Els sensors químics fets amb polímers d'empremta molecular, uns materials que es «motllegen» al voltant d'una molècula perquè després la reconeguin, depenen de molts paràmetres de fabricació: concentracions, nombre de cicles de polimerització, acidesa de la solució. Trobar la combinació bona provant-les totes al laboratori pot costar mesos.
Un equip de la Universitat Sungkyunkwan (Corea del Sud), dirigit pel professor Jinsung Park, ha publicat al «Chemical Engineering Journal» (DOI 10.1016/j.cej.2026.184042) com ho va resoldre amb aprenentatge automàtic per a un sensor electroquímic de vitamina C. Van estudiar quatre paràmetres amb cinc nivells cadascun, 625 combinacions en total. Només en van provar 25, un 4%, i amb aquests resultats van entrenar un model que va recomanar combinacions noves; després van fabricar els sensors amb aquestes condicions per comprovar-ho. El sensor resultant té un límit de detecció calculat de 778 picomolars, va detectar vitamina C en sèrum humà i en orina artificial i va seguir els canvis a l'orina després que algú en prengués, amb resultats que es corresponen amb els d'una prova de laboratori convencional (ELISA).
L'interès va més enllà de la vitamina C. És un exemple de com l'aprenentatge automàtic pot reduir dràsticament els experiments necessaris per optimitzar un material quan hi ha molts paràmetres que interactuen, un problema habitual en química analítica i en el desenvolupament de proves diagnòstiques barates.
La nota de premsa no diu quin tipus de model es va fer servir ni dona les mètriques de validació, el nombre de mostres o de persones analitzades, ni com es comporta el sensor davant d'altres substàncies que podrien interferir o amb el pas del temps. El límit de detecció és calculat, no mesurat directament, i es tracta d'un prototip de laboratori, no d'una prova a punt per fer servir a la clínica.
