Aplicaciones de la Inteligencia Artificial en Neurotecnología: Una Revisión Sistemática de Avances y Desafíos en Interfaces Cerebro-Máquina.

Autores/as

  • Maria Gabriela Demera Montero Universidad Técnica de Manabí
  • Gabriel Primitivo Demera Ureta.Mg Universidad Técnica de Manabí

DOI:

https://doi.org/10.37117/s.v27i2.1261

Palabras clave:

Inteligencia artificial, Neurotecnología, Interfaces cerebro-máquina, Neuroprótesis, Rehabilitación, Neuroseguridad

Resumen

 Este artículo presenta una revisión sistemática sobre la aplicación de la inteligencia artificial (IA) en el campo de la neurotecnología, con énfasis en las interfaces cerebro-máquina (BCI). El problema central identificado se relaciona con la necesidad de comprender cómo la IA impulsa avances tecnológicos significativos y, al mismo tiempo, plantea desafíos técnicos, éticos y de seguridad en su implementación. El objeto de estudio lo constituyen los modelos de IA aplicados a neuroprótesis, neurorehabilitación, diagnóstico neurológico y sistemas de comunicación. El campo investigativo se ubica en la intersección entre la ingeniería biomédica, la neurociencia y la informática. El objetivo principal fue analizar los avances y desafíos derivados de la integración IA–neurotecnología. Para ello, se siguió la metodología PRISMA, revisando artículos científicos publicados entre 2016 y 2025 en bases de datos como PubMed, Scopus, IEEE Xplore y ScienceDirect. Se identificaron 280 artículos, de los cuales 35 cumplieron con los criterios de inclusión. Los resultados evidencian progresos en la decodificación de señales neuronales para comunicación en tiempo real, en la rehabilitación de pacientes con accidentes cerebrovasculares y en el desarrollo de prótesis inteligentes. No obstante, persisten limitaciones vinculadas a la privacidad de datos cerebrales, la durabilidad de los implantes y la vulnerabilidad a ciberataques. Se concluye que el avance sostenido en IA aplicada a la neurotecnología requiere de marcos regulatorios sólidos y estrategias de neuroseguridad que garanticen su uso responsable, ético y seguro.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Angelakis, D. (2024). Cybersecurity issues in brain–computer interfaces: Analysis of existing Bluetooth vulnerabilities. Digital Technologies Research and Applications, 3(2), 92–116. https://doi.org/10.54963/dtra.v3i2.286

Bhadra, K., Lee, T., & Ghosh, S. (2025). Learning to operate an imagined speech brain–computer interface. Journal of Neural Engineering, 22(2), 045001.

Brandman, D. M., Moses, D. A., Chartier, J., & Chang, E. F. (2025). Advances in neural speech prostheses for communication restoration. Nature Communications, 16, 3012.

Chen, J., Wang, Y., & Liu, F. (2023). fNIRS–EEG hybrid brain–computer interfaces for motor rehabilitation: A review. Frontiers in Human Neuroscience, 17, 1180932. https://doi.org/10.3390/bioengineering10121393

Ding, Y., Zhou, Z., & Zhang, X. (2024). EEG-Deformer: A dense convolutional transformer for brain–computer interfaces. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 32(4), 721–733. https://doi.org/10.1109/jbhi.2024.3504604

Harper, E. (2023). The evolving neurotechnology landscape: Examining the role of artificial intelligence in brain–computer interfaces. Geneva Academy Journal, 18(2), 45–59

Hossain, K. M., Rahman, M. M., & Khan, M. A. (2023). Status of deep learning for EEG-based brain–computer interface applications: A comprehensive review. Frontiers in Neuroscience, 17, 1142987. https://doi.org/10.3389/fncom.2022.1006763

Ku, L.-W., & Lin, J.-C. (2024). Enhancing EEG-to-text decoding through transferable representations from pre-trained contrastive EEG-text masked autoencoder. Neural Networks, 172, 106094. https://doi.org/10.18653/v1/2024.acl-long.393

Mullin, E. (2023, July 19). Brain implants that help paralyzed people speak just broke new records. Wired. https://www.wired.com/story/brain-implants-help-paralyzed-people-speak/

Mullin, E. (2025, June 2). Paradromics rival Neuralink tested brain implant. Wired. https://www.wired.com/story/paradromics-neuralink-rival-tested-brain-implant/

Müller, O., & Rotter, S. (2017). Neurotechnology: Current developments and ethical issues. Frontiers in Neuroscience, 11, 730.

Pycroft, L., Boccard, S. G., & Aziz, T. Z. (2016). Brainjacking: Implant security issues in invasive neuromodulation. World Neurosurgery, 92, 454–462. https://doi.org/10.1016/j.wneu.2016.05.010

Wang, D., Zhang, Q., & Li, Y. (2025). Hybrid brain–machine interface integrating EEG and EMG for reduced physical demand. Journal of Neural Engineering, 22(3), 036004.

Willett, F. R., Hochberg, L. R., & Henderson, J. M. (2023). A high-performance speech neuroprosthesis. Nature, 620(7976), 101–107. https://doi.org/10.1038/s41586-023-06377-x

Yang, S., Kim, J., & Choi, S. (2025). Spiking neural network for intracortical brain signal decoding. Neurocomputing, 594, 128479.

Descargas

Publicado

2025-12-31

Cómo citar

Demera Montero, M. G., & Demera Ureta.Mg, G. P. (2025). Aplicaciones de la Inteligencia Artificial en Neurotecnología: Una Revisión Sistemática de Avances y Desafíos en Interfaces Cerebro-Máquina. Revista Científica Sinapsis, 27(2). https://doi.org/10.37117/s.v27i2.1261

Número

Vol. 27 Núm. 2 (2025): Investigaciones que honran el pasado y Diseñan el futuro con IA

Sección

Tecnologías de la Información y las Comunicaciones

Licencia

Derechos de autor 2025 Maria Gabriela Demera Montero, Gabriel Primitivo Demera Ureta.Mg

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

El Copyright posee el propósito de proteger tanto la propiedad intelectual de los autores como sus resultados. El comité editorial de la Revista Sinapsis se compromete con los autores a proteger, defender y preservar tanto su trabajo como su reputación, y toma muy en serio las acusaciones de infracción, plagio, disputas éticas y fraude. Si un autor se da cuenta de un posible plagio, copia de resultados, fraude o infracción, le rogamos que se comunique con la mayor brevedad posible con el comité editorial de la revista Sinapsis.

CC BY-NC-ND: esta licencia permite a los reutilizadores copiar y distribuir el material en cualquier medio o formato solo sin adaptarlo, solo con fines no comerciales y siempre que se le atribuya al creador.

Términos de Licencia:

Reconocimiento: debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.

No comercial: no puede utilizar el material con fines comerciales.

No Derivada: si remezcla, transforma o construye sobre el material, no puede distribuir el material modificado.

Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros de hacer cualquier cosa que permita la licencia.

El autor esta en la obligación de seguir las exigencias según lo instruido en la licencia ubicada en el enlace: https://creativecommons.org/licenses/by-nc-nd/4.0/deed.es