Un modelo de aprendizaje profundo distingue bacterias de restos de alimentos en solo tres horas, aumentando la seguridad alimentaria Investigadores de la Universidad Estatal de Oregón han logrado un avance significativo en la detección rápida de contaminación bacteriana en alimentos mediante inteligencia artificial . El equipo, liderado por Luyao Ma profesora adjunta , ha desarrollado un modelo que reduce los errores de clasificación provocados por restos de alimentos que pueden confundirse con bacterias. A día de hoy, los métodos convencionales para identificar bacterias en productos como verduras de hoja verde, carne y queso , suelen depender del cultivo bacteriano . Se trata de un proceso que requiere conocimientos especializados y días para la obtención de resultados , lo que retrasa la detección y aumenta los riesgos de brotes alimentarios . La innovación de Ma y sus colaboradores de la Universidad de California, Davis, la Universidad de Corea y la Universidad Estatal de Florida consiste en un modelo de aprendizaje profundo capaz de analizar imágenes digitales de microcolonias bacterianas y clasificar bacterias vivas de manera rápida y confiable, logrando resultados en apenas tres horas. La autora de este estudio explica que lograr una detección temprana de patógenos antes de que los productos lleguen al mercado es esencial para prevenir brotes El último avance de este estudio se centró en entrenar el modelo para diferenciar entre bacterias y restos microscópicos de alimentos. Antes de esta mejora, un modelo entrenado únicamente con bacterias clasificaba incorrectamente restos de alimentos como bacterias en más del 24 % de los casos . Con el entrenamiento combinado , que incluye tanto bacterias como restos de alimentos , se eliminaron estas clasificaciones erróneas, aumentando la precisión del sistema. La contaminación bacteriana puede ocurrir en cualquier etapa de la producción de alimentos, desde las granjas hasta las plantas de procesamiento, y puede provenir de diversas fuentes , como animales, agua de riego, suelo y aire . La Administración de Alimentos y Medicamentos de EE. UU. estima que cada año se producen aproximadamente 48 millones de casos de enfermedades transmitidas por alimentos, resultando en 128 000 hospitalizaciones y alrededor de 3 000 muertes La autora de este estudio explica que lograr una detección temprana de patógenos antes de que los productos lleguen al mercado es esencial para prevenir brotes , proteger la salud del consumidor y reducir los gastos en la retiración de productos . El estudio, publicado en npj Science of Food , evaluó el modelo con tres cepas bacterianas, E. coli, Listeria y Bacillus subtilis, junto con restos de pollo, espinacas y queso Cotija. Los investigadores están trabajando actualmente en la optimización del sistema de IA para facilitar su incorporación en la industria alimentaria , con el objetivo de garantizar alimentos más seguros y mejorar la eficiencia en la detección de contaminantes.