Περισσότεροι από 600 εκατομμύρια άνθρωποι αρρωσταίνουν κάθε χρόνο από τροφική δηλητηρίαση, με αποτέλεσμα περίπου 4,2 εκατομμύρια θανάτους, σύμφωνα με δεδομένα του Παγκόσμιου Οργανισμού Υγείας. Συχνά μαθαίνουμε για μολυσμένα τρόφιμα πολύ αργά. Ωστόσο, διαφαίνεται μια ελπίδα στον ορίζοντα: Η τεχνητή νοημοσύνη που έχει τη δυνατότητα να εντοπίζει επικίνδυνα βακτήρια προτού φτάσουν στα πιάτα μας.
Τον Αύγουστο του 2025, μια διεθνής ερευνητική ομάδα με επικεφαλής το Πανεπιστήμιο της Νότιας Αυστραλίας δημοσίευσε μελέτη που δείχνει πώς η τεχνητή νοημοσύνη (Ai) μπορεί να αναγνωρίζει μολυσμένα τρόφιμα σε χωράφια και εργοστάσια, προστατεύοντάς μας είτε από μια ενοχλητική επίσκεψη στην τουαλέτα είτε από μια επικίνδυνη επίσκεψη στο νοσοκομείο.
Στη νέα τους εργασία που δημοσιεύτηκε στο περιοδικό Toxins, οι ερευνητές περιγράφουν τη δυνατότητα χρήσης προηγμένης υπερφασματικής απεικόνισης (HSI) σε συνδυασμό με τη μηχανική μάθηση (υποκατηγορία της Ai), η οποία μπορεί να εντοπίσει μυκοτοξίνες κατά μήκος της παραγωγικής διαδικασίας. Οι μυκοτοξίνες, εξήγησαν σε δήλωσή τους, είναι «επικίνδυνες ενώσεις που παράγονται από μύκητες και μπορούν να μολύνουν τρόφιμα κατά την καλλιέργεια, τη συγκομιδή και την αποθήκευση».
Οι μυκοτοξίνες, πρόσθεσαν, μπορούν να προκαλέσουν μια σειρά από προβλήματα υγείας, από τροφικές δηλητηριάσεις έως καρκίνο. Οι ερευνητές αναφέρθηκαν επίσης σε δεδομένα του Οργανισμού Τροφίμων και Γεωργίας των Ηνωμένων Εθνών, σύμφωνα με τα οποία το ένα τέταρτο της παγκόσμιας αγροτικής παραγωγής μπορεί να έχει μολυνθεί από μύκητες που παράγουν μυκοτοξίνες, γεγονός που υπογραμμίζει την επείγουσα ανάγκη εφαρμογής αυτής της τεχνολογίας.
«…η υπερφασματική απεικόνιση – μια τεχνική που καταγράφει εικόνες με λεπτομερείς φασματικές πληροφορίες – μας επιτρέπει να ανιχνεύουμε και να ποσοτικοποιούμε γρήγορα τη μόλυνση σε ολόκληρα δείγματα τροφίμων χωρίς να τα καταστρέφουμε», δήλωσε ο Ahasan Kabir, κύριος συγγραφέας της μελέτης και υποψήφιος διδάκτορας στο UniSA.
Για να αξιολογήσουν πόσο αποτελεσματικό μπορεί να είναι αυτό το εργαλείο, ο Kabir και οι ερευνητές στην Αυστραλία και τον Καναδά χρησιμοποίησαν HSI για να εντοπίσουν τοξικές ενώσεις σε δημητριακά και ξηρούς καρπούς – τρόφιμα που, όπως σημείωσαν, είναι «ιδιαίτερα ευάλωτα σε μόλυνση από μύκητες και μυκοτοξίνες».
Χρησιμοποίησαν το HSI για να καταγράψουν ένα «οπτικό αποτύπωμα των μυκοτοξινών». Όταν αυτό συνδυάζεται με αλγόριθμους μηχανικής μάθησης, εκπαιδευμένους να ανιχνεύουν λεπτές φασματικές διαφοροποιήσεις που υποδηλώνουν την παρουσία συγκεκριμένων μυκοτοξινών, μπορεί να «ταξινομεί γρήγορα μολυσμένα δημητριακά και ξηρούς καρπούς με βάση τις λεπτές φασματικές διακυμάνσεις», εξήγησε ο Kabir.
Η ερευνητική ομάδα εξέτασε στη συνέχεια περισσότερες από 80 μελέτες σε διάφορα τρόφιμα, όπως σιτάρι, καλαμπόκι, κριθάρι, βρώμη, αμύγδαλα, φιστίκια και φιστίκια Αιγίνης, δείχνοντας ότι τα συστήματα HSI με ενσωματωμένη μηχανική μάθηση ξεπερνούν τις υπάρχουσες μεθόδους στην ανίχνευση τοξινών. Πολλά μοντέλα επιτυγχάνουν ποσοστά ακρίβειας 90–95%, ενώ ορισμένα πλησιάζουν την τέλεια ταξινόμηση, κυρίως σε εργαστηριακές συνθήκες, αλλά με ενθαρρυντικά αποτελέσματα.
«Αυτή η τεχνολογία είναι ιδιαίτερα αποτελεσματική στον εντοπισμό της αφλατοξίνης Β1, μιας από τις πιο καρκινογόνες ουσίες που βρίσκονται στα τρόφιμα», πρόσθεσε ο Καθηγητής Sang-Heon Lee, επικεφαλής του έργου στο UniSA. «Προσφέρει μια κλιμακούμενη, μη επεμβατική λύση για τη βιομηχανική ασφάλεια τροφίμων, από την ταξινόμηση αμυγδάλων έως τον έλεγχο φορτίων σιταριού και καλαμποκιού».
Το καλύτερο; Οι ερευνητές λένε ότι αυτό μπορεί να λειτουργήσει σε πραγματικό χρόνο και θα μπορούσε να σώσει εκατομμύρια ζωές που χάνονται κάθε χρόνο από τροφικές δηλητηριάσεις. Όσο για το επόμενο βήμα, η ομάδα ανέφερε ότι η τεχνολογία θα μπορούσε να ενσωματωθεί σε γραμμές επεξεργασίας ή σε φορητές συσκευές, «μειώνοντας τους κινδύνους για την υγεία και τις εμπορικές απώλειες, διασφαλίζοντας ότι μόνο ασφαλή, μη μολυσμένα προϊόντα φτάνουν στους καταναλωτές». Αυτήν τη στιγμή εργάζονται στη βελτίωση της τεχνικής για ακόμη μεγαλύτερη ακρίβεια.
ΠΗΓΗ: foodandwine.com
Σχόλια 0