// Contenido
Durante unos días de ingreso hospitalario, 13 pacientes con epilepsia recibieron en el móvil avisos de crisis y respondieron a cada uno con un sí o un no. Contestaron a más de dos tercios. El algoritmo se reentrenó con esas respuestas breves y, en una simulación, sus falsas alarmas bajaron cerca de un 80 %. Las etiquetas de especialistas experimentados añadieron apenas otro 2 %. Pero hay una trampa: la nueva versión no detectaba mejor las crisis reales que la anterior.
Todos los participantes estaban ingresados en la unidad de monitorización de epilepsia del Hospital de la Universidad de Pensilvania, y cada uno tenía una aplicación en el móvil con un asistente de IA conectado a su propio electroencefalograma. El trabajo del grupo del neurólogo Brian Litt se publicó en Nature Medicine el 13 de octubre de 2026. Los autores lo llaman una prueba de concepto: la muestra es minúscula y todo ocurrió dentro del hospital. La plataforma la construyeron Zack Goldblum y Haoer Shi, doctorandos de bioingeniería del laboratorio de Litt.
La planta donde todos esperan una crisis
A una unidad así no se ingresa para recibir tratamiento, sino para tener una crisis bajo vigilancia. El paciente pasa varios días grabado en vídeo y con electrodos en la cabeza para que los médicos puedan captar una crisis en la grabación y ver dónde empieza. El EEG, o electroencefalografía, registra la actividad eléctrica del cerebro, y durante una crisis el ritmo del trazado cambia de un modo que un médico con experiencia reconoce al instante. Once participantes llevaban los electrodos sobre el cuero cabelludo y dos, dentro del cerebro, según la descripción del conjunto de datos abierto .
Un programa detector vigila el registro. A menudo da la alarma sin motivo, por ejemplo cuando alguien se rasca la cabeza o se da la vuelta dormido y el movimiento deja ruido en el trazado. Si se llama a una enfermera por cada una de ellas, al caer la tarde nadie creerá ya en las alarmas.
Normalmente, médicos e ingenieros ajustan un detector así a cada persona, y eso lleva meses de programación presencial. El equipo de Litt propuso preguntar a quien sabe con certeza si hubo una crisis. Lo que se juega es más de lo que parece: la OMS estima que hasta el 70 % de las personas con epilepsia podrían vivir sin crisis si se las diagnosticara y tratara bien. Un registro preciso de las crisis es el punto de partida de ese diagnóstico.
Tres botones en lugar de meses de ajuste
El hallazgo principal se esconde en la acción más humilde. Cada vez que el detector marcaba una posible crisis, el teléfono preguntaba: ¿ocurrió esto de verdad? El paciente podía responder sí, no o no estoy seguro. Los pacientes contestaron a más de dos tercios de esas preguntas, informa MedicalXpress .
Esas respuestas se convirtieron en pistas para el algoritmo, muy parecidas a los pies de foto que enseñan a una red neuronal a reconocer gatos. Una vez reentrenado con ellas, el detector generó cerca de un 80 % menos de alarmas innecesarias durante la estancia hospitalaria. Esa cifra sale de una simulación: el equipo volvió a pasar las grabaciones por el modelo reentrenado, a posteriori, y contó cuántas alarmas habría dado. Así que cómo se comporta el sistema en directo sigue siendo una pregunta abierta.
La nueva versión se volvió más tranquila, no más afilada. Dejó de hacer ruido por nada, pero se le escapaban tantas crisis reales como antes.
Qué le pregunta la gente a su propio cerebro
La aplicación funciona en los dos sentidos. El paciente escribe una pregunta y el agente de IA responde a partir del registro de EEG en directo, a veces con un gráfico. Detrás de la conversación había una versión de GPT-4o-mini de OpenAI, a la que se accedía por un canal privado cuyo contrato le prohíbe conservar datos de pacientes o entrenarse con ellos. Cada mensaje, en un sentido o en otro, pasaba por un control de seguridad automático, escribe Medical Economics .
La mayoría de las conversaciones trataban de crisis, sueño, estado de ánimo y energía. Una pregunta típica: ¿tuve una crisis anoche? Quien más hablaba era el propio sistema, en torno al 69 % de los mensajes: avisos, encuestas tres veces al día y respuestas. Una respuesta sencilla llegaba en unos 2 segundos, antes de lo que tardaría una enfermera en llegar a la habitación. Una pregunta que obligaba al sistema a rebuscar en el registro del EEG, como “¿cuánto he dormido?”, tardaba unos 9 segundos. Cinco de los trece preguntaron por su cuenta si podían llevarse el sistema a casa. La respuesta del equipo fue que todavía no, pero que el trabajo va en esa dirección, recuerda Goldblum en una entrevista con Medical Economics. Solo cinco participantes rellenaron el cuestionario de usabilidad y, de media, dieron a la aplicación 83 puntos sobre 100.
// El ensayo en cifras
Por qué los dispositivos médicos callan
Litt lo expresa con sencillez: los pacientes suelen entender aspectos de su enfermedad que los sensores no pueden medir directamente. Son palabras suyas en el comunicado de la Universidad de Pensilvania . Una persona sabe que durmió mal antes de una crisis o que se saltó una pastilla. El dispositivo solo ve una línea en un trazado.
El canal en sentido contrario apenas existe tampoco. En Estados Unidos hay tres dispositivos implantables aprobados para la epilepsia: la estimulación del nervio vago, la neuroestimulación sensible (RNS) y la estimulación cerebral profunda. Ninguno puede compartir información con los pacientes en tiempo real, escriben los autores. Es decir, una persona solo puede enterarse de algo sobre su propio dispositivo a través de un médico. Litt lo dice sin rodeos: los datos esconden muchas pistas sobre cómo influye el comportamiento en la salud, pero los pacientes hoy no tienen forma de conocerlas en el momento, según lo cita el NIH .
Cómo está construido el sistema
El sistema tiene tres partes. Un programa capta de forma continua la señal de los electrodos del EEG. Un entorno seguro en la nube, que cumple las normas estadounidenses de privacidad médica, analiza el registro casi en tiempo real. La tercera parte es una aplicación para smartphone con la que el paciente escribe al agente de IA, que responde a las preguntas y envía notificaciones por su cuenta. Las grabaciones de los participantes están a disposición abierta de otros investigadores. El trabajo está financiado con un Premio Pioneer del NIH de 5,6 millones de dólares, y una versión temprana apareció en enero de 2026 como preprint en medRxiv con un título aún más audaz: “An Implantable Device that Converses with Patients and Learns to Co-Manage Epilepsy” (Un dispositivo implantable que conversa con los pacientes y aprende a cogestionar la epilepsia).
Lo que el ensayo aún no ha demostrado
Unos 50 millones de personas en el mundo tienen epilepsia, según la OMS . Por eso es tentador leer este trabajo como una noticia sobre tratamiento. Trata de otra cosa. Trece pacientes pasaron unos días en un solo hospital bajo supervisión del personal, y el ensayo no se diseñó para mostrar si la gente tendría menos crisis.
Eso lo tendrán que comprobar los próximos ensayos ambulatorios, con EEG mínimamente invasivo y sensores portátiles. Contarán lo que importa en la vida cotidiana: con qué frecuencia ocurren las crisis y cuán graves son, cuántas llamadas a ambulancias y visitas al hospital necesitan las personas. Después, los autores quieren usar este tipo de diálogo para ajustar automáticamente la estimulación cerebral profunda en la enfermedad de Parkinson. Creen que también podría ayudar a las personas con marcapasos y bombas de insulina. Esperan que los reguladores aprueben esos sistemas por etapas, empezando por los que solo aconsejan y no deciden nada por sí solos.
Dispositivos así pasan años recopilando datos sobre el cuerpo en silencio. En este ensayo, un dispositivo preguntó a su dueño qué estaba pasando, y las respuestas del dueño lo hicieron más preciso.
