Neurotecnología
Revolución neuronal: la primera interfaz cerebro-ordenador bidireccional abre una nueva era de simbiosis humano-máquina
Científicos chinos logran una BCI no invasiva que aprende y evoluciona con el usuario, prometiendo desbloquear el potencial oculto de nuestra mente
Imagen que refleja el concepto de la primera interfaz cerebro-ordenador bidireccional. / DALL·E 2025/T21
Redacción T21, Madrid 26 FEB 2025
Una nueva interfaz cerebro-ordenador permite no solo interpretar señales cerebrales, sino también establecer un diálogo dinámico entre el cerebro humano y los sistemas artificiales: “aprende" las características específicas de la actividad neuronal de cada usuario mientras el cerebro se adapta a los requisitos de la máquina.
Un equipo multidisciplinar de las universidades chinas de Tianjin y Tsinghua ha desarrollado la primera interfaz cerebro-ordenador (BCI, por sus siglas en inglés) bidireccional adaptativa del mundo que redefine los límites entre biología y tecnología.
Este sistema, que se ha detallado en la revista Nature Electronics, supera las limitaciones de las interfaces neuronales convencionales mediante un diseño revolucionario que permite no solo interpretar señales cerebrales, sino establecer un diálogo dinámico entre el cerebro humano y sistemas artificiales.
El corazón neuromórfico de la innovación
En el núcleo de esta tecnología reside un componente clave de la computación del futuro: los memristores. Estos elementos electrónicos, capaces de "recordar" su estado de resistencia incluso sin energía, imitan la plasticidad sináptica del cerebro humano. El dispositivo desarrollado por los investigadores integra un chip neuromórfico con 128.000 células de memristores, organizadas en una arquitectura tridimensional que optimiza el procesamiento paralelo de señales neuronales.
A diferencia de las BCI tradicionales —que funcionan como canales unidireccionales para controlar dispositivos externos—, este sistema implementa un mecanismo de doble retroalimentación que genera un bucle de adaptación mutua.
Por un lado, algoritmos de aprendizaje automático ajustan continuamente los parámetros del decodificador cerebral basándose en los patrones neuronales detectados. Simultáneamente, el usuario recibe estímulos sensoriales (visuales y hápticos) que permiten recalibrar su actividad mental para optimizar la interacción con la máquina.
Esta dinámica convergente podría sentar las bases para una nueva generación de interfaces neurales autónomas, ya que esta integración permite que el sistema "aprenda" las características específicas de la actividad neuronal de cada usuario mientras el cerebro se adapta a los requisitos de la máquina, creando un ciclo descrito por los investigadores como "co-evolución cerebro-ordenador".
Hito tecnológico
Las pruebas realizadas, descritas en detalle en el estudio, revelan mejoras cuantitativas sin precedentes. En primer lugar, el sistema procesa señales neuronales con 100 veces mayor eficiencia que los modelos convencionales, gracias a la codificación analógica directa de los memristores, que elimina la necesidad de conversiones digitales consumidoras de energía.
En segundo lugar, el sistema reduce el consumo energético en 1.000 veces, alcanzando solo 9.4 microwatios por canal, cifra que lo hace compatible con dispositivos portátiles. Además, logra cuatro grados de libertad de movimiento (control en ejes X, Y, Z y rotación) con una precisión del 92.3%, superando en 20 puntos porcentuales a sistemas anteriores.
En demostraciones prácticas, usuarios entrenados controlaron drones virtuales a través de un entorno tridimensional complejo, ejecutando maniobras como ascensos en espiral y evasión de obstáculos con latencias inferiores a 300 milisegundos —tiempo comparable al de un reflejo humano natural—. Estos resultados, validados mediante electroencefalografía de alta densidad (256 electrodos), sugieren que la tecnología podría escalarse para aplicaciones en tiempo real.
Aplicaciones transformadoras
Aunque el prototipo actual emplea electrodos implantables para captar señales neuronales intracraneales, su diseño modular permitiría adaptarlo a configuraciones no invasivas.
Los investigadores destacan tres campos de aplicación inmediata. En primer lugar, en neurorehabilitación avanzada: pacientes con lesiones medulares o daño cerebral podrían recuperar el control motor mediante exoesqueletos adaptativos.
En segundo lugar, en prótesis de nueva generación, ya que el flujo bidireccional de información permitiría a usuarios de extremidades robóticas percibir texturas y temperaturas.
Por último, un tercer campo de aplicación inmediata sería la interacción humano-robot en entornos críticos, ya que este sistema permite la operación remota de maquinaria pesada o robots de rescate en zonas de desastre.
Finalmente, en el sector tecnológico-consumista, el sistema promete revolucionar dispositivos portátiles: la eficiencia energética alcanzada podría integrar BCI en gafas inteligentes o auriculares sin afectar su autonomía, según sus creadores.
Desafíos en la frontera neurotecnológica
Pese al potencial revolucionario, el camino hacia su implementación masiva presenta obstáculos significativos. El protocolo actual requiere 10 horas de calibración personalizada por usuario, proceso en el que se mapean y codifican patrones neuronales individuales. Además, la dependencia de electrodos implantables —aunque mínimamente invasivos— limita su uso a entornos médicos especializados.
Persisten también cuestiones éticas no resueltas. Expertos independientes advierten sobre los riesgos de filtración de datos neuronales, que podrían exponer patrones de pensamiento o incluso recuerdos personales.
_____________________
Referencia
A memristor-based adaptive neuromorphic decoder for brain–computer interfaces. Zhengwu Liu et al. Nature Electronics (2025). DOI:ttps://doi.org/10.1038/s41928-025-01340-2
___________
El equipo chino ya trabaja en la miniaturización del sistema, con un prototipo portátil previsto para 2026. Este dispositivo, del tamaño de un audífono, integraría electrodos flexibles de grafeno y un sistema de retroalimentación háptica por ultrasonido. Paralelamente, desarrollan algoritmos basados en redes neuronales generativas (GAN) para reducir el tiempo de calibración a menos de una hora, utilizando plantillas cerebrales adaptables.
Lo que persigue este trabajo no es reemplazar interfaces tradicionales como teclados o pantallas táctiles, sino crear un canal complementario que amplifique las capacidades humanas. Sería el primer paso hacia interacciones cerebro-ordenador que se sientan tan naturales como mover una extremidad.
La clave tecnológica de todo este desarrollo: mientras que empresas como Neuralink de Elon Musk se centran en interfaces implantadas en el cerebro, los investigadores en China han logrado grandes avances en BCI no invasivas y adaptativas.
___________________
Fuente:
