[ad_1]
Meyer comenzó a sentir que conocía personalmente a la gente, a los que describían los olores en términos de té y frutas, o carne y gasolina, o Powerade azul y piruletas. La forma en que describían sus sentidos se sentía tan íntima, dijo más tarde, “casi se podía ver el tipo de persona que son”. Se estaba convenciendo de que la gente cree que es mala para describir los olores simplemente porque a menudo se les pide que lo hagan en los laboratorios, olfateando moléculas individuales y aisladas (cuando el olor más familiar del café es una mezcla de muchos cientos de ellos). lejos del contexto de sus vidas reales y de los olores que realmente les importaban. Dada la oportunidad adecuada, dijo, “la gente se vuelve muy, muy verbal”.
Para Meyer, un investigador de IBM que se especializa en el uso de algoritmos para analizar datos biológicos y que fue una de las personas que insistió en que el G.C.C.R. las encuestas deben incluir cuadros de texto abiertos, esta fue una noticia emocionante. Durante años, los científicos que estudian el olfato han estado trabajando en unos pocos conjuntos de datos profundamente deficientes que vinculan diferentes sustancias químicas y la forma en que los humanos las perciben. Hubo, por ejemplo, un registro creado a fines de la década de 1960 por un solo perfumista, que describió miles de olores, y estudio tras estudio se basó en un solo “Atlas de perfiles de carácter de olor”, publicado en 1985. Se basó en las observaciones de voluntarios a los que se les había pedido que olieran varias moléculas individuales y mezclas químicas, clasificándolas y nombrándolas de acuerdo con una lista proporcionada de descriptores que muchos científicos consideraron defectuosos y anticuados.
Más recientemente, Meyer y muchos otros habían estado utilizando un nuevo conjunto de datos, cuidadosamente creado por científicos de la Universidad Rockefeller en Nueva York y publicado en 2016 (visité el laboratorio en 2014, mientras Leslie Vosshall y sus colegas estaban construyendo sus datos, y me sorprendió descubrir que podía “oler” uno de los viales, aunque probablemente solo activó mi sistema trigémino. Cuando le dije a Vosshall que parecía menta, ella respondió: “¿De verdad? La mayoría de la gente dice: ‘Calcetines sucios'”. Pero si bien el nuevo conjunto de datos fue una mejora significativa: 55 personas olieron 480 moléculas diferentes, calificándolas por intensidad, agrado, familiaridad y qué tan bien coincidían con una lista de 20 descripciones, que incluyen “ajo”, “especias”, “flor”, “Panadería”, “almizcle”, “urinario”, etc., seguía siendo una señal de lo limitado que era el campo.
Es por eso que Meyer, junto con su colega Guillermo Cecchi, presionaron por esos cuadros de texto abiertos en el G.C.C.R. encuesta. Estaban interesados en las posibilidades del procesamiento del lenguaje natural, una rama del aprendizaje automático que utiliza algoritmos para analizar los patrones de expresión humana; Cecchi ya estaba usando la tecnología para predecir la aparición temprana de la enfermedad de Alzheimer, cuando es más tratable, analizando los detalles de la forma en que las personas hablan. Muchos investigadores habían escrito sobre las posibilidades de usar la inteligencia artificial para finalmente hacer un mapa olfativo predictivo, así como para observar los vínculos entre los cambios en el olfato y todas las enfermedades a las que esos cambios están conectados, pero nunca hubo suficientes datos disponibles.
Ahora, Covid había proporcionado a los investigadores un conjunto de datos grande y complicado que vinculaba la experiencia olfativa y la progresión de una enfermedad específica. No estaba limitado por clasificaciones numéricas, monomoléculas o algunos adjetivos ofrecidos, sino que permitía a las personas hablar libremente sobre olores reales, en el mundo real, en toda su gloria compleja y subjetiva.
Cuando la colega de Meyer y Cecchi, Raquel Norel, terminó de analizar las respuestas abiertas de los encuestados de habla inglesa, encontraron, con sorpresa y deleite, que su análisis textual era tan predictivo de un diagnóstico de Covid como las calificaciones numéricas de las personas sobre la pérdida del olfato. Los algoritmos funcionaron porque las personas con Covid usaban palabras muy diferentes para hablar sobre el olor que las que no lo tenían; incluso aquellos que no habían perdido completamente el olfato tendían a describir sus sensaciones de la misma manera, repitiendo palabras como “metálico”, “descompuesto”, “químico”, “ácido”, “agrio”, “quemado” y “orina . ” Fue un hallazgo alentador, una prueba de concepto que estaban ansiosos por explorar con mucha más profundidad, primero en el G.C.C.R. respuestas en otros idiomas y luego, en el futuro, en otros conjuntos de datos relacionados con otras enfermedades. Meyer se emocionó cuando habló de ello. “Cualquier cosa en la que cambie el olor”, me dijo. “Depresión, esquizofrenia, Alzheimer, Parkinson, neurodegeneración, enfermedades cognitivas y neuropsiquiátricas. Toda la enchilada, como dicen ”.
Lo pasé mal imaginando el “mapa” olfativo con el que los científicos han soñado durante tanto tiempo. Le pregunté a Mainland, ¿se parecería a una tabla periódica? Sugirió que piense, en cambio, en los mapas que los científicos han hecho del “espacio de color”, que ordenan los colores para mostrar sus relaciones y mezclas matemáticas. “No sabíamos lo útil que era el espacio de color hasta que la gente comenzó a inventar cosas como la televisión en color y Photoshop”, explicó, y agregó que el mapa en sí no es el objetivo, sino la capacidad de usarlo para comprender por qué olemos qué hacemos. Después de eso, lo realmente interesante son las aplicaciones que aún no podemos imaginar. “Es difícil entender la utilidad del mapa”, dijo, “hasta que tenga el mapa”.
[ad_2]
Fuente