Ευρήματα μελέτης υποδηλώνουν ότι η τεχνητή νοημοσύνη έχει τη δυνατότητα να ενισχύσει σημαντικά την ανίχνευση “ανωμαλιών” στην παραγωγή τροφίμων.
Συνδυάζοντας τη γενετική αλληλουχία και την ανάλυση των μικροβίων σε ένα δείγμα γάλακτος με την τεχνητή νοημοσύνη (AI), οι ερευνητές μπόρεσαν να ανιχνεύσουν ανωμαλίες στην παραγωγή γάλακτος, όπως μόλυνση ή μη εγκεκριμένα πρόσθετα. Η νέα προσέγγιση θα μπορούσε να βοηθήσει στη βελτίωση της ασφάλειας των γαλακτοκομικών προϊόντων, σύμφωνα με τους συγγραφείς της μελέτης από το Penn State, το Πανεπιστήμιο Cornell και την IBM Research.
Σε ευρήματα που δημοσιεύθηκαν στο mSystems, ένα περιοδικό της Αμερικανικής Εταιρείας Μικροβιολογίας, οι ερευνητές ανέφεραν ότι χρησιμοποιώντας δεδομένα μεταγονιδιωματικής και τεχνητή νοημοσύνη, μπόρεσαν να ανιχνεύσουν γάλα που είχε υποστεί επεξεργασία με αντιβιοτικά που είχε προστεθεί πειραματικά και τυχαία στα δείγματα γάλακτος που συνέλεξαν. Για να επικυρώσουν τα ευρήματά τους, οι ερευνητές εφάρμοσαν επίσης το εξηγήσιμο εργαλείο τεχνητής νοημοσύνης σε δημόσια διαθέσιμα, γενετικά αλληλουχημένα σύνολα δεδομένων από δείγματα γάλακτος χύμα, αποδεικνύοντας περαιτέρω την ευρωστία της μη στοχευμένης προσέγγισης.
«Αυτή ήταν μια απόδειξη της εννοιολογικής μελέτης», δήλωσε η επικεφαλής της μελέτης Erika Ganda, επίκουρη καθηγήτρια μικροβιωμάτων των ζώων τροφίμων, στο Penn State College of Agricultural Sciences. «Μπορούμε να εξετάσουμε τα δεδομένα από τα μικρόβια στο νωπό γάλα και, χρησιμοποιώντας τεχνητή νοημοσύνη, να δούμε εάν τα μικρόβια που υπάρχουν αποκαλύπτουν χαρακτηριστικά όπως εάν πρόκειται για προπαστερίωση, μετά την παστερίωση ή προέρχεται από αγελάδα με αντιβιοτικά».
Οι ερευνητές συνέλεξαν 58 δείγματα γάλακτος μαζικής δεξαμενής και εφάρμοσαν διάφορους αλγόριθμους τεχνητής νοημοσύνης για να εντοπίσουν ανωμαλίες, όπως γάλα εξωτερικής φάρμα ςή γάλα που περιέχει αντιβιοτικά. Αυτή η μελέτη χαρακτήρισε τα μεταγονιδιώματα του νωπού γάλακτος — συλλογές γονιδιωμάτων από πολλά μεμονωμένα μικρόβια μέσα σε ένα δείγμα — σε μεγαλύτερο βάθος αλληλουχίας από οποιαδήποτε άλλη δημοσιευμένη εργασία μέχρι σήμερα.
Τα ευρήματα της μελέτης υποδηλώνουν ότι η τεχνητή νοημοσύνη έχει τη δυνατότητα να ενισχύσει σημαντικά την ανίχνευση ανωμαλιών στην παραγωγή τροφίμων, παρέχοντας μια πιο ολοκληρωμένη μέθοδο που μπορεί να προστεθεί στην εργαλειοθήκη των επιστημόνων για τη διασφάλιση της ασφάλειας των τροφίμων, εξήγησε ο Ganda.
Τα μικροβιακά συστήματα και η αλυσίδα εφοδιασμού τροφίμων αποτελούν ιδανική εφαρμογή για την τεχνητή νοημοσύνη, καθώς οι αλληλεπιδράσεις μεταξύ των μικροβίων είναι πολύπλοκες και δυναμικές, σύμφωνα με την πρώτη συγγραφέα της μελέτης Kristen Beck, ανώτερη ερευνήτρια από την IBM Research.
Αν και επικεντρώνεται στη γαλακτοκομική παραγωγή, αυτή η έρευνα έχει επιπτώσεις στην ευρύτερη βιομηχανία τροφίμων, σημείωσε ο Ganda, προσθέτοντας ότι το γάλα επιλέχθηκε ως μοντέλο επειδή είναι το μοναδικό συστατικό που χρησιμοποιείται για την παραγωγή υγρού γάλακτος — ένα τρόφιμο μεγάλου όγκου με σημαντική ανησυχία για απάτης, ιδιαίτερα στις αναπτυσσόμενες χώρες.
Τα ζητήματα στην ποιότητα και την ασφάλεια των τροφίμων μπορεί να έχουν κυματιστικές επιπτώσεις στην αλυσίδα εφοδιασμού, προκαλώντας σημαντική υγεία και οικονομική ζημιά, εξήγησε ο Γκάντα, επομένως υπάρχει σημαντικό ενδιαφέρον για την εφαρμογή τόσο στοχευμένων όσο και μη στοχευμένων μεθόδων για τον εντοπισμό συστατικών ή προϊόντων διατροφής που δείχνουν αυξημένο κίνδυνο όπως ζητήματα απάτης, ποιότητας και ασφάλειας των τροφίμων.
Για να διαβάσετε ολόκληρη τη μελέτη πατήστε ΕΔΩ
Πηγή:Υλικά που παρέχονται από το Penn State .
Αναφορά: Kristen L. Beck, Niina Haiminen, Akshay Agarwal, Anna Paola Carrieri, Matthew Madgwick, Jennifer Kelly, Victor Pylro, Ban Kawas, Martin Wiedmann, Erika Ganda. Ανάπτυξη και αξιολόγηση προσεγγίσεων στατιστικής και τεχνητής νοημοσύνης με δεδομένα μεταγονιδιωματικών μικροβιακών κυνηγετικών όπλων ως μη στοχευμένο εργαλείο διαλογής για χρήση στην παραγωγή τροφίμων . mSystems , 2024; DOI: 10.1128/msystems.00840-24
Ακολουθήστε το Cibum 
