Inteligencia artificial, clave para la formulación de análogos cárnicos

La publicación del Marco Estratégico para la Industria de Alimentación y Bebidas desarrollado por el Ministerio de Agricultura, Alimentación y Medio Ambiente en el año 2020 identifica para el sector agroalimentario nacional actual un conjunto de retos específicos y singulares del sector. Uno de los más relevantes es el de la necesidad de atender a Patrones de consumo exigentes y cambiantes que obligan a la innovación continua. Los consumidores tienen necesidades a las que es importante estar atentos y que van cambiando con el tiempo con mucho dinamismo. Los consumidores expresan una amplia preocupación por los productos que contribuyan a mejorar su salud y también por productos cuya fabricación origen sean sostenibles desde un punto de vista medioambiental, minimizando su huella. Una de las tendencias en este sentido es la oferta creciente en productos análogos cárnicos elaborados con ingredientes de origen vegetal.

En Ainia estamos trabajando en nuevas tecnologías computacionales para poder asistir a la formulación de nuevos productos análogos a los de origen animal, con un menor uso de recursos e impacto medioambiental, a partir de minado de datos de miles de ingredientes de origen vegetal, incluyendo especies de plantas que siendo comestibles no son explotadas en la actualidad.

Todo ello en el marco del proyecto FOOD COMPUTING, cofinanciado por el Fondo Europeo de Desarrollo Regional (FEDER) y el Instituto Valenciano de Competitividad Empresarial (IVACE), en el que hemos desarrollado una tecnología de mimetización de alimentos mediante inteligencia artificial, que nos permite imitar alimentos poco sostenibles, como son los productos de origen animal, ya que cuentan con una huella ambiental mayor a los vegetales. De esta forma se reduce su elevado impacto medioambiental y se trata de mantener las propiedades nutricionales, estructurales y sensoriales del producto original. En este vídeo os lo contamos.

La tecnología de mimetización computacional de alimentos ha permitido fusionar, combinar y procesar todos los datos susceptibles de describir un producto alimentario mediante algoritmos computacionales, orientándolos hacia la mejora de la salud de los consumidores, la innovación de producto, la cultura y la gastronomía, la seguridad alimentaria y en un sentido más amplio, el apoyo al desarrollo de la ciencia alimentaria o food-science.

Durante el proyecto FOOD COMPUTING se ha empezado a desarrollar la base de datos ‘Ainia Knows’ que contiene compuestos alimentarios y datos químicos y moleculares relacionados con estos (como puede ser su composición nutricional, los compuestos volátiles que contiene, etc.). Además, en Ainia seguimos trabajando en incorporar datos adicionales de relevancia como pueden ser los relacionados con las propiedades físicas (textura, viscosidad, color…).

Actualmente la base de datos dispone de más de mil ingredientes clasificados en diferentes categorías y de los cuales se conoce, no solo su información nutricional si no también la concentración de hasta 15 mil moléculas que son susceptibles de aportar sabor y otras propiedades a los productos donde son incorporados.

A partir de los datos recogidos en la base de datos ‘Ainia Knows’ y algoritmos propios del campo de la inteligencia artificial, hemos podido implementar el algoritmo ‘Chez Ainia’ que habilita la búsqueda y propuesta de sustitución de ingredientes de un producto formulado de base animal por otro de base vegetal.

Como principal resultado del proyecto se ha obtenido un prototipo de algoritmo software de formulación avanzado que es capaz de descubrir alternativas de ingredientes en una formulación (mimetización de producto), en base a un conjunto de criterios de referencia que deben cumplirse para la nueva formulación.

Para poder descubrir estas alternativas a ingredientes tradicionales, se han investigado diferentes algoritmos de cálculo numérico con descriptores numéricos que representan a un determinado alimento, pudiendo realizar comparaciones y agrupaciones relativas sobre ellos en base al minado de los datos disponibles.

El proyecto FOOD COMPUTING, a través del algoritmo ‘Chez Ainia’, nos ha permitido diseñar nuevas estructuras alimentarias análogas, en concreto matrices vegetales, y también detectar los principales aspectos de mejora. Poder disponer de sugerencias de ingredientes que comparten parte de las características nutricionales y organolépticas con los de origen cárnico permite agilizar el proceso de diseño de los prototipos, dando lugar, en este caso, a una hamburguesa con unas propiedades similares en cuanto a valores nutricionales a la de origen cárnico. En paralelo se está trabajando con técnicas de extrusión húmeda para proporcionar al prototipo de una apariencia fibrosa y más parecida a la carne para mejorar su aceptabilidad de cara al consumidor.