Un modello di machine learning consente di prevedere la migrazione di sostanze chimiche dagli imballaggi agli alimenti, supportando le verifiche sulla sicurezza.
Le sostanze chimiche a contatto con gli alimenti (FCC) possono migrare dai materiali di imballaggio agli alimenti, ponendo un problema di esposizione alle FCC potenzialmente tossico.
Rispetto agli esperimenti costosi, i metodi computazionali possono essere utilizzati per valutare i potenziali di migrazione per vari scenari di migrazione per ulteriori indagini sperimentali che possono potenzialmente accelerare la valutazione della migrazione.
Questo studio ha sviluppato un metodo di apprendimento automatico non lineare che utilizza proprietà chimiche, tipo di materiale, di alimento e temperatura per prevedere la migrazione chimica dalla confezione all’alimento.
Sono stati valutati nove algoritmi non lineari per le loro prestazioni di previsione.
Il modello ensemble, che sfrutta più algoritmi, fornisce prestazioni all’avanguardia che sono migliori rispetto ai precedenti modelli di regressione lineare.
I modelli di previsione sviluppati sono stati successivamente applicati per delineare il potenziale di migrazione degli FCC ad alto rischio di tossicità.
Si prevede che i modelli saranno utili per accelerare la valutazione della migrazione delle FCC dalla confezione agli alimenti.
DOI: 10.1016/j.fct.2023.113942
Apprendimento automatico per prevedere la migrazione chimica dai materiali di imballaggio alimentare agli alimenti
Machine learning for predicting chemical migration from food packaging materials to foods. Food and Chemical Toxicology, Volume 178, agosto 2023
S. Wang, P. Lin, C. Wang, Y. Lin, C. Tung
