Μια καινοτομία που θα μπορούσε να αποτρέψει εκατομμύρια κρούσματα τροφικής δηλητηρίασης παγκοσμίως
Επιστήμονες από το Πανεπιστήμιο της Νότιας Αυστραλίας (UniSA) σε διεθνή συνεργασία απέδειξαν πώς η τεχνητή νοημοσύνη (AI) μπορεί να ανιχνεύσει την επικίνδυνη μόλυνση από μυκοτοξίνες στα τρόφιμα, προτού αυτά φτάσουν στο πιάτο του καταναλωτή. Η έρευνα, που δημοσιεύθηκε στο περιοδικό Toxins, αποκαλύπτει ότι η υπερφασματική απεικόνιση (HSI) σε συνδυασμό με τη μηχανική μάθηση (ML) είναι ικανή να εντοπίσει αυτές τις τοξικές ενώσεις που παράγονται από μύκητες. Οι μύκητες προσβάλλουν συνήθως τις καλλιέργειες κατά την ανάπτυξη, τη συγκομιδή ή την αποθήκευση.
Σύμφωνα με τον Παγκόσμιο Οργανισμό Υγείας, αυτή η μόλυνση των τροφίμων ευθύνεται για περίπου 600 εκατομμύρια ασθένειες και 420.000 θανάτους ετησίως.
Ο κύριος συγγραφέας της έρευνας, Ahasan Kabir, υπογράμμισε τη σοβαρότητα του προβλήματος. «Ο Οργανισμός Τροφίμων και Γεωργίας των Ηνωμένων Εθνών εκτιμά ότι περίπου το 25% των καλλιεργειών παγκοσμίως είναι μολυσμένες από μύκητες που παράγουν μυκοτοξίνες», δήλωσε.
Πώς λειτουργεί η τεχνολογία
Η νέα τεχνολογία HSI καταγράφει ένα «οπτικό αποτύπωμα» των μυκοτοξινών, επιτρέποντας στους αλγόριθμους της μηχανικής μάθησης να ταξινομούν γρήγορα τα μολυσμένα τρόφιμα με βάση τις φασματικές διακυμάνσεις. Η τεχνική αυτή είναι ιδιαίτερα χρήσιμη καθώς επιτρέπει την ανίχνευση της μόλυνσης χωρίς να καταστρέφεται το δείγμα.
Για να επιβεβαιώσουν την αποτελεσματικότητά της, οι ερευνητές εξέτασαν πάνω από 80 μελέτες που αφορούσαν σιτάρι, καλαμπόκι, κριθάρι, βρώμη, αμύγδαλα, φιστίκια και φιστίκια Αιγίνης. Διαπίστωσαν ότι η HSI υπερείχε σταθερά των συμβατικών μεθόδων δοκιμών στην ανίχνευση σημαντικών μυκοτοξινών, όπως η αφλατοξίνη Β1, μία από τις πιο καρκινογόνες ουσίες που βρίσκονται στα τρόφιμα.
Ο επικεφαλής του έργου, καθηγητής Sang-Heon Lee από το UniSA, τόνισε τα πλεονεκτήματα της τεχνολογίας. «Προσφέρει μια επεκτάσιμη, μη επεμβατική λύση για την ασφάλεια των βιομηχανικών τροφίμων, από τη διαλογή αμυγδάλων έως την επιθεώρηση αποστολών σιταριού και καλαμποκιού», ανέφερε. Ένα ακόμα σημαντικό πλεονέκτημα είναι η ταχύτητα. Το σύστημα λειτουργεί σε πραγματικό χρόνο στις γραμμές παραγωγής και μπορεί να προσαρμοστεί σε φορητές συσκευές για γρήγορες δοκιμές στο πεδίο.
Οι ερευνητές πιστεύουν ότι με την περαιτέρω ανάπτυξη, εργαλεία τεχνητής νοημοσύνης όπως αυτό θα μπορούσαν να μειώσουν τους κινδύνους για την υγεία και τις εμπορικές απώλειες, διασφαλίζοντας ότι μόνο ασφαλή προϊόντα φτάνουν στους καταναλωτές. Η ομάδα εργάζεται ήδη για να βελτιώσει την ακρίβεια του συστήματος μέσω της βαθιάς μάθησης.
Μπορείτε να διαβάσετε όλη τη μελέτη εδώ.
