Ett forskarteam ledd av Michal Irani vid Weizmann Institute har utvecklat ett AI-system som kan återskapa vad en person ser enbart genom att analysera högupplösta fMRI-skanningar. Systemet använder en två-grenad decoder för att förutsäga både bildstruktur och innehåll, och kombineras med en diffusion-modell för att generera detaljerade bilder. Träningen bygger på data från åtta personer som visat ca 9 000 bilder var, samt en stor mängd syntetisk data skapad med en motsvarande encoder.

Den nya metoden kräver bara en timmes fMRI-data per ny person, jämfört med tidigare krav på 40 timmar och kostnader på 600–1 000 USD per timme. Detta gör tekniken praktisk för bredare neurologisk forskning och potentiellt för klinisk användning, exempelvis för att hjälpa personer med låst-in-syndrom att kommunicera.

Forskare pekar också på etiska risker: tekniken skulle kunna utnyttjas för att avlägsna mentala bilder utan samtycke. Trots detta beskriver neuroetiker Judy Illes verktyget som "magnificent" och ser stora möjligheter för terapeutisk nytta.