2025. 08. 21. - 08:30
Hatszázmillió ételmérgezéses esetet előzhet meg a mesterséges intelligencia
A mesterséges intelligencia mostantól képes a szennyezett élelmiszereket a földeken és a gyárakban is kimutatni, mielőtt azok a fogyasztókhoz kerülnének - ezzel évente akár 4 millió halálesetet is megelőzhet – állítják a kutatók.
Egy nemzetközi kutatócsoport bemutatta, hogyan képes a mesterséges intelligencia kimutatni a szennyezett élelmiszereket - földeken és a gyárakban egyaránt - mielőtt azok a fogyasztókhoz kerülnének.
Ezzel az MI évente akár 4 millió halálesetet is megelőzhet.
A Dél-ausztráliai Egyetem vezetésével készült tanulmányt a Toxins folyóiratban tették közzé a kutatók.
Ebben leírják, miként képes a gépi tanulással (ML) integrált fejlett hiperspektrális képalkotás (HSI) azonosítani a mikotoxinokat – vagyis a gombák által termelt veszélyes vegyületeket, amelyek a növekedés, a betakarítás és a tárolás során szennyezhetik az élelmiszereket.
Megmenthet a mesterséges intelligencia a mikotoxinoktól
A mikotoxinok számos súlyos egészségügyi problémát okoznak, például rákot, legyengült immunrendszert és hormonális eredetű rendellenességeket.
Az Egészségügyi Világszervezet (WHO) szerint az élelmiszer eredetű szennyeződés - beleértve a mikotoxinokból származó szennyeződéseket is -, évente 600 millió megbetegedésért és 4,2 millió halálesetért felelős. Olvasd el: Gombamérgezést kapott egy család a mesterséges intelligencia-generált könyv miatt
Hatszázmillió ételmérgezéses esetet előzhet meg a mesterséges intelligencia
Az ENSZ Élelmezési és Mezőgazdasági Szervezete (FAO) becslése alapján a világ terményeinek nagyjából 25 százalékát mikotoxinokat termelő gombák szennyezik. Ez rávilágít arra, hogy a fenyegetést gazdasági és egészségügyi szempontból is fontos kezelni.
A hagyományos mikotoxin-kimutatási módszerek időigényesek, költségesek és romboló hatásúak, így alkalmatlanok a nagymértékű, valós idejű élelmiszer-feldolgozásra – mondta Ahasan Kabir, a tanulmány vezető szerzője, az UniSA PhD jelöltje.
„Ezzel szemben a hiperspektrális képalkotás – egy olyan technika, amely részletes spektrális információkkal rendelkező képeket rögzít – lehetővé teszi számunkra, hogy gyorsan kimutathassuk és számszerűsíthessük a szennyeződést teljes élelmiszermintákban, anélkül, hogy megsemmisítenénk azokat” – jelezte Kabir.
Kabir és a tanulmány társszerzői Ausztráliában, Kanadában és Indiában értékelték a HSI hatékonyságát a gabonafélékben és diófélékbe található mérgező vegyületek kimutatásában - amelyek a világ legnagyobb mennyiségben előállított élelmiszerei és számos ország gazdaságának gerincei.
Mindkettő nagyon érzékeny a gomba- és mikotoxin-szennyeződésre meleg, párás környezetben - a termesztéstől a tárolásig.
„A HSI rögzíti a mikotoxinok optikai lábnyomát, majd gépi tanulási algoritmusokkal párosítva gyorsan osztályozza a szennyezett gabonákat és dióféléket a finom spektrális eltérések alapján” – magyarázta Kabir.
A kutatók több mint 80, búzára, kukoricára, árpára, zabra, mandulára, földimogyoróra és pisztáciára vonatkozó friss tanulmányt tekintettek át.
Az eredmények azt mutatták, hogy az ML-integrált HSI rendszerek következetesen felülmúlták a hagyományos technikákat a kulcsfontosságú mikotoxinok kimutatása terén.
„Ez a technológia különösen hatékony az aflatoxin B1 azonosításában, amely az élelmiszerekben található egyik leginkább rákkeltő anyag” – mondta a projekt vezetője, Sang-Heon Lee professzor, az UniSA munkatársa.
Hozzátette: skálázható, nem invazív megoldást kínálnak az ipari élelmiszerbiztonságra, a mandulaválogatástól a búza- és kukoricaszállítmányok ellenőrzéséig.
A megközelítés egyik fő előnye a valós idejű munkavégzés képessége.
A kutatók szerint további fejlesztéssel a HSI és a ML feldolgozósorokon vagy kézi eszközökön is alkalmazható, csökkentve az egészségügyi kockázatokat és a kereskedelmi veszteségeket – annak biztosításával, hogy csak biztonságos, szennyezetlen termékek jussanak el a fogyasztókhoz.
A kutatócsoport jelenleg a technika finomításán dolgozik. Javítani szeretnék annak pontosságát és megbízhatóságát a mélytanulás és a mesterséges intelligencia felhasználásával.
B.A.
