Nieuw AI-onderzoek onthult microbiële aanwijzingen voor verbeterde veiligheid in melkproductie

AmsterdamWetenschappers van Penn State, Cornell University en IBM Research hebben een innovatieve methode ontwikkeld om de veiligheid van melk te verbeteren met behulp van kunstmatige intelligentie. Door de genetische sequencing van bacteriën te combineren met AI-instrumenten, kunnen ze nu problemen in melkproductie opsporen, zoals verontreiniging of illegale toevoegingen. Deze nieuwe benadering is bedoeld om de veiligheid in de zuivelindustrie te verhogen en zou ook andere gebieden van de voedingsindustrie kunnen beïnvloeden.

Onderzoekers maakten gebruik van data afkomstig van shotgunmetagenomica en AI-algoritmen om verschillen te ontdekken tussen normale en mogelijk besmette melkmonsters. Ze onderzochten 58 monsters uit bulkmelktanks en slaagden erin om in hun experimenten monsters te identificeren die waren behandeld met antibiotica. Deze studie was baanbrekend omdat AI werd ingezet om de complexe microbiële gemeenschappen in melk beter te begrijpen, wat leidde tot een verbeterde detectie en nauwkeurigheid in vergelijking met traditionele methoden.

AI-vernieuwt Melkkwaliteitsonderzoek: Beter Antiboticumherkenning door Innovatieve Methode

Belangrijke bevindingen uit het onderzoek zijn:

• Door gebruik te maken van AI werden microbiële patronen die verband houden met afwijkingen effectiever ontdekt dan met traditionele sequentiemethoden.
• De methode toonde een sterke en ongeoordeelde aanpak voor het identificeren van vervalste melkmonsters.
• Het toepassen van AI om microbiële interacties te analyseren kan voordelen bieden voor bredere voedselveiligheidssituaties.

Lees ook:

Gisteren · 18:30

Angsten en kansen: AI-emoties op de werkvloer verkennen

Dit onderzoek heeft verstrekkende gevolgen. AI kan de manier veranderen waarop we voedselveiligheid waarborgen door te helpen bij het monitoren en beschermen van voedselketens. AI kan veiligheidsproblemen in voedsel opsporen die anders misschien over het hoofd worden gezien totdat ze een duidelijke bedreiging vormen voor consumenten. Het kan complexe informatie analyseren en inzichtelijk maken, zelfs wanneer er veel factoren in het spel zijn.

Melk werd als voorbeeld genomen omdat het uit één enkel ingrediënt bestaat en een hoog risico op fraude heeft, vooral in ontwikkelingslanden. Deze methode kan ook nuttig zijn voor andere voedingsmiddelen. De technologie geeft niet simpelweg aan dat producten gevaarlijk zijn; het identificeert afwijkingen van wat normaal is, wat kan leiden tot meer gedetailleerde controles.

Het succes van het project is te danken aan de combinatie van IBM's AI-expertise, de zuivelkennis van Cornell en de gezondheidsfocus van Penn State. Deze samenwerking benadrukt de voordelen van gezamenlijk werken aan complexe problemen en het ontwikkelen van innovatieve technologische oplossingen voor voedselveiligheid. Met de vooruitgang in AI is er hoop om deze benaderingen in meer sectoren toe te passen, wat de manier waarop we wereldwijde voedselveiligheid garanderen zou kunnen veranderen.