- Οι ερευνητές του Πανεπιστημίου της Νότιας Αυστραλίας έχουν αναπτύξει ένα σύστημα AI χρησιμοποιώντας υπερφασματική απεικόνιση και μηχανική μάθηση για την ανίχνευση επικίνδυνων μυκοτοξινών στα τρόφιμα πριν φτάσουν στους καταναλωτές.
- Η τεχνολογία μπορεί να εντοπίσει τη μόλυνση σε κόκκους δημητριακών και ξηροί καρποί με ακρίβεια πάνω από 90% σε πολλές περιπτώσεις, προσφέροντας μια γρήγορη, μη επεμβατική εναλλακτική λύση στις τρέχουσες μεθόδους δοκιμών.
- Το σύστημα δείχνει υπόσχεση για βιομηχανική χρήση σε πραγματικό χρόνο, ενδεχομένως μείωση της τροφικής ασθένειας, των κινδύνων για τον καρκίνο και των παγκόσμιων απώλειων καλλιεργειών.
Περισσότεροι από 600 εκατομμύρια άνθρωποι αρρωστούν κάθε χρόνο από την τροφική δηλητηρίαση, οδηγώντας σε περίπου 4,2 εκατομμύρια θανάτους, σύμφωνα με στοιχεία του The Παγκόσμιος Οργανισμός Υγείας. Συχνά, ανακαλύπτουμε τα μολυσμένα τρόφιμα πολύ αργά. Ωστόσο, υπάρχει μια λάμψη ελπίδας στον ορίζοντα: τεχνητή νοημοσύνη που έχει τη δύναμη να ανιχνεύσει επικίνδυνα βακτήρια πριν φτάσουν στις πλάκες μας.
Τον Αύγουστο του 2025, μια διεθνής ομάδα ερευνητών με επικεφαλής το Πανεπιστήμιο της Νότιας Αυστραλίας Δημοσίευσε τη μελέτη τους που αποδεικνύει πώς η τεχνητή νοημοσύνη (AI) μπορεί να εντοπίσει μολυσμένα τρόφιμα σε χωράφια και εργοστάσια, εξοικονομώντας μας από ταξίδια στο μπάνιο ή, χειρότερα, την αίθουσα έκτακτης ανάγκης.
Στο νέο τους έγγραφο που δημοσιεύθηκε στο περιοδικό Τοξίνεςοι ερευνητές περιγράφουν τη δυνατότητα χρήσης προηγμένης υπερφασματικής απεικόνισης (HSI) σε συνδυασμό με την μηχανική μάθηση (ένα υποσύνολο του AI), το οποίο μπορεί να αναγνωρίσει τις μυκοτοξίνες κατά μήκος της γραμμής παραγωγής. Αυτές οι μυκοτοξίνες, οι ερευνητές Εξηγείται σε δήλωσηείναι “επικίνδυνες ενώσεις που παράγονται από μύκητες που μπορούν να μολύνουν τα τρόφιμα κατά τη διάρκεια της ανάπτυξης, της συγκομιδής και της αποθήκευσης”.
Οι μυκοτοξίνες, που πρόσθεσαν, μπορούν να προκαλέσουν μια σειρά προβλημάτων υγείας, συμπεριλαμβανομένων όλων, από την τροφική ασθένεια έως Καρκίνος. Οι ερευνητές επεσήμαναν επίσης τα δεδομένα από τον Οργανισμό Τροφίμων και Γεωργίας που βασίζονται σε Ηνωμένα Έθνη, η οποία εκτιμά ότι το ένα τέταρτο των καλλιεργειών του κόσμου μπορεί να μολυνθεί από μύκητες που παράγουν μυκοτοξίνη, υπογραμμίζοντας την επείγουσα ανάγκη εφαρμογής αυτού του είδους της τεχνολογίας.
“… Η υπερφασματική απεικόνιση – μια τεχνική που καταγράφει εικόνες με λεπτομερείς φασματικές πληροφορίες – μας επιτρέπει να ανιχνεύουμε γρήγορα και να ποσοτικοποιούμε τη μόλυνση σε ολόκληρα δείγματα τροφίμων χωρίς να τα καταστρέφουμε”, μοιράστηκε ο Ahasan Kabir, επικεφαλής συγγραφέας της μελέτης και του υποψήφιου PhD.
Για να αξιολογηθεί πόσο αποτελεσματικό μπορεί να είναι αυτό το εργαλείο, ο Kabir, μαζί με τους ερευνητές στην Αυστραλία και τον Καναδά, χρησιμοποίησαν HSI για να ανιχνεύσουν τοξικές ενώσεις σε κόκκους δημητριακών και καρπούς, και οι δύο από τους οποίους σημείωσαν, είναι “ιδιαίτερα ευαίσθητοι σε μόλυνση μυκήτων και μυκοτοξίνης”.
Χρησιμοποίησαν το HSI για να συλλάβουν “ένα οπτικό αποτύπωμα μυκοτοξινών”. Όταν συνδυάζονται με αλγόριθμους μηχανικής μάθησης που εκπαιδεύονται για την ανίχνευση λεπτών φασματικών μοτίβων που υποδεικνύουν συγκεκριμένες μυκοτοξίνες, μπορούν να «ταξινομήσουν γρήγορα τους μολυσμένους κόκκους και τα καρύδια που βασίζονται σε λεπτές φασματικές παραλλαγές», εξήγησε ο Kabir.
Η ερευνητική ομάδα επανεξέτασε περισσότερες από 80 μελέτες για διάφορα τρόφιμα, όπως σιτάρι, καλαμπόκι, κριθάρι, βρώμη, αμύγδαλα, φιστίκια και φιστίκια, αποδεικνύοντας ότι τα συστήματα HSI που ενσωματώνουν ML ξεπερνούν τις υπάρχουσες μεθόδους στην ανίχνευση τοξίνης. Πολλά μοντέλα επιτυγχάνουν ποσοστά ακρίβειας 90-95%, με κάποιες πλησιέστερες τέλειες ταξινόμηση, κυρίως υπό εργαστηριακές συνθήκες, αλλά εξακολουθούν να δείχνουν υπόσχεση.
“Αυτή η τεχνολογία είναι ιδιαίτερα αποτελεσματική στον εντοπισμό της αφλατοξίνης Β1, μιας από τις πιο καρκινογόνες ουσίες που βρέθηκαν στα τρόφιμα”, πρόσθεσε ο καθηγητής Sang-Heon Lee, το έργο στο UNISA. “Προσφέρει μια κλιμακωτή, μη επεμβατική λύση για τη βιομηχανική ασφάλεια των τροφίμων, από τη διαλογή αμυγδάλων για την επιθεώρηση των αποστολών σίτου και αραβοσίτου”.
Το καλύτερο μέρος; Οι ερευνητές λένε ότι αυτό μπορεί να λειτουργήσει σε πραγματικό χρόνο και θα μπορούσε να εξοικονομήσει εκατομμύρια ζωές που χάνονται κάθε χρόνο σε τροφικές ασθένειες. Όσον αφορά το επόμενο, η ομάδα ανέφερε ότι η τεχνολογία θα μπορούσε να ενσωματωθεί σε γραμμές επεξεργασίας ή σε φορητούς συσκευές, “μειώνοντας τους κινδύνους για την υγεία και τις απώλειες του εμπορίου εξασφαλίζοντας ότι μόνο τα ασφαλή, μη μολυσμένα προϊόντα φτάνουν στους καταναλωτές”. Τώρα εργάζονται για να βελτιώσουν την τεχνική για να επιτύχουν ακόμη μεγαλύτερη ακρίβεια.
