¿Por qué la ciencia de la salud parece contradecirse a sí misma?
Lo que más disfruto de X (antes Twitter) es que todo me «llega» dos o tres días antes que en LinkedIn. Pero sobretodo cada día me encuentro con un estudio nuevo, sobre ciencia, medicina, tecnología, astrofisica o biología que me abre mundos de información y conocimiento que me son bastante ajenos, pero no por ello afectan o afectarán mi vida.
En los últimos tiempos todo, o casi todo, gira alrededor de la tecnología, o mejor dicha de las tecnologías.
Hay tecnologías que sorprenden por lo que hacen. Otras inquietan por lo que podrían llegar a hacer. Y, de vez en cuando, aparece una que nos obliga a revisar una frontera que creíamos bastante clara, la que separa lo biológico de lo artificial.
En laboratorios de distintas partes del mundo se están cultivando organoides cerebrales. Sonpequeñas estructuras tridimensionales formadas por neuronas humanas capaces de conectarse entre sí, generar actividad eléctrica y mostrar ciertos mecanismos básicos de aprendizaje y memoria.
No son cerebros humanos en miniatura, no piensan como nosotros y no existe evidencia de que sean conscientes. Pero tampoco son ya únicamente tejido observado bajo un microscopio.
Algunos investigadores están empezando a conectarlos a ordenadores, enviarles información mediante impulsos eléctricos y utilizar su respuesta neuronal como parte de sistemas de computación. Es decir, en lugar de seguir intentando que el silicio imite al cerebro, estamos comenzando a explorar qué sucede cuando incorporamos directamente materia biológica al proceso computacional.
La posibilidad ha dado lugar a un concepto que no suena bonito, pero describe lo que está sucediendo. Organoid Intelligence, o inteligencia de organoides.
WIRED lo resumió recientemente con un titular diseñado para no pasar desapercibido (el reino del click bait es cada vez más extenso): “Mini human brains are being grown in labs all over the world. Soon, they could outthink neural networks”. La primera parte describe una realidad científica, aunque de manera deliberadamente provocadora. La segunda pertenece todavía mucho más al territorio de la hipótesis que al de la evidencia.
Pero reducir todo esto a decidir si un pequeño cerebro cultivado en laboratorio podrá algún día competir con ChatGPT sería perderse la pregunta verdaderamente interesante.
Durante décadas hemos construido inteligencia artificial tratando de reproducir, mediante matemáticas, algunas propiedades del cerebro humano.
Ahora estamos entrando en una fase distinta. Una fase que plantea lo que pasa cuando la computación deja de limitarse a imitar la vida y comienza a utilizarla como parte de su propia arquitectura.
Y esta nueva fase puede terminar siendo mucho más trascendente que cualquier comparación entre una máquina y una neurona.
¿Qué es un “mini cerebro”?
El nombre induce bastante a error. Un organoide cerebral no es un cerebro humano encogido. Es una estructura tridimensional de células nerviosas cultivada en laboratorio que reproduce algunos aspectos del desarrollo y funcionamiento del cerebro.
La tecnología no apareció ayer.
El trabajo seminal de 2013 de Madeline Lancaster y Jürgen Knoblich mostró que células madre pluripotentes humanas podían autoorganizarse en estructuras tridimensionales que reproducían características del cerebro humano en desarrollo. Desde entonces se utilizan para estudiar desarrollo cerebral, enfermedades neurológicas, toxicidad y medicamentos.
Y aquí viene una de las cosas más fascinantes.
Es posible empezar, por ejemplo, con células de la piel de una persona, reprogramarlas para convertirlas en células madre pluripotentes inducidas (iPSC) y después dirigirlas hacia células del sistema nervioso. Incluso se han creado organoides a partir de fibroblastos de la piel de pacientes para estudiar alteraciones neurológicas concretas.
Y sucede algo extraordinario. Las neuronas empiezan a crear sinapsis entre ellas y a generar actividad eléctrica.
Pero sigue faltando casi todo lo que convierte a nuestro cerebro en nuestro cerebro.
No tiene ojos, oídos, sistema vestibular, cuerpo, hormonas funcionando como las nuestras, vascularización cerebral completa, interacción constante con un entorno, décadas de aprendizaje ni la arquitectura completa de los aproximadamente 86.000 millones de neuronas de un cerebro humano adulto.
Los organoides actuales también sufren problemas de vascularización, cuando crecen demasiado, el oxígeno y los nutrientes tienen dificultades para llegar al centro del tejido.
Por eso yo evitaría llamarlos “mini brains” salvo como metáfora divulgativa. Son modelos parciales de tejido cerebral.
No solo crecen. Pueden procesar información
Aquí es donde el artículo se vuelve mucho más interesante.
Durante años los organoides se utilizaban principalmente para observar cómo se desarrollaba tejido cerebral. Pero los investigadores empezaron a conectarlos a matrices de microelectrodos.
Imagina el organoide encima de un chip.
El chip puede hacer dos cosas: ordenador – electricidad – organoide. Y después: organoide – actividad neuronal – electrodos – ordenador.
Es decir, podemos enviarle información y podemos leer cómo responde.
Eso permite crear una especie de ordenador híbrido: silicio + neuronas vivas.
La revisión publicada en Nature Computational Science en julio de 2026 describe precisamente esta transición desde las redes neuronales artificiales y la computación neuromórfica hacia sistemas biohíbridos que utilizan estructuras neuronales vivas como sustrato computacional.
La propia revisión habla de actividad eléctrica, formación de sinapsis y aprendizaje primitivo, pero al mismo tiempo insiste en que existen importantes retos técnicos, biológicos y éticos.
Ya no estamos hablando exclusivamente de ciencia ficción.
¿Puede realmente “aprender” una bola de neuronas?
Aquí la respuesta empieza a ser sí, aunque hay que tener muchísimo cuidado con lo que entendemos por aprender.
En 2023 apareció Brainoware, uno de los experimentos clave.
Investigadores conectaron un organoide cerebral humano a una matriz de electrodos y lo utilizaron como una especie de reservoir computer.
Convertían información digital en patrones de estimulación eléctrica, la red biológica transformaba esos patrones mediante su propia dinámica neuronal y los investigadores volvían a leer la actividad resultante.
Consiguieron utilizar el sistema para tareas como reconocimiento de voz y predicción de una ecuación dinámica no lineal. Esto no significa que el organoide “entendiera inglés”. Significa que las propiedades dinámicas de la red biológica podían utilizarse para distinguir y transformar patrones de información.
Desde entonces la evidencia ha avanzado.
En 2025, un estudio de Communications Biology encontró en organoides neuronales humanos varios de los mecanismos biológicos básicos que necesitamos para aprendizaje y memoria. Conectividad funcional, cambios en la fuerza de las sinapsis, potenciación y depresión sináptica a corto y largo plazo y otros mecanismos de plasticidad neuronal. Los autores son muy cuidadosos, hablan de “building blocks necessary for basic learning and memory”, no de inteligencia humana.
Y en febrero de 2026 apareció algo todavía más llamativo. Investigadores demostraron aprendizaje dirigido a objetivos en organoides corticales mediante un sistema de feedback eléctrico. Los conectaron a una simulación de CartPole, el típico problema en el que hay que mantener una barra equilibrada sobre un carro. Mediante señales de entrenamiento, la actividad neuronal fue modificándose para mejorar el comportamiento del sistema.
Pero hay un detalle importante que algunos titulares omiten, esos organoides de CartPole eran de ratón, no humanos.
Y entonces…
¿Han jugado neuronas humanas al Pong? (Es un videojuego clásico muy simple en el que dos palas golpean una pelota de un lado a otro de la pantalla).
Sí.
Pero aquí WIRED hace una mezcla que puede llevar a una conclusión equivocada.
El famoso experimento DishBrain, publicado en Neuron en 2022 por investigadores de Cortical Labs, conectó neuronas cultivadas a un entorno virtual de Pong. El sistema recibía información sobre la posición de la pelota mediante estimulación eléctrica y la actividad neuronal controlaba la pala. Con feedback, el rendimiento mejoró.
La investigación es real y muy interesante.
Pero DishBrain no era exactamente un “mini cerebro” u organoide cerebral 3D. Eran cultivos neuronales bidimensionales conectados a electrodos. Esa distinción es bastante importante y el propio artículo de WIRED reconoce que el actual sistema CL-1 de Cortical Labs utiliza cultivos neuronales planos, con hasta aproximadamente un millón de neuronas.
WIRED también menciona que esos sistemas han aprendido a jugar Doom (otro videojuego clásico de acción en primera persona en el que el jugador recorre escenarios, combate enemigos y trata de sobrevivir). Esa demostración existe dentro del trabajo de Cortical Labs, pero no tiene todavía el mismo peso científico que el experimento de Pong publicado y revisado por pares.
El propio reportaje describe el rendimiento actual en Pong de forma bastante modesta. Después de una sesión, su mejor rally observado fue de diez golpes.
Por lo tanto:
| Afirmación | Situación actual |
|---|---|
| Existen organoides cerebrales humanos | Sí |
| Contienen neuronas humanas activas | Sí |
| Forman sinapsis | Sí |
| Generan patrones eléctricos complejos | Sí |
| Presentan plasticidad neuronal | Sí |
| Pueden utilizarse para computación | Sí, experimentalmente |
| Se han usado para reconocimiento de patrones/voz | Sí |
| Cultivos neuronales han aprendido Pong | Sí |
| Organoides han mostrado aprendizaje dirigido a objetivos | Sí, en 2026, con organoides de ratón |
| Son cerebros humanos completos en miniatura | No |
| Piensan como nosotros | No hay evidencia |
| Son conscientes | No hay evidencia actualmente |
| Pueden competir ya con ChatGPT/Gemini/etc. | Ni remotamente |
| “Pronto superarán las redes neuronales” | Especulación |
¿Por qué alguien piensa que podrían superar a la IA?
Aquí está el argumento científico interesante detrás del hype.
Las redes neuronales artificiales nacieron intentando imitar de manera muy simplificada a las neuronas. Pero una neurona biológica es enormemente más compleja que una “neurona” de una red artificial.
Una red artificial hace aproximadamente esto: entrada → multiplicaciones → pesos → función matemática → salida.
Una neurona biológica está haciendo simultáneamente procesos eléctricos, químicos y moleculares; posee miles de conexiones; modifica las sinapsis; cambia su excitabilidad; responde a neurotransmisores; reorganiza su conectividad y funciona dentro de una red altamente dinámica.
Y nuestro cerebro consigue cosas extraordinarias utilizando del orden de 10–20 vatios. Por eso la eficiencia energética de la computación biológica resulta tan atractiva. Investigadores del campo de Organoid Intelligence plantean precisamente que los sistemas biológicos podrían acabar teniendo ventajas de eficiencia energética y eficiencia de aprendizaje frente al silicio.
Además, los cerebros biológicos son excelentes haciendo algo que la IA todavía necesita mejorar enormemente. Aprender con pocos ejemplos y adaptarse continuamente sin tener que volver a entrenarlo todo desde cero.
La revisión de 2026 de Nature Computational Science señala precisamente plasticidad, aprendizaje con pocas muestras y eficiencia como algunas de las características que hacen atractiva esta línea de investigación.
Por eso la idea no es absurda.
Podría ocurrir que dentro de ciertos tipos de problemas tuviéramos:
GPU → excelente para cálculo digital masivo
Organoide → excelente para adaptación, reconocimiento dinámico o aprendizaje continuo
Y que la mejor máquina fuera: IA digital + tejido neuronal + electrónica.
Eso me parece bastante más plausible que “los cerebros en placas de Petri sustituirán a Nvidia”.
Porque ahora mismo una red neuronal artificial les da una paliza
Aquí el titular de WIRED se pasa.
Un organoide actual puede tener del orden de cientos de miles o millones de neuronas. El CL-1 de Cortical Labs mantiene cultivos de hasta aproximadamente un millón.
Pero tener neuronas no equivale automáticamente a tener inteligencia.
El problema actual no es únicamente construir más neuronas. Hay que conseguir controlarlas, alimentarlas, reproducirlas, conectarlas, entrenarlas y leerlas.
Y ahí aparecen enormes obstáculos.
Los organoides varían entre sí. Dos cultivados con el mismo procedimiento pueden desarrollar tamaños, tipos celulares y organizaciones diferentes. La reproducibilidad sigue siendo uno de los grandes problemas del campo.
Además, tienen que mantenerse vivos. Necesitan temperatura adecuada, nutrientes, oxígeno y condiciones químicas precisas. Las estructuras grandes sufren problemas de transporte de nutrientes si no desarrollan vascularización.
Y después está el cuello de botella del input/output.
Tu cerebro contiene una cantidad extraordinaria de neuronas, pero además tiene retina, oído, médula espinal, nervios periféricos, músculos, hormonas y millones de canales de información funcionando simultáneamente.
Un organoide conectado a unas decenas, cientos o miles de electrodos recibe una ventana minúscula hacia el exterior.
Es como tener una ciudad llena de millones de personas pero permitirles comunicarse con el mundo a través de unas pocas líneas telefónicas.
¿Podrían hacer un “ChatGPT biológico”?
Teóricamente, no existe una ley física conocida que diga que sea imposible crear sistemas de computación extremadamente potentes utilizando neuronas.
Después de todo, nosotros somos la demostración de que las neuronas pueden producir lenguaje, razonamiento, imaginación y abstracción.
Pero de ahí a fabricar un LLM biológico hay un abismo.
ChatGPT no funciona simplemente porque haya muchas “neuronas”. Tiene una arquitectura diseñada específicamente, enormes cantidades de información codificada en sus parámetros y un proceso de entrenamiento digital perfectamente controlable.
No sabemos todavía cómo “programar” un organoide con algo equivalente a: aprende español, física, historia, matemáticas, derecho y programación.
En Brainoware, por ejemplo, se utiliza la dinámica del organoide para transformar patrones. Eso está muchísimo más cerca de un nuevo tipo de componente computacional experimental que de un cerebro artificial general.
Y la parte inquietante. ¿Podrían ser conscientes?
Actualmente no tenemos evidencia de que estos organoides sean conscientes.
Que haya actividad eléctrica, aprendizaje o memoria no implica consciencia. Tu médula espinal, cerebelo y numerosas redes neuronales realizan procesamiento sofisticado sin que podamos equiparar automáticamente su actividad con experiencia consciente.
El consenso prudente actual es que los organoides disponibles son demasiado simples para atribuirles consciencia humana o razonamiento avanzado. Una investigación de 2026 resume precisamente que los organoides actuales son improbables candidatos a consciencia de nivel humano.
Eso no significa que la cuestión sea absurda.
Significa que aparece un problema ético futuro muy serio: si hacemos estos sistemas cada vez más grandes, conectados, sensorialmente estimulados y capaces de aprender, ¿en qué momento tendríamos que empezar a preocuparnos por la posibilidad de alguna forma mínima de experiencia?
Y no tenemos una buena respuesta porque ni siquiera disponemos de una prueba universal para detectar consciencia.
Por eso la literatura científica está empezando a tratar seriamente la gobernanza y los límites éticos de los organoides cerebrales.
Mi lectura
No existe actualmente una demostración en la que un organoide cerebral compita con modelos modernos de IA en lenguaje, visión, razonamiento, planificación o cualquier benchmark comparable y los supere. La literatura científica más reciente describe OI como una frontera emergente con aprendizaje primitivo y enormes desafíos pendientes, no como un sustituto inminente de las redes neuronales artificiales.
Y hay una ironía importante en el propio artículo: WIRED termina posicionándose de manera explícitamente optimista —la autora dice que apuesta por las neuronas—, por lo que esa conclusión es en parte la tesis narrativa del reportaje, no el resultado demostrado de un experimento.
Lo que sí creo que merece atención
El gran descubrimiento no es que “mañana tendremos ChatGPT hecho de cerebros”.
Es algo bastante más profundo.
Hasta ahora intentábamos copiar con matemáticas algunas propiedades de las neuronas. Ahora estamos empezando a conectar neuronas biológicas reales a ordenadores y utilizarlas como parte del propio sistema de computación.
En 2023 vimos organoides haciendo reservoir computing.
En 2025 se demostraron de forma más sistemática mecanismos fundamentales de aprendizaje y memoria en organoides humanos.
En 2026 tenemos trabajos revisados por pares de aprendizaje dirigido a objetivos en organoides corticales de ratón y una revisión específica de Nature Computational Science tratando la Organoid Intelligence como una nueva frontera computacional.
Eso sí es un cambio significativo.
Y si tuviera que señalar qué observar durante los próximos 5–10 años, no miraría a “¿superó ya a ChatGPT?”.
Miraría a si consiguen resolver cuatro problemas. Escalado de las redes biológicas, reproducibilidad entre organoides, interfaces de entrada/salida de mucha mayor resolución y demostraciones en las que la computación biológica gane inequívocamente al silicio en energía o aprendizaje con pocos ejemplos.
Si empiezan a darse esas cuatro cosas simultáneamente, entonces la historia dejaría de ser principalmente una curiosidad de laboratorio y pasaría a tener implicaciones tecnológicas enormes.
Related posts
