Una nueva empresa australiana permite que las células cerebrales jueguen a la suerte con un chip

Neurotecnología

27 de marzo de 2026 11:45
Dennis L.

Todo lo que se necesita es una red celular de células nerviosas humanas, un chip y un osciloscopio digital para hacer visible una forma inusual de aprendizaje. Detrás del entusiasmo que rodea a la nueva demostración se esconde un aparato neurotécnico experimental en el que los estímulos y respuestas eléctricos circulan en el orden de milisegundos. Lo importante no es el juego en sí, sino lo que el circuito cerrado de control revela sobre la adaptación, el procesamiento de señales y el poder de computación biológica. Aquí es precisamente donde comienza la cuestión científicamente apasionante.

La idea de no sólo observar células nerviosas vivas, sino también integrarlas en un entorno digital como, por ejemplo, un sistema informático, se sitúa en el límite entre la neurobiología, la informática y la ingeniería eléctrica. Estos sistemas suelen denominarse biocomputadoras. Esto no significa un cerebro completo, sino más bien un cultivo neuronal simplificado que crece sobre una serie de microelectrodos y recibe y envía continuamente estímulos eléctricos. A diferencia de la lógica clásica de los semiconductores, una red celular de este tipo no procesa señales a través de rutas de conmutación cableadas, sino a través de patrones de actividad cambiantes, intensidad de las sinapsis y autoorganización espontánea. Es precisamente esta plasticidad la que hace que el enfoque sea interesante para los investigadores que desean comprender mejor cómo se produce el aprendizaje a nivel celular. Al mismo tiempo, el campo aborda cuestiones que también son relevantes para las interfaces cerebro-computadora, como cómo se codifican, leen y traducen las señales neuronales en comandos técnicos sin perder su dinámica biológica debido a una simplificación excesiva.

La atención se centra normalmente en un circuito de control cerrado entre las células y el software. Los electrodos estimulan el cultivo en patrones de milisegundos, registran las respuestas y las devuelven a un entorno simulado. Desde una perspectiva neurofisiológica, es crucial que la información relevante no sólo se descomponga en impulsos individuales, sino en patrones temporales, distribuciones espaciales de actividad y retroalimentación. Muchos de estos sistemas se basan en células nerviosas humanas derivadas de células madre porque su desarrollo puede estandarizarse de forma más controlada que en el tejido primario. El término inteligencia biológica sintética aparece en la literatura especializada. No describe la conciencia en un sentido estricto, sino más bien el intento de acoplar el procesamiento adaptativo de información in vitro con hardware y software. Precisamente por eso cada nueva demostración atrae rápidamente la atención, incluso si el valor científico reside menos en el espectáculo que en la calidad del aparato experimental, las condiciones de comparación y la reproducibilidad.

De la configuración experimental a la señal de aprendizaje

El punto de partida metodológico no es un título popular, sino un aparato experimental claramente definido. En un estudio de Neuron de 2022 revisado por pares, el equipo describió un sistema en el que un cultivo de neuronas en una matriz de microelectrodos de alta densidad se acoplaba a un entorno Pong simplificado. Las células recibieron patrones de estímulo ordenados espacialmente, sus potenciales de acción fueron leídos e inmediatamente traducidos en comandos de juego. Precisamente este circuito cerrado fue crucial porque la cultura no sólo producía señales, sino que también hacía que las consecuencias de su actividad se reflejaran en el entorno simulado. Según los datos publicados, la evidencia del aprendizaje apareció en cinco minutos en tiempo real, mientras que las condiciones de control sin retroalimentación estructurada tuvieron resultados significativamente más débiles. Lo que fue científicamente importante no fue tanto la mecánica del juego como la observación de que las redes biológicas pueden reorganizar sus patrones de actividad de forma selectiva bajo retroalimentación.

Del sistema Pong a la demo de Doom

El enfoque actual surgió porque la misma idea básica se aplicó a un entorno mucho más complejo. En la plataforma CL1 de Cortical Labs, neuronas reales crecen en una solución nutritiva en un chip de silicio, mientras que el software bioOS patentado de la compañía traduce la información sensorial en patrones eléctricos y traduce las respuestas de las células cerebrales en acciones digitales. Según la empresa, el sistema está diseñado como una biocomputadora compacta, funciona en tiempo real, contiene el soporte vital necesario directamente en el dispositivo y puede mantener estables los cultivos hasta por seis meses. En la nueva demostración, el grupo celular ya no interactúa con un juego minimalista en 2D, sino con el shooter en primera persona Doom, es decir, con un entorno espacialmente mucho más rico y dinámico. Esto recuerda a otros enfoques con ordenadores vivos fabricados con células cerebrales humanas, pero aquí va un paso más allá porque la entrada, la lectura y el entrenamiento se entienden como un sistema integrado.

Lo que dice científicamente la demostración

La sobriedad conceptual es particularmente importante en este punto. Ni del experimento Pong ni de la demostración de Doom se desprende que la cultura piense como una persona o incluso desarrolle conciencia. Las células no forman un cerebro completo, sino más bien un modelo reducido con entradas y salidas limitadas, alta variabilidad y fuerte dependencia del diseño experimental. Sin embargo, el valor de la investigación es real. El trabajo de seguimiento de la misma área publicado en 2025 ya ha demostrado que el rendimiento de dichos sistemas puede modificarse mediante intervenciones farmacológicas, lo que hace que el enfoque sea interesante para modelos de enfermedades y pruebas de fármacos. Los experimentos con robots equipados con cerebros vivos también dejan claro que la industria ya no es sólo un titular provocativo. Lo que sigue siendo crucial es si los resultados son reproducibles, qué grupos de control existen y con qué claridad se puede separar el aprendizaje de la mera actividad o deriva en la red.

¿Por qué esto es relevante para la investigación?

A largo plazo, esta investigación no se centra en consolas de juegos biológicas, sino en modelos más precisos de procesamiento de información neuronal. Si las células cerebrales de los chips aprenden basándose en estímulos definidos, en el futuro los investigadores podrían probar cómo las enfermedades cambian las vías de señalización, cómo los fármacos influyen en la retroalimentación o qué patrones de estímulo promueven una adaptación estable. Esta es exactamente la razón por la que las revisiones actuales enfatizan la conexión entre el software, el hardware y el software como el núcleo de la industria. Idealmente, esto dará como resultado un sistema que funcione más cerca de la neurofisiología real para algunas cuestiones que los modelos puramente basados ​​en silicio y que al mismo tiempo requiera menos animales. Al mismo tiempo, persisten obstáculos importantes: la estandarización de los cultivos, la estabilidad a largo plazo, las limitaciones éticas, la comparabilidad de los datos y la cuestión de cómo se pueden transferir los resultados de un entorno in vitro a un sistema nervioso intacto. El verdadero objetivo de la demostración de Doom no es el espectáculo, sino que las biocomputadoras se han vuelto un poco más prácticas como herramienta de investigación.

Neurona: las neuronas in vitro aprenden y exhiben sensibilidad cuando se integran en un mundo de juego simulado; doi:10.1016/j.neuron.2022.09.001
Biología de la comunicación, el tratamiento farmacológico altera el rendimiento de un sistema de procesamiento de información microfisiológica neuronal; doi:10.1038/s42003-025-08194-6