Il Codex Alimentarius, un organismo fondato nel 1963 dalla FAO e dall’Organizzazione Mondiale della Sanità, fornisce la seguente definizione di sicurezza alimentare: garanzia che un alimento non causerà un danno dopo che è stato preparato e/o consumato secondo l’uso cui esso è destinato. Mettere in atto tutte le attività in merito alla sicurezza alimentare è un compito decisamente complesso che richiede notevole impegno. Per tale ragione, è necessario semplificare le procedure di controllo magari, facendo ricorso a tecnologie innovative e performanti come le moderne tecniche di spettroscopia e di machine learning.
Infatti, secondo uno studio condotto da ricercatori dell’Università Milano-Bicocca in collaborazione con colleghi delle università di Lille e di Dublino, l’utilizzo di queste tecnologie potrebbero rendere davvero più semplici le indagini di sicurezza alimentare, riconoscendo tempestivamente alimenti adulterati e garantendo che sulle nostre tavole arrivino cibi di qualità. Gli scienziati hanno pubblicato i risultati del loro lavoro sulla celebre rivista Analytica Chimica Acta.
Nello specifico, le tecniche di spettroscopia negli studi di “food authenticity” condotti negli ultimi decenni, hanno consentito di analizzare le sostanze presenti nei cibi senza però danneggiare il campione sottoposto a verifica. Inoltre, grazie all’impiego dei sistemi di machine learning è stato anche possibile semplificare l’analisi della grande mole di dati raccolti. La cosa davvero interessante è che il team internazionale di scienziati ha testato queste tecniche su diversi tipi di alimenti: lieviti, carne e olio. Ciò, ha consentito di ottenere importanti informazioni in merito alla sicurezza alimentare di questi cibi. Si tratta di un grande passo avanti che potrebbe apportare notevoli vantaggi sia in ordine di tempo che di costo alle operazioni di controllo sui prodotti alimentari.