La industria alimentaria ha dependido tradicionalmente de paneles humanos para realizar análisis de aromas en productos como el jamón ibérico, el aceite de oliva y los vinos. Aunque estos paneles están compuestos por expertos entrenados en la identificación de características aromáticas específicas, su trabajo puede ser costoso y subjetivo, generando problemas de reproducibilidad y fiabilidad en los resultados obtenidos.
En un intento por superar estas limitaciones, se han estado utilizando técnicas químicas como la cromatografía de gases-espectrometría de movilidad iónica (GC-IMS, por sus siglas en inglés). Esta herramienta ha demostrado ser rápida y fiable para identificar aromas y detectar fraudes alimentarios. Sin embargo, la interpretación de los datos derivados de GC-IMS es una tarea altamente compleja que requiere de un conocimiento profundo y especializado.
Recientemente, un equipo de investigadores del Instituto de Bioingeniería de Cataluña (IBEC) y la Universidad de Córdoba (UCO) ha desarrollado un nuevo procedimiento que optimiza el análisis de datos de GC-IMS mediante el uso de inteligencia artificial. Este avance les ha permitido predecir con precisión el régimen alimenticio de cerdos ibéricos, diferenciando entre aquellos alimentados con bellotas y los que han sido alimentados con pienso. Los detalles de esta metodología se han publicado en la revista «Sensors».
«Aplicando nuestra nueva manera de abordar el tratamiento de los datos obtenidos de los análisis hechos con GC-IMS, hemos identificado con éxito muestras de jamón que provienen de cerdos 100 % ibéricos y saber si los cerdos habían sido alimentados con bellotas o con pienso», destaca Lourdes Arce de la UCO.
Otro de los autores de la investigación, Santiago Marco, investigador del IBEC y profesor de la Universidad de Barcelona, añade: «Hemos desarrollado nuevos procedimientos que sistematizan, facilitan y optimizan la interpretación de resultados de muestras analizadas por GC-IMS, sin perder la precisión y ventajas de la técnica».
El innovador flujo de trabajo propuesto por los investigadores abarca desde el análisis inicial de las muestras hasta el preprocesado e interpretación final de los datos, empleando inteligencia artificial para mejorar la calidad de la información obtenida y la detección de compuestos volátiles. Según los responsables del estudio, este procedimiento abre la puerta a la creación de analizadores personalizados capaces de verificar la calidad y autenticidad de productos alimenticios de alto valor, como el jamón ibérico, y a la detección de posibles fraudes en el sector alimentario.
Esta tecnología no solo mejora la precisión y confiabilidad de los análisis de aromas, sino que también representa un paso significativo hacia la automatización y optimización de los procesos de control de calidad en la industria alimentaria, haciendo más accesible la verificación de la autenticidad de productos de alto valor.
