Un dispositivo de red neuronal biológica

 

 

Un equipo de la Universidad de Princeton publica en Nature Electronics un dispositivo pionero que integra células cerebrales vivas con electrónica avanzada, abriendo la puerta a una computación radicalmente más eficiente energéticamente.

Para entender la importancia de este hallazgo hay que empezar por hablar de un dato muy importante. Los sistemas de inteligencia artificial actuales consumen aproximadamente un millón de veces más energía que el cerebro humano para realizar tareas computacionales equivalentes. Ese abismo energético es uno de los mayores frenos al desarrollo sostenible de la IA. Mientras que un centro de datos moderno puede consumir tanta electricidad como una ciudad mediana, el cerebro humano funciona con unos 20 vatios, menos que una bombilla de bajo consumo. Este es precisamente el punto de partida del trabajo liderado por Tian-Ming Fu, profesor asistente de Ingeniería Eléctrica y de Computación en Princeton, junto a James Sturm y el investigador postdoctoral Kumar Mritunjay, primer autor del estudio.

El dispositivo recibe el nombre de 3D-MIND (dispositivo de red neuronal microinstrumentada tridimensional, o 3D Micro-Instrumented Neural Network Device en inglés). A diferencia de intentos anteriores de utilizar células cerebrales para computación, que cultivaban neuronas en superficies planas o en grupos tridimensionales monitorizados únicamente desde el exterior, este dispositivo trabaja de dentro hacia afuera.  

La clave está en la estructura que lo sostiene: mediante técnicas avanzadas de fabricación, el equipo creó una malla tridimensional compuesta por microalambres metálicos y electrodos, recubiertos por una fina capa de epoxi. Gracias a que ese recubrimiento es extraordinariamente delgado, el material tiene justo la flexibilidad necesaria para integrarse con el tejido blando de las neuronas vivas que crecen a su alrededor. 

En otras palabras: en lugar de observar las neuronas desde fuera —como quien mira un acuario a través del cristal— los electrodos quedan literalmente dentro de la red neuronal, entrelazados con ella. Esta malla actúa como andamio para cultivar decenas de miles de neuronas en una vasta red tridimensional capaz de realizar computación. 

Uno de los mayores obstáculos históricos en este campo ha sido la dificultad de mantener una interfaz estable y funcional entre la electrónica y el tejido neuronal vivo durante periodos prolongados. Los dispositivos previos solían degradarse o perder resolución de señal en pocos días o semanas.

El 3D-MIND rompe esa barrera de forma significativa. El equipo logró registrar y estimular la actividad eléctrica de las neuronas durante un periodo superior a seis meses, monitorizando cómo evolucionaban y se fortalecían las conexiones entre ellas a lo largo del tiempo. Seis meses de seguimiento continuo es, en este campo, un resultado excepcional.  

Además, la resolución que ofrece este enfoque integrado supera ampliamente lo conseguido anteriormente. El nuevo enfoque integrado permitió registrar y estimular la actividad eléctrica neuronal a una escala mucho más fina que la de aproximaciones previas, registrando potenciales de acción desde múltiples planos a la vez.  

Uno de los aspectos más interesantes del estudio es cómo los investigadores consiguieron «programar» las neuronas. El concepto se basa en un fenómeno biológico real llamado plasticidad sináptica, que es precisamente el mecanismo mediante el cual el cerebro aprende.

Los investigadores emplearon estimulación eléctrica para fortalecer o debilitar las conexiones entre neuronas específicas. Luego usaron un algoritmo para «leer» las señales eléctricas resultantes, de forma similar a como un ordenador lee datos de un disco duro.  

El resultado fue lo que se denomina una red neuronal de reservorio (reservoir neural network): un sistema en el que la dinámica compleja propia de la red neuronal viva se aprovecha como sustrato computacional. En lugar de programar cada conexión explícitamente, el sistema explota la riqueza intrínseca del comportamiento neuronal.

Para demostrar que el sistema realmente computa, los investigadores sometieron el dispositivo a pruebas de reconocimiento de patrones eléctricos. En un experimento utilizaron pares de patrones espaciales distintos; en otro, patrones temporales distintos. El sistema reconoció correctamente las diferencias entre patrones en ambas pruebas.  Esto puede sonar modesto, pero es un hito conceptual de gran importancia: demuestra que una red de neuronas vivas, integrada en un dispositivo electrónico y entrenada mediante estimulación eléctrica, puede realizar tareas de clasificación de información de manera controlada y reproducible.

El 3D-MIND tiene implicaciones que se bifurcan en dos grandes direcciones.

La primera es la computación bio-híbrida. Si el cerebro humano es millones de veces más eficiente que los chips de silicio para ciertas tareas, ¿por qué no aprovechar directamente sus principios —o incluso sus células— para construir sistemas computacionales? Este dispositivo es un paso concreto en esa dirección. Los investigadores esperan escalar el sistema hasta el punto en que pueda realizar tareas de creciente complejidad.

La segunda dirección apunta a la medicina neurológica. Dado que la malla es flexible y reproduce la estructura natural del cerebro, podría eventualmente conducir al desarrollo de implantes sofisticados capaces de comunicarse con el tejido cerebral en su propio lenguaje, con el potencial de sortear áreas dañadas en pacientes con trastornos neurológicos. Enfermedades como el Parkinson, la epilepsia o las lesiones medulares son los contextos donde esta tecnología podría resultar transformadora. 

Como señala el propio Mritunjay, sistemas como este no solo ayudan a descubrir los secretos computacionales del cerebro, sino que también pueden contribuir a comprender y posiblemente tratar enfermedades neurológicas.