O uriașă bază de date reunește aproximativ 392 de milioane de rezultate obținute în urma monitorizării siguranței alimentare din Europa, unele dintre ele colectate pe parcursul mai multor decenii.
392 de milioane de rezultate privind siguranța alimentară au fost reunite într-o bază de date europeană accesibilă publicului.
Cercetătorii au identificat peste 300 de variabile care ar putea fi folosite împreună cu datele istorice pentru modele de inteligență artificială.
IA a fost deja testată pentru a estima probabilitatea ca anumite probe de hrană pentru animale să depășească pragurile de siguranță.
Tehnologia nu înlocuiește analizele de laborator sau experții, ci ar putea contribui, în viitor, la identificarea zonelor și situațiilor care necesită o monitorizare mai atentă.
Cât de sigură este hrana pe care o consumăm nu depinde de un singur factor. Riscurile se pot modifica în funcție de schimbările climatice, vreme, comerțul internațional, condițiile economice sau felul în care sunt produse și procesate alimentele.
Pentru a putea observa aceste schimbări, cercetătorii din cadrul proiectului european HOLiFOOD au reunit aproximativ 392 de milioane de rezultate de monitorizare a siguranței alimentare, provenite din Europa și colectate de-a lungul mai multor decenii.
Rezultatul este baza de date CompreHensive European Food Safety (CHEFS), pusă la dispoziția publicului și concepută ca o resursă pentru cercetătorii care vor să analizeze evoluția riscurilor alimentare.
Ideea este simplă, chiar dacă volumul de informații este uriaș: dacă datele istorice sunt analizate împreună cu informații despre mediul înconjurător și societate, pot apărea tipare care ar fi mai greu de observat atunci când fiecare set de date este analizat separat.
Cercetătorii HOLiFOOD au identificat peste 300 de variabile care ar putea fi utilizate ca date de intrare pentru modelele de inteligență artificială, conform Medical Xpress.
Printre acestea se află indicatori de mediu, socio-economici, de producție și legați de comerț. Aceste informații pot fi analizate împreună cu rezultatele istorice ale monitorizării pentru a căuta tipare și pentru a sprijini deciziile bazate pe risc.
Într-o aplicație de cercetare, de exemplu, datele istorice privind micotoxinele, metalele grele, dioxinele și pesticidele din hrana animalelor au fost combinate cu indicatori meteorologici și socio-economici.
Pe baza acestor informații, cercetătorii au dezvoltat un model de IA care a estimat probabilitatea ca o probă de hrană pentru animale să depășească anumite praguri de siguranță stabilite în prealabil.
Este importantă însă o diferență: modelul cercetat de HOLiFOOD nu este un sistem operațional de avertizare.
El nu înlocuiește testele de laborator și nici evaluarea făcută de specialiști. Mai degrabă, experimentul arată cum pot fi combinate mai multe surse de informații pentru a investiga unde și în ce condiții riscurile de contaminare s-ar putea modifica.
În viitor, astfel de instrumente ar putea furniza informații suplimentare pentru autorități atunci când acestea stabilesc unde ar putea fi necesară o monitorizare mai atentă sau prelevarea unor probe.
„Date mai bune și tehnologii noi pot consolida siguranța alimentară, dar ele reprezintă doar o parte a răspunsului. Avem nevoie, de asemenea, de interpretarea experților, de o comunicare eficientă cu cetățenii și de decizii politice care să ia în considerare consecințele asupra întregului sistem alimentar”, afirmă Jeanne-Marie Membré, cercetător științific senior la Inrae și unul dintre partenerii proiectului HOLiFOOD.
Un risc alimentar nu apare întotdeauna izolat. Condițiile meteorologice și clima, comerțul global, schimbările socio-economice și modificările din producția alimentară pot influența modul în care riscurile evoluează.
Tocmai de aceea, cercetătorii au urmărit să aducă împreună informații din cât mai multe zone ale sistemului alimentar.
O bază de date atât de amplă permite analizarea unor perioade lungi și căutarea unor asocieri între diferite tipuri de factori. Însă existența unei asocieri în date nu înseamnă automat că un factor este cauza directă a unui anumit risc. Interpretarea rezultatelor rămâne esențială.
HOLiFOOD nu s-a concentrat doar pe inteligența artificială. Proiectul a analizat și tehnologii care ar putea completa metodele deja utilizate pentru controlul siguranței alimentare.
Printre acestea se numără metagenomica, sistemele PCR portabile, biosenzorii, spectroscopia și analiza chimică asistată de IA.
Aceste tehnologii prezintă potențial, însă cercetătorii subliniază că utilizarea lor pe scară largă necesită validări suplimentare și reguli clare.
HOLiFOOD recomandă, printre altele, cadre de validare armonizate, orientări pentru metodele analitice asistate de IA și infrastructuri de date interoperabile. Astfel, informațiile ar putea fi comparate și partajate mai ușor între țările europene.
Există însă și o problemă care nu poate fi rezolvată doar cu mai multe date: felul în care oamenii percep riscurile.
Cercetările HOLiFOOD indică faptul că amenințările asociate unor factori pe termen lung, precum schimbările climatice, pot părea îndepărtate din punct de vedere psihologic.
Cu alte cuvinte, o persoană poate recunoaște că există un risc, dar să nu perceapă imediat cum ar putea să o afecteze sau ce ar putea face în această situație.
De aceea, proiectul recomandă ca riscurile emergente să fie comunicate prin exemple relevante pentru viața de zi cu zi și pentru comunitățile locale.
Și informațiile venite direct de la cetățeni ar putea avea un rol. Observațiile publicului și analiza rețelelor sociale pot oferi indicii despre evenimente emergente sau despre preocupările oamenilor.
Dar nici aici datele nu pot fi luate automat drept adevăr. Rapoartele cetățenilor trebuie verificate și corelate cu sistemele instituționale de supraveghere și intervenție, iar discuțiile de pe rețelele sociale nu trebuie considerate reprezentative pentru întreaga populație.
O altă concluzie a proiectului este că o decizie luată pentru rezolvarea unei probleme de siguranță alimentară poate avea efecte și în alte părți ale sistemului alimentar.
Siguranța alimentară, nutriția, protecția mediului, securitatea alimentară și prețul alimentelor sunt legate între ele.
Un exemplu oferit de HOLiFOOD este prelucrarea termică. O încălzire mai intensă poate reduce anumite riscuri microbiologice, dar poate crește consumul de energie sau poate contribui la formarea unor contaminanți legați de proces.
Prin urmare, proiectul recomandă ca factorii de decizie, evaluatorii de risc și specialiștii din domenii diferite să fie implicați încă din primele etape ale procesului.
Scopul este ca posibilele consecințe asupra întregului sistem alimentar să fie identificate și evaluate cât mai transparent.
Baza de date este unul dintre rezultatele evidențiate pe măsură ce proiectul HOLiFOOD se apropie de final. Proiectul a publicat și patru note de orientare destinate factorilor de decizie europeni și naționali.
Recomandările vizează utilizarea responsabilă a inteligenței artificiale, stabilirea unor căi mai clare pentru tehnologiile emergente de detectare, înțelegerea modului în care cetățenii percep riscurile noi și evaluarea deciziilor din perspectiva întregului sistem alimentar.
Miza nu este, așadar, ca un algoritm să decidă singur dacă un aliment este sigur sau nu. Ideea este ca datele istorice, tehnologiile noi, testele de laborator, expertiza specialiștilor și informațiile despre mediul în care apar riscurile să poată fi analizate împreună.
Într-un sistem alimentar în continuă schimbare, o astfel de abordare ar putea ajuta la observarea mai rapidă a unor modificări ale riscurilor și la orientarea mai eficientă a monitorizării.
