Título:
Investigadores israelíes crean IA que reconstruye imágenes desde la actividad cerebral

Extracto:
Investigadores israelíes desarrollan un modelo de inteligencia artificial, Brain-IT, que reconstruye imágenes a partir de la actividad cerebral con solo una hora de escaneos, identificando nuevas divisiones funcionales en el cerebro.

Contenido Principal:
Jerusalén, 14 de octubre de 2026 (TPS-IL) — Investigadores israelíes han desarrollado un modelo de inteligencia artificial que reconstruye imágenes a partir de la actividad cerebral utilizando aproximadamente una hora de escaneos cerebrales de un nuevo participante, al tiempo que identifican divisiones funcionales previamente desconocidas en regiones cerebrales involucradas en el procesamiento visual.

El modelo, llamado Brain-IT, fue desarrollado por un equipo dirigido por la profesora Michal Irani en el Instituto de Ciencias Weizmann. A diferencia de los sistemas existentes que requieren docenas de horas de escaneos cerebrales para adaptarse a una nueva persona, Brain-IT identifica patrones compartidos entre diferentes individuos, lo que le permite reconstruir imágenes con mayor precisión y menos entrenamiento.

Más allá de reconstruir imágenes, la tecnología podría ayudar a los científicos a comprender cómo el cerebro organiza la información visual. También podría avanzar en el desarrollo de interfaces cerebro-computadora que requieran menos entrenamiento, aunque las aplicaciones médicas prácticas aún están lejos.

«Hoy en día existen modelos que traducen la actividad cerebral en imágenes, y pueden incluso producir reconstrucciones impresionantes que conservan razonablemente bien el significado semántico de la imagen», dijo Irani. «Sin embargo, tienden a cometer errores en características básicas como la composición y el color».

«El nuevo modelo que hemos desarrollado las supera en la reconstrucción tanto del contenido de la imagen como de sus detalles», añadió. «Además, mientras que todos los demás modelos requieren docenas de horas de escaneos cerebrales para aprender a ‘leer’ a una nueva persona, nuestro modelo solo necesita una hora».

La investigación fue seleccionada para su presentación este año en la Conferencia Internacional sobre Representaciones de Aprendizaje (International Conference on Learning Representations), una de las principales conferencias de inteligencia artificial.

## Enseñando a la IA a Leer el Cerebro

Un obstáculo importante en este campo es la escasez de datos de entrenamiento. Los investigadores necesitan imágenes emparejadas con escaneos de resonancia magnética funcional (fMRI), que miden los cambios en la actividad cerebral mientras las personas ven imágenes. La recopilación de dichos datos requiere que los participantes pasen muchas horas en escáneres de resonancia magnética.

El Conjunto de Datos de Escenas Naturales (Natural Scenes Dataset), disponible públicamente y utilizado en el estudio, contiene aproximadamente 73.000 pares de imágenes y escaneos de ocho participantes, cada uno de los cuales vio miles de imágenes durante 30 a 40 sesiones de escaneo.

Para superar esta limitación, el equipo desarrolló dos sistemas complementarios: un codificador que predice la actividad cerebral a partir de una imagen y un decodificador que reconstruye una imagen a partir de la actividad cerebral.

El codificador generó escaneos cerebrales predichos para imágenes que los participantes nunca habían visto dentro de un escáner de resonancia magnética. Luego, el decodificador intentó reconstruir esas imágenes a partir de las predicciones, lo que permitió a los sistemas aprender de ejemplos adicionales sin requerir nuevos escaneos para cada imagen.

Los investigadores dividieron el cerebro en aproximadamente 40.000 pequeñas unidades tridimensionales llamadas vóxeles y compararon sus respuestas a diferentes imágenes entre individuos. Esto reveló patrones recurrentes vinculados a características visuales como el color, la ubicación y los objetos reconocibles.

El codificador identificó 128 regiones funcionales que se compartían entre personas y parecían desempeñar roles específicos en el procesamiento visual. Algunas ya eran conocidas por los científicos, mientras que otras eran nuevas.

Un hallazgo involucró al área parahipocampal de lugar, una región cerebral involucrada en el procesamiento de lugares y escenas. Los investigadores encontraron evidencia de una división del trabajo dentro de la región, con una parte respondiendo a escenas interiores y otra a escenas exteriores.

«La fortaleza del codificador radica en su capacidad para identificar regiones que realizan funciones similares en diferentes cerebros, incluso cuando sus ubicaciones anatómicas difieren», dijo Irani.

A corto plazo, Brain-IT podría ayudar a los investigadores a estudiar el procesamiento visual al tiempo que reduce la necesidad de escaneos costosos y que consumen mucho tiempo. Su capacidad para identificar patrones compartidos entre individuos también podría ayudar a los científicos a desarrollar interfaces cerebro-computadora que requieran menos entrenamiento para adaptarse a nuevos usuarios. Se necesita más investigación.