«Το μέλλον της ασφάλειας τροφίμων δεν αφορά την επίλυση προβλημάτων, αλλά την πρόληψή τους εκ προθέσεως», είπε κάποτε ο Horst Treiblmaier, Καθηγητής και Πρόεδρος του Τμήματος Διεθνούς Διοίκησης, στο Πανεπιστήμιο της Βιέννης.
Με την αυξανόμενη πίεση για διαφάνεια, ιχνηλασιμότητα και ταχύτητα παραγωγής, οι εταιρείες τροφίμων πρέπει να προχωρήσουν σε προγνωστικές διαδικασίες που βασίζονται στην αξιοποίηση τεχνολογιών και ολιστικών προσεγγίσεων.
«Η εξέλιξη της σύγχρονης επιστήμης των τροφίμων μεταμορφώνει καταλυτικά τις στρατηγικές μας σε σχέση με την ασφάλεια των τροφίμων μέσω της αξιοποίησης προηγμένων τεχνολογιών και ολιστικών προσεγγίσεων. Για παράδειγμα, η ενσωμάτωση δεδομένων “ομικής” – όπως η αλληλούχηση ολόκληρου του γονιδιώματος – στην εκτίμηση μικροβιακού κινδύνου, θα επιτρέπει στις βιομηχανίες τροφίμων να προβλέψουν καλύτερα πώς αναπτύσσονται και εξαπλώνονται οι επιβλαβείς μικροοργανισμοί», σχολιάζει στο Dnews ο Ομότιμος καθηγητής στο Γεωπονικό Πανεπιστήμιο Αθηνών Γιώργος Νυχάς, με αφορμή το 13ο Διεθνές Συνέδριο Προγνωστικής Μοντελοποίησης στα Τρόφιμα που ξεκινά τη Δευτέρα στην Τεχνόπολη του Δήμου Αθηναίων.
Όπως λέει, αυτές οι στρατηγικές αποτελούν μέρος μιας ευρύτερης προσέγγισης γνωστής ως «Ενιαία Υγεία» (One Health), η οποία διασυνδέει την υγεία των ανθρώπων, των ζώων, των φυτών και του περιβάλλοντος για την αποτελεσματικότερη πρόληψη τροφιμογενών ασθενειών.
Η «τεχνολογία εμποδίων» (hurdle technology), η οποία προβλέπει τη συνδυασμένη εφαρμογή πολλαπλών παρεμβάσεων ελέγχου των μικροοργανισμών, πρόσφερε ένα ικανοποιητικό επίπεδο ασφάλειας των τροφίμων και αποτέλεσε τη βάση της σημερινής νομοθεσίας που διέπει τα τρόφιμα. Πέρα όμως από τις «παραδοσιακές» προσεγγίσεις και τεχνολογίες, και στα πλαίσια της εξέλιξης της επιστήμης των τροφίμων, προέκυψαν καινοτόμες για την εφοδιαστική αλυσίδα των τροφίμων ιδέες και έννοιες. Χαρακτηριστικό παράδειγμα αναδυόμενης προσέγγισης είναι αυτή η οποία βασίζεται στην έννοια της «ασφάλειας τροφίμων βάσει σχεδιασμού (food safety by design)». «Η συγκεκριμένη προσέγγιση αξιοποιεί “εργαλεία” μοντελοποίησης και συστήματα υποστήριξης αποφάσεων, για να βοηθήσει τους παραγωγούς και τις βιομηχανίες να προβλέψουν κινδύνους και να βελτιστοποιήσουν τις διαδικασίες ελέγχου τους, συνδράμοντας τόσο στην μείωση της σπατάλης και απώλειας των τροφίμων, όσο και στην μείωση του περιβαλλοντικού αποτυπώματος. Παράλληλα, τα ψηφιακά δίδυμα (digital twins) – εικονικά μοντέλα συστημάτων τροφίμων – επιτρέπουν στους παραγωγούς να δοκιμάζουν στρατηγικές ασφάλειας πριν τις εφαρμόσουν στην πραγματικότητα», συμπληρώνει ο καθηγητής.
Σε μικροσκοπικό επίπεδο, η μελέτη μεμονωμένων μικροβιακών κυττάρων (single cell) βοηθά τους επιστήμονες να κατανοήσουν τη συμπεριφορά ολόκληρων πληθυσμών, βελτιώνοντας τις προβλέψεις και τις παρεμβάσεις που θα πρέπει να εφαρμοσθούν.
«Η επιστήμη δεδομένων (Data Science) και η τεχνητή νοημοσύνη (Artificial Intelligence) μέσω των εργαλείων της (π.χ. μηχανική μάθηση) παίζουν επίσης σημαντικό ρόλο στην ανάλυση σύνθετων δεδομένων ασφάλειας τροφίμων, αν και εξακολουθούν να υπάρχουν προκλήσεις στην πρόσβαση και επαναχρησιμοποίηση αυτών των δεδομένων/πληροφοριών», επισημαίνει ο καθηγητής Νυχάς. Για παράδειγμα η PepsiCo ανέπτυξε συστήματα τεχνητής νοημοσύνης για την παρακολούθηση της ποιότητας του λαδιού τηγανίσματος, την ανίχνευση ελαττωμάτων συσκευασίας και τη μείωση των μικροβιακών κινδύνων, με αποτέλεσμα λιγότερα παράπονα πελατών και σταθερότητα στο ράφι.
Η Nestlé αντίστοιχα χρησιμοποιεί μηχανική μάθηση για την παρακολούθηση των μικροβιακών κινδύνων σε όλες τις παγκόσμιες εγκαταστάσεις παραγωγής της, επιτρέποντας την έγκαιρη παρέμβαση και την αποτροπή της μόλυνσης παρτίδων (σύμφωνα με την Ετήσια Έκθεση Nestlé, 2022).Ειδικοί όπως οι Kamble, Gunasekaran & Sharma εκτιμούν πως η Τεχνητή Νοημοσύνη δίνει τη δυνατότητα στα συστήματα παραγωγής να «βλέπουν» τι μπορεί να παραβλέψουν οι άνθρωποι και να «μαθαίνουν» από μοτίβα που κανένα υπολογιστικό φύλλο δεν μπορεί να αποκαλύψει».Ενδεικτικά η Siemens εφάρμοσε μοντέλα CFD (υπολογιστική ρευστοδυναμική) που βασίζονται σε τεχνητή νοημοσύνη για έναν γαλακτοπαραγωγό, με σκοπό την προσομοίωση της ροής του αέρα σε ψυκτικούς θαλάμους, μειώνοντας τον κίνδυνο μόλυνσης από Listeria monocytogenes.Ο καθηγητής Νυχάς δεν παραλείπει να αναφερθεί και στην αβεβαιότητα που αποτελεί συχνά μία συχνά αναπόφευκτη πηγή παραλλακτικότητας στη προβλεπτική (προγνωστική) μοντελοποίησης στα τρόφιμα (predictive modelling in food).
«Όσο το δυνατόν πιο ακριβής είναι ο χαρακτηρισμός της αβεβαιότητας, μέσω της αναγνώριση άγνωστων παραμέτρων, τόσο θα μειώνεται σημαντικά αυτή η πηγή παραλλακτικότητας και θα βελτιώνεται η αξιοπιστίας των εκτιμήσεων κινδύνου».Αλλά και η βιολογία συστημάτων (System Biology) μπορεί να συμβάλλει στη μελέτη των αλληλοεπιδράσεων του μικροβιώματος των τροφίμων και του εντέρου, προσφέροντας βαθύτερες γνώσεις για τα μικροβιακά οικοσυστήματα και την δυναμική τους.Όλες αυτές οι καινοτομίες διαμορφώνουν ένα πιο έξυπνο, ασφαλές και βιώσιμο μέλλον για τα τρόφιμα και μελετώνται εκτενέστατα από χρηματοδοτούμενα έργα στο πλαίσιο του ΗΟΡΙΖΟΝ Europe όπως τα FOODGUARD (https://www.foodguard-project.eu/ ), AMBROSIA (https://www.ambrosia-project.eu/), & SOSfood (https://www.sosfood-project.eu/). Και όλες αυτές οι καινοτομίες θα συζητηθούν στο 13th ICPMF International Conference on Predictive Modelling in Food που θα λάβει χώρα 1-3 στην Τεχνόπολη του Δήμου Αθηναίων.
