Un estudio de la Universidad de Purdue (EEUU) propone un método para la detección automatizada por ordenador y en tiempo real de serotipos bacterianos, tanto conocidos como emergentes en alimentos, que sería de gran importancia para el control y prevención de brotes de origen alimentario.
Un equipo de la Purdue University ha desarrollado un innovador método para la detección y clasificación de patógenos como Listeria, E.Coli o Salmonella, que es igualmente capaz de detectar la presencia de contaminación bacteriana de patógenos desconocidos. Este factor es importante debido al gran número de patógenos bacterianos y sobretodo a su alta tasa de mutación, que dificulta automatizar su detección.
 E.coli, J.Haney Carr-CDC |
Modelo estadístico
La nueva tecnología está basada en un modelo estadístico avanzado, que aumenta la capacidad del ordenador para detectar la presencia e identificación de contaminación bacteriana en las muestras.
El Dr. M. Murat Dundar, que lidera la investigación, afirma " existen miles de subtipos diferentes de bacterias y no es posible agregarlas con datos suficientes en la memoria del ordenador para que pueda reconocerlos al detectarlos de nuevo. Hay que hacer posible que el equipo modifique la detección e identificación sobre la base de lo que ya ha visto".
El nuevo método estadístico utiliza un escáner láser para detectar y clasificar las colonias de patógenos como la Listeria, Staphicoco, Salmonella, E. coli y Vibrio basándose en las características ópticas de las bacterias y propone un enfoque de aprendizaje computarizado con un conjunto de datos no exhaustivo para la detección automatizada de serotipos bacterianos desconocidos, utilizando la información previa obtenida de clases conocidas.
De este modo, se identifican nuevas clases y se obtiene nueva información para actualizar dinámicamente el conjunto de datos. Esto se traduce en un rendimiento predictivo mejorado para futuras muestras.
Según Murat, este nuevo enfoque es un paso importante hacia una identificación totalmente automatizada de agentes patógenos en tiempo real y una herramienta básica para evitar los brotes de enfermedades transmitidas por los alimentos en un futuro cercano.
Articulo original: A Machine-Learning Approach to Detecting Unknown Bacterial Serovars by Ferit Akova, Murat Dundar, V. Jo Davisson, E. Daniel Hirleman, Arun K. Bhunia, J. Paul Robinson and Bartek Rajwa, Statistical Analysis and Data Mining
Fuente: Foodproductiondaily.com
