Los olores complejos resultan más fáciles de mapear de lo esperado con el aprendizaje automático

Los investigadores han avanzado en el mapeo de olores complejos utilizando el aprendizaje automático, revelando que estos olores son más fáciles de cuantificar de lo que se pensaba anteriormente. Los científicos del Monell Chemical Senses Center, junto con colaboradores, desarrollaron un método para predecir la similitud entre mezclas complejas de olores con una precisión notable. Sus hallazgos, detallados en un estudio publicado en las Actas de la Academia Nacional de Ciencias, sugieren que el aprendizaje automático puede traducir efectivamente la intrincada naturaleza del olor en datos medibles, lo que podría revolucionar campos que van desde la medicina hasta el desarrollo de productos de consumo.

El avance se produjo a través de un esfuerzo de colaboración que involucró a un grupo internacional de investigadores que participaron en un desafío DREAM organizado por el equipo. Este desafío tenía como objetivo mejorar el poder predictivo de los modelos de aprendizaje automático para determinar cuán similares son dos mezclas complejas de aromas. Para lograr esto, los investigadores compilaron y estandarizaron datos de tres estudios separados, lo que resultó en un conjunto de datos completo que contiene 168 moléculas individuales, 731 mezclas de aromas únicas y 507 comparaciones entre pares de mezclas.

A cada comparación se le asignó un valor numérico en una escala continua de 0 a 1, que representa la similitud percibida entre los olores, donde 0 indicaba indistinguibildad completa y 1 representaba la máxima distinción. Durante un período de tres meses, 26 equipos de investigación de todo el mundo presentaron modelos diseñados para predecir la similitud de las mezclas de olores. Estos modelos utilizaron algoritmos de aprendizaje automático para analizar los datos y generar predicciones. Los resultados mostraron que la tarea era más sencilla de lo previsto.

En última instancia, cuatro equipos empataron el mejor rendimiento, y los investigadores combinaron sus modelos con dos modelos adicionales de alto rendimiento para crear un modelo conjunto. Este modelo fue probado contra un conjunto independiente de 50 pares de mezclas de aromas para validar su efectividad. El modelo final demostró una precisión impresionante. 08, lo que indica un alto nivel de precisión en la predicción de la similitud de olores.

Estos resultados desafiaron las suposiciones prevalecientes dentro de la comunidad de la ciencia sensorial, que en gran medida creía que predecir la similitud de mezclas complejas sería significativamente más desafiante que predecir las propiedades de moléculas individuales. Joel Mainland, coautor del estudio e investigador del Monell Chemical Senses Center, señaló que el éxito del proyecto dependía de avances previos en la comprensión de cómo los componentes individuales contribuyen a la percepción global del olor. Explicó que una vez establecida la capacidad de predecir las características de moléculas individuales, se hace posible extrapolar esas ideas a escenarios más complejos.

Este enfoque se alinea con los esfuerzos en otros dominios, como el reconocimiento de color y sonido, donde las representaciones matemáticas han permitido la innovación tecnológica. Las implicaciones de esta investigación se extienden más allá del interés académico. Las aplicaciones incluyen la detección temprana de afecciones médicas a través de biomarcadores olfativos, la mejora del perfil de sabor en las industrias alimentarias y los métodos mejorados para desarrollar y estandarizar productos aromáticos. Las empresas especializadas en la creación de fragancias a menudo se basan en procesos de prueba y error, pero el potencial de un enfoque matemático más sistemático podría agilizar el desarrollo de productos y mejorar la consistencia en el control de calidad.

A medida que el campo continúa evolucionando, el perfeccionamiento de las técnicas de aprendizaje automático probablemente desempeñará un papel clave en el avance de nuestra comprensión de la percepción humana y sus aplicaciones prácticas. Los investigadores siguen siendo optimistas sobre el futuro del olfato digital y esperan una colaboración continua para impulsar la innovación en este área emergente de investigación científica.