El Latin American Brain Health Institute (BrainLat) lidera una iniciativa de investigación sobre envejecimiento cerebral en América Latina con continuo levantamiento de datos (Scientific Data, Prado, Medel et al., 2024;  https://doi.org/10.1038/s41597-023-02806-8), con la participación de 8 países y miles de imágenes de resonancia magnética (MRI). Estas imágenes provienen de múltiples centros, fabricantes y protocolos de adquisición, lo que introduce una alta heterogeneidad técnica —como diferencias en relación señal-ruido y calidad de imagen— que dificulta la comparación entre cohortes. Esta tesis propone explorar soluciones de armonización de MRI basadas en técnicas de transferencia de estilo con aprendizaje profundo, con el objetivo de reducir la varianza no biológica entre escáneres y mejorar la comparabilidad de las medidas derivadas. Como parte de la estrategia metodológica, se desarrollará un enfoque tipo bootstrap que simula el efecto de distintos resonadores sobre un conjunto base de imágenes, permitiendo evaluar el impacto y la robustez de distintas técnicas de armonización. Se espera implementar y adaptar métodos recientes (por ejemplo, Liu et al., Human Brain Mapping, 2023; https://doi.org/10.1002/hbm.26422) al contexto latinoamericano. El proyecto combina desafíos reales de ciencia de datos, visión computacional y neuroimagen.