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, lo que genera 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 dat...