La frontera entre el sentido del olfato humano y la inteligencia artificial se ha difuminado un poco más esta semana. Un equipo del DGIST (Instituto de Ciencia y Tecnología de Daegu Gyeongbuk, en Corea del Sur) ha presentado la hoja de ruta para una nariz electrónica que, gracias a un matrimonio entre sensores basados en marcos metalorgánicos (MOF) y algoritmos de IA, logra distinguir hasta 30.000 olores diferentes. El trabajo, publicado en Progress in Materials Science, sistematiza los avances necesarios para que un dispositivo compacto pueda oler el mundo con una precisión comparable a la de nuestra nariz.
La cifra impresiona: 30.000 aromas es más que los que un catador de vinos entrenado puede identificar en toda una carrera.
Pero el verdadero salto está en la combinación de materiales inteligentes y reconocimiento de patrones. Hasta ahora, los sensores olfativos electrónicos adolecían de una selectividad limitada, incapaces de separar moléculas muy parecidas. Los MOF, unas estructuras cristalinas con poros a escala nanométrica, pueden diseñarse a medida para atrapar compuestos volátiles específicos, generando una firma eléctrica única que la inteligencia artificial aprende a leer.
Sensores MOF, la clave del olfato artificial
Lo explica el profesor Hyuk-Jun Kwon, líder del estudio en el Departamento de Ingeniería Eléctrica e Informática del DGIST: hemos pasado de detectar alcoholes o cetonas por separado a construir una biblioteca de materiales que responden de forma casi ortogonal a mezclas complejas. Cada MOF actúa como una llave molecular. Cuando una molécula de olor entra en contacto con él, la resistencia eléctrica del material cambia de manera característica, como si cada aroma escribiera su propia firma en un pentagrama de nanoporos. Y esa sinfonía de señales se la tragan los modelos de aprendizaje profundo, capaces de desenredar un café recién hecho de una galleta danesa, o incluso distinguir el aliento de una persona sana del de alguien con una infección pulmonar incipiente.
El equipo no ha construido un dispositivo comercial, sino que ha mapeado el camino. Revisaron cientos de trabajos sobre diseño de MOF, integración en matrices de sensores y algoritmos de clasificación. El reto principal ya no es sintetizar un MOF ultraespecífico —eso ya se hace— sino fabricar chips con decenas de ellos combinados, cada uno sensible a una familia distinta de volátiles, y que el sistema sea robusto frente a la humedad y la temperatura. Ese es el último kilómetro.
La investigación despeja una duda importante: ¿puede una nariz electrónica emular la plasticidad del epitelio olfativo humano? La respuesta, según Kwon, es que sí, siempre que el cerebro artificial que la interpreta sea entrenado con conjuntos de datos suficientemente vastos y diversos. Y aquí la inteligencia artificial se convierte en el verdadero órgano sensorial.
Una IA que aprende a oler como un humano
Los humanos identificamos unos diez mil olores distintos en condiciones ideales, pero el sistema de Corea aspira a triplicar esa capacidad. Para lograrlo, los investigadores proponen redes neuronales convolucionales que tratan la señal del array de MOF como una imagen, detectando correlaciones que a un ingeniero humano se le escaparían. Así, la máquina aprende sin que le digan qué molécula huele exactamente; solo se le muestran miles de ejemplos etiquetados —“vainilla”, “pescado en mal estado”, “acetona”— y ella misma abstrae los rasgos.
De hecho, el trabajo reseña experimentos en los que una configuración de 16 sensores MOF distintos, acoplada a un clasificador random forest, ya discriminaba más de un centenar de esencias de frutas con una precisión superior al 95%. Kwon cree que escalar a 30.000 olores es cuestión de aumentar la densidad de sensores y entrenar con una base de datos que hoy no existe, pero que podría construirse colaborando con la industria alimentaria y la clínica. “Es como enseñar a un niño a reconocer olores; al principio confunde manzana con pera, pero en cuanto acumula experiencia se vuelve infalible”, comenta en el artículo.
Eso sí, los propios autores advierten de que la ruta está sembrada de falsos positivos. Un sensor MOF puede saturarse si la concentración de un compuesto es demasiado alta, y la deriva térmica sigue siendo un problema. La IA ayuda a corregir esos errores, pero no los elimina por completo.
Aún así, los resultados preliminares que recopila el estudio son sólidos: en pruebas de laboratorio, la nariz electrónica discriminó entre muestras de orina de pacientes diabéticos y sanos con una sensibilidad comparable a la de un perro entrenado, sin necesidad de análisis bioquímicos lentos. Este dato, aunque modesto en comparación con los 30.000 olores prometidos, es el que mantiene despiertos a los inversores.
De la cadena alimentaria al diagnóstico precoz
Las aplicaciones potenciales van mucho más allá de la ciencia de materiales. En seguridad alimentaria, un dispositivo de bolsillo podría escanear un filete de salmón y determinar en segundos si ha empezado a descomponerse, evitando intoxicaciones y reduciendo el desperdicio. En medicina, el aliento humano contiene más de dos mil compuestos volátiles; detectar alteraciones sutiles ligadas al cáncer de pulmón o a la diabetes tipo 2 sin agujas ni radiología es el sueño de la diagnosis no invasiva.
En el plano medioambiental, una red de estas narices electrónicas podría monitorizar fugas de gases industriales o incluso predecir episodios de contaminación por ozono antes de que superen los umbrales de alerta. El roadmap que firma Kwon enumera todos estos escenarios, pero también pone deberes a la comunidad científica: se necesitan estándares de calibración, bases de datos abiertas y pruebas de campo prolongadas. Sin eso, la nariz seguirá siendo una curiosidad de laboratorio.
No obstante, el salto es notable. La convergencia entre MOFs e inteligencia artificial no solo resuelve un problema de ingeniería; replantea cómo interactuamos con la información química que nos rodea. Oler es, en última instancia, detectar patrones en un mar de moléculas. Y eso, justamente, es lo que la IA hace mejor.
El verdadero hito no es que la máquina distinga 30.000 olores, sino que pueda aprender a oler cualquier cosa que le enseñemos.
Por qué esta nariz electrónica aún no ha llegado al mercado
Aunque la hoja de ruta es prometedora, conviene mantener los pies en la tierra. El estudio es una revisión sistemática, no la demostración de un prototipo comercial. El equipo de Kwon ha ordenado el conocimiento disponible, identificado los cuellos de botella y propuesto soluciones, pero la validación a gran escala está por hacer. Y en dispositivos sensibles, la distancia entre el laboratorio y el mercado se mide en años, a veces en décadas.
Uno de los escollos más relevantes es la durabilidad del sensor MOF fuera de la campana de vacío. La humedad ambiental degrada algunos marcos metalorgánicos en horas, y encapsularlos sin perder sensibilidad es un quebradero de cabeza químico. Además, la inteligencia artificial que clasifica olores necesita un entrenamiento supervisado con millones de muestras, algo que ninguna empresa ha recopilado aún. Así que los 30.000 olores son, de momento, un horizonte asintótico: podemos rozarlo, pero no instalarnos en él.
Sin embargo, el roadmap de DGIST tiene valor estratégico. Orienta la investigación de los próximos cinco años hacia matrices de sensores híbridas y algoritmos autocalibrados. Y si Corea del Sur —que ya lidera la electrónica de consumo— toma la delantera en olfato artificial, el estándar global podría nacer en Daegu.
Personalmente, me fascina que un problema tan antiguo como imitar la nariz termine resolviéndose con matemáticas y cristales porosos. Cada vez que olemos una flor, miles de proteínas receptoras están haciendo, en esencia, un cálculo estadístico. Ahora ese cálculo puede escribirse en código y grabarse en un chip. La pregunta ya no es si las máquinas olerán; es cuándo empezaremos a confiar en su criterio.
🔬 Ficha del Descubrimiento
- Qué se ha descubierto: Una hoja de ruta para desarrollar un sistema olfativo artificial con sensores MOF e inteligencia artificial capaz de distinguir hasta 30.000 olores.
- Dónde: DGIST (Daegu, Corea del Sur).
- Institución responsable: Departamento de Ingeniería Eléctrica & Informática del DGIST, liderado por Hyuk-Jun Kwon.
- Cuándo: Publicado en julio de 2026 en Progress in Materials Science.
- Impacto a futuro: Acelera la llegada de narices electrónicas portátiles para diagnóstico médico precoz, seguridad alimentaria y vigilancia ambiental.
