicos de la Universidad de California en Santa Bárbara, la Escuela Politécnica Federal de Zúrich (ETH Zurich) y la Universidad Miguel Hernández de Elche, España.
Los primeros autores del estudio son Pehuén Moure, Jacob Granley y Fabrizio Grani.
La supervisión científica estuvo a cargo de Michael Beyeler, Shih-Chii Liu y Eduardo Fernández.
El trabajo forma parte de una investigación experimental más amplia sobre prótesis visuales corticales.
La participación de especialistas en neurociencia, ingeniería, informática y medicina permitió combinar modelos computacionales con registros de actividad cerebral obtenidos directamente de una persona.
¿Significa que una persona ciega puede volver a ver?
Todavía no.
Aunque los resultados representan un avance científico, el participante no recuperó la visión convencional.
Las percepciones obtenidas durante el experimento consistieron en destellos y formas luminosas limitadas.
La tecnología continúa en etapa experimental y no constituye un tratamiento disponible para recuperar la visión.
Sin embargo, los resultados permiten avanzar en una cuestión fundamental: comprender cómo transformar señales eléctricas en respuestas cerebrales más controladas.
Ese conocimiento podría contribuir al desarrollo de futuras prótesis visuales capaces de proporcionar información útil sobre el entorno.
El futuro de la inteligencia artificial en la neurociencia
La investigación demuestra que la inteligencia artificial puede desempeñar un papel importante en el desarrollo de dispositivos médicos que interactúan directamente con el sistema nervioso.
A diferencia de los sistemas tradicionales, que utilizan parámetros de estimulación previamente establecidos, los nuevos modelos pueden analizar información neuronal y ajustar sus predicciones.
Esta capacidad de adaptación podría resultar relevante no solamente para la investigación sobre visión artificial, sino también para otras tecnologías que buscan establecer una comunicación más precisa entre dispositivos electrónicos y el cerebro.
No obstante, cualquier aplicación médica futura deberá demostrar su seguridad, eficacia y utilidad mediante investigaciones adicionales.
El avance no consiste en haber desarrollado un ojo capaz de devolver la visión, sino en haber demostrado que la inteligencia artificial puede mejorar la comunicación entre una prótesis experimental y el cerebro humano.
Se trata de un paso científico hacia tecnologías que, en el futuro, podrían ayudar a determinadas personas con ceguera a recuperar una parte de su percepción visual.
Fuentes primarias
1. Revista científica Neuron — 7 de agosto de 2026.
Deep learning-based control of electrically evoked activity in human visual cortex.
Autores: Pehuén Moure, Jacob Granley, Fabrizio Grani y colaboradores.
DOI: 10.1016/j.neuron.2026.07.006.
2. Universidad de California en Santa Bárbara — 7 de agosto de 2026.
Deep learning refines how bionic eyes communicate with the brain.
Comunicación institucional sobre los resultados de la investigación, las características del experimento y las declaraciones de Michael Beyeler.
3. Bionic Vision Lab — Universidad de California en Santa Bárbara.
Documentación científica del laboratorio responsable de la investigación sobre prótesis visuales y aprendizaje automático.
Nota de transparencia editorial: Este artículo fue elaborado con asistencia de herramientas de inteligencia artificial y revisión editorial de MAJUL.AI , utilizando publicaciones científicas y fuentes institucionales primarias. Las declaraciones entre comillas corresponden a traducciones al español de fragmentos de las declaraciones originales en inglés. ElNotariado.com y Radio Nodo IA promueven el uso responsable de inteligencia artificial, incluidas voces sintéticas en sus contenidos audiovisuales, con supervisión humana y verificación de fuentes.
