La idea de unos AirPods capaces de leer ciertas señales cerebrales ya no suena a ciencia ficción lejana. Diversos estudios e informes técnicos vinculados a Apple apuntan a que la compañía está explorando seriamente cómo convertir sus auriculares en una puerta de entrada a la actividad eléctrica del cerebro, utilizando el propio oído como punto de registro. Por ahora no hay ningún producto oficial anunciado y todo se mueve en el terreno de la investigación, las patentes y los prototipos. Aun así, la información publicada permite esbozar un escenario bastante claro: futuros AirPods podrían incorporar sensores y modelos de inteligencia artificial capaces de interpretar señales de electroencefalografía (EEG) desde el canal auditivo, con posibles implicaciones en salud, bienestar y monitorización del sueño, también en mercados como España y el resto de Europa. Un modelo de IA para entender las señales cerebrales sin etiquetado humano El punto de partida de esta posible revolución está en un estudio en el que investigadores de Apple describen un método que permite a un modelo de inteligencia artificial aprender la estructura de la actividad eléctrica cerebral sin necesidad de que neurólogos etiqueten manualmente los datos. En lugar de depender de registros anotados, el sistema se alimenta de grandes volúmenes de EEG en bruto. Ese enfoque recibe el nombre de PARS (PAirwise Relative Shift), un tipo de aprendizaje autosupervisado. En vez de decirle a la IA qué segmento corresponde a cada fase del sueño o a un episodio epiléptico, el algoritmo toma dos fragmentos de señal EEG escogidos al azar y debe averiguar cuál es el desplazamiento temporal entre ellos. Al obligar al modelo a resolver este rompecabezas de posiciones relativas, PARS consigue que la IA vaya captando la composición global de las ondas cerebrales, más allá de patrones muy locales. De esta forma se generan representaciones internas útiles que luego se pueden reutilizar para tareas como clasificar etapas de sueño o detectar anomalías neurológicas. En las pruebas realizadas, los modelos preentrenados con este método igualaron o superaron el rendimiento de técnicas previas de aprendizaje autosupervisado en varios conjuntos de datos de EEG. La clave es que el sistema no solo rellena huecos en la señal, sino que aprende relaciones de largo alcance en la actividad cerebral, lo que abre la puerta a análisis más fiables sin depender de anotaciones expertas. Uno de los detalles más llamativos del estudio es que incluye registros obtenidos con EEG auricular (ear‑EEG), es decir, mediciones desde el oído en vez de desde el cuero cabelludo. Esta modalidad es mucho más discreta y cómoda que los cascos tradicionales de EEG, y encaja como un guante con la idea de integrarla en un dispositivo de consumo como los AirPods. Del laboratorio al oído: por qué el ear‑EEG encaja con los AirPods Entre los conjuntos de datos que se usaron para poner a prueba PARS figura EESM17, centrado en monitorización del sueño mediante un sistema portátil de EEG de oído con varios canales, combinado con mediciones clásicas en el cuero cabelludo. Los resultados muestran que, incluso desde la oreja, es posible recoger información cerebral relevante. El ear‑EEG utiliza electrodos situados dentro o alrededor del pabellón auditivo. Aunque las señales resultan algo más débiles y ruidosas que las obtenidas en la cabeza, siguen reflejando patrones clínicamente útiles como las fases de sueño o ciertas señales vinculadas a crisis epilépticas. A cambio, se gana en discreción y comodidad, algo importante si se pretende usar el sistema en la vida diaria. En el caso de Apple, la compañía lleva años ampliando las funciones de salud de sus dispositivos: ECG en el Apple Watch, medición de oxígeno en sangre, sensores de frecuencia cardiaca o tecnologías basadas en fotopletismografía en sus wearables. El paso lógico que sugieren las investigaciones y documentos actuales sería extender esa apuesta al ámbito de la actividad cerebral desde el oído. Plantear que una futura generación de AirPods incorpore sensores de EEG no parece una locura si se tiene en cuenta el enorme uso cotidiano de los auriculares inalámbricos. Millones de personas en España y en toda Europa los llevan puestos durante buena parte del día, lo que los convierte en un soporte ideal para registrar datos de salud de forma continua sin cambiar hábitos. Además del trabajo científico, se han identificado documentos de propiedad intelectual y solicitudes de patente que dan pistas bastante concretas sobre cómo podría implementarse técnicamente esta lectura de bioseñales desde el oído en un dispositivo de consumo masivo. La patente que abre la puerta a AirPods con lectura de bioseñales En 2023, Apple presentó una solicitud de patente para un dispositivo electrónico portátil capaz de medir bioseñales desde el oído del usuario. Aunque el texto no menciona explícitamente a los AirPods por su nombre, los dibujos y las descripciones recuerdan claramente al formato de unos auriculares intraaurales. El documento detalla que la actividad cerebral se puede medir no solo con electrodos sobre el cuero cabelludo, sino también mediante electrodos colocados dentro o alrededor de la oreja externa. Esta estrategia ofrece ventajas evidentes: menos visibilidad de los sensores, mayor comodidad y posibilidad de utilizar el sistema en movimiento, frente a los equipos clínicos tradicionales llenos de cables. La propia patente admite, sin embargo, que para obtener una medición fiable mediante EEG auricular habría que tener en cuenta que cada persona tiene un oído con una forma distinta. Zonas como la concha, el canal auditivo o el trago muestran variaciones importantes entre usuarios, de modo que un diseño único podría no garantizar la colocación óptima de los electrodos en todos los casos. Para lidiar con ese problema, Apple propone un diseño en el que los auriculares integran más electrodos de los estrictamente necesarios, repartidos en distintas posiciones alrededor de las puntas que se introducen en el oído. A partir de ahí, un modelo de IA se encarga de analizar cuál de esos puntos ofrece la mejor calidad de señal, valorando parámetros como la impedancia o el nivel de ruido. El dispositivo combinaría las mediciones obtenidas por los distintos sensores, asignando
