- Food Hub Srl Società Benefit - P. IVA 04598540401 - Via Martiri della Libertà, 14C 47521 Cesena (FC)
I software predittivi sfruttano modelli matematici per garantire il rispetto dei criteri di sicurezza alimentare. Allo stesso tempo il loro utilizzo può fornire alle aziende i dati necessari per migliorare la shelf life di un prodotto, ridurre l’impiego di un conservante o la combinazione migliore di fattori per ostacolare lo sviluppo di microrganismi patogeni stimandone la probabilità di crescita. Scopriamo approfonditamente la Microbiologia predittiva e come si accompagna alla sicurezza alimentare.
Come già indicato nel precedente articolo [1] in merito al mantenimento della catena del freddo, mancano ancora sufficienti informazioni sulla percezione del consumatore della sua responsabilità nel mantenere il prodotto sicuro fino al momento del consumo.
La necessità di conoscere anche le abitudini del consumatore medio in qualche modo si lega a quanto enunciato all’articolo 3 del regolamento CE 2073/2005 [2] che indica la necessità di identificare le “condizioni ragionevolmente prevedibili di distribuzione, conservazione e uso” per poter stabilire la shelf life del prodotto. Per i non addetti ai lavori, con il regolamento CE 2073/2005 l’Unione Europea ha fissato i criteri microbiologici di sicurezza alimentare per alcune categorie di prodotti.
Di nuovo, all’Art. 3 del regolamento CE 2073/2005 viene indicato che l’OSA, nel definire la conservabilità dell’alimento e la garanzia del rispetto dei criteri microbiologici deve produrre dimostrazioni oggettive ed attendibili utilizzando uno o più strumenti elencati nell’ Annex II del regolamento CE 2073/2005. Il regolamento all’ Articolo 3 indica infatti che “Se necessario, gli operatori del settore alimentare responsabili della fabbricazione del prodotto effettuano studi, in conformità all’allegato II, per verificare se i criteri sono rispettati per l’intera durata del periodo di conservabilità”. Nell’allegato II vengono citati: “modelli matematici predittivi stabiliti per il prodotto alimentare in esame, utilizzando fattori critici di sviluppo o di sopravvivenza per i microrganismi in questione presenti nel prodotto”.
Ecco un breve flash pratico sull’argomento. Trattandosi di un articolo breve il mio personale obiettivo è quello di fare scattare nei lettori la curiosità di approfondire l’uso dei modelli matematici predittivi in quanto dimostrazione oggettiva ed attendibile del rispetto dei criteri di sicurezza alimentare in condizioni reali o, alla peggio, ragionevolmente prevedibili.
Per rendere la microbiologia predittiva fruibile anche a chi non è scienziato (ma possiede solide competenze di microbiologia predittiva e tecnologie alimentari) sono stati sviluppati dei software, definiti in letteratura “modelli terziari”. Un ottimo approfondimento sul tema può essere trovato (in italiano!) nel libro “Manuale di microbiologia predittiva” [3].
Tra i software predittivi più completi possiamo citare: Combase [4], Food Spoilage and Safety Predictor [5], CB premium [6], Pathogen Modelling Predictor – PMP [7], Sym’Previus (versione premium del software a pagamento) [8]. Per il nostro esempio utilizziamo il sofware FSSP, molto completo e basato principalmente su Listeria monocytogenes.
Merita una menzione particolare il software CB premium, più recente, che vanta numerose applicazioni pratiche negli Stati Uniti ed in Australia come parte integrante del piano di autocontrollo. È anche possibile contattare direttamente l’equipe che lo ha sviluppato per ottenere informazioni pratiche sul suo utilizzo.
Cominciamo a costruire il nostro esempio ricollegandoci al nostro obiettivo iniziale, ossia valutare l’effetto di un “abuso di temperatura” sulla shelf life di un prodotto.
La figura 1 ci fornisce un risultato immediatamente interpretabile: uno scostamento di pochi gradi centigradi ha un effetto marcato sulla crescita di L. monocytogenes, che raggiunge il limite di 100 ufc/g nell’arco di 6 giorni.
Per non allarmare i lettori è necessario sottolineare due limiti di questo primo esempio: questo risultato è costruito su un prodotto al quale non è aggiunto alcun conservante o alcun trattamento tecnologico che possa ostacolare la crescita del patogeno. Spesso i prosciutti cotti affettati sono conservati in atmosfera protettiva, ipotizziamo quindi di aggiungere un 20% di CO2 nello spazio di testa della confezione (Figura 2). Il risultato è una shelf life di 7 giorni, nelle condizioni ipotizzate nell’esempio.
Un addetto ai lavori potrebbe anche contestare il fatto che non è stata inclusa nel modello alcuna fase di “adattamento” (fase lag) del patogeno. Microbiologicamente parlando, infatti, i microorganismi spesso hanno bisogno di un tempo di adattamento durante il quale non si ha una crescita esponenziale del microorganismo che è vivo e vegeto e si sta preparando a crescere velocemente.
Includendo la fase lag di adattamento (Figura 3) si vede come L. monocytogenes nel prosciutto affettato in vaschetta senza atmosfera protettiva raggiunge il limite di 100 ufc/g in 9 giorni se conservato a 7°C. Una conservazione a 4°C non porta ad un incremento significativo del patogeno.
L’aggiunta del 20% di CO2 e l’inclusione della fase di adattamento al modello (Figura 4) indicano che L. monocytogenes non supererà il limite di 100 ufc/g nell’arco dei 10 giorni di vita utile ipotizzati.
L’analisi di questi risultati potrebbe portare un’azienda che vuole aumentare la shelf life del proprio prodotto ad orientarsi, ad esempio, verso l’utilizzo delle alte pressioni idrostatiche come trattamento di bonifica post packaging per poter mantenere il prodotto sicuro anche nel caso di un “consumatore sbadato” che interrompe la catena del freddo.
Oppure, di fronte alla necessità di innovare il prodotto riducendo la quantità di sale, l’azienda potrebbe valutare a priori l’effetto che diverse percentuali di riduzione possono avere sulla crescita di L. monocytogenes (a parità di altre condizioni).
E se volessi solo sapere quale combinazione di fattori (ad es. pH, quantità di sale, temperatura) rende il prodotto inadatto alla crescita di L. monocytogenes? Beh, in questo caso alcuni software predittivi (come FSSP) ci consentono di stimare la probabilità di crescita (growth boundaries) del microorganismo in funzione di quei tre fattori.
In conclusione, le potenzialità sono tante. È comunque importante sottolineare che, sebbene l’utilizzo dei software predittivi sembri semplice, la difficoltà sta nell’interpretazione dei risultati. Per questo è necessario che si occupi di questo approccio un tecnologo alimentare con una conoscenza di tecnologie alimentari e di microbiologia.
Un professionista che sia consapevole dei vantaggi ma anche dei limiti dell’approccio predittivo, che si tenga aggiornato (come prevede la professione). Una figura del genere può aiutare l’azienda alimentare nell’innovazione di prodotto, di processo. o semplicemente nell’ottimizzazione e minimizzazione dei costi e tempi delle analisi microbiologiche di laboratorio.
Se questo articolo sulla Microbiologia Predittiva ti è piaciuto e vuoi rimanere aggiornato sull’innovazione intorno al settore segui i nostri webinar.
[1] Belletti (2019). Catena del freddo: dal produttore al consumatore. https://www.foodhubmagazine.com/2019/10/11/catena-del-freddo-dal-produttore-al-consumatore/
[2] regolamento (CE) n. 2073/2005 della Commissione del 15 novembre 2005 sui criteri microbiologici applicabili ai prodotti alimentari (testo consolidato).
[3] József Baranyi, Elena Cosciani-Cunico (2013). Manuale di microbiologia predittiva: Concetti e strumenti per l’ecologia microbica quantitativa – Fausto Gardini, Eugenio Parente (Editors). Pubblicato da Springer-Verlag Mailand. ISBN: 978-88-470-5354-0,978-88-470-5355-7
[4] Combase https://www.combase.cc/index.php/en/
[5] Food Spoilage and Safety Predictor (FSSP) http://fssp.food.dtu.dk/
[6] CB premium Predictive food safety https://www.cbpremium.org/
[7] Pathogen Modeling Program https://pmp.errc.ars.usda.gov/PMPOnline.aspx
[8] Sym’Previus http://symprevius.eu/en/
[9] Nodali Ndraha, Hsin-I. Hsiao, Jelena Vlajic, Min-Feng Yang, Hong-Ting Victor Lin (2018). Time-temperature abuse in the food cold chain: Review of issues, challenges, and recommendations. Food Control, 89, 12–21. doi:10.1016/j.foodcont.2018.01.027.
Dopo aver conseguito un dottorato in biotecnologie degli alimenti all’Università di Bologna mi sono trasferita in Spagna dove mi sono specializzata in sicurezza alimentare e microbiologia predittiva. Oggi mi occupo di consulenza in tecnologie alimentari, sicurezza alimentare e innovazione di processo.
Iscriviti per ricevere tutti i contenuti e gli aggiornamenti di Food Hub
Abbiamo organizzato un webinar su questo tema di oltre 100 minuti. Clicca sul pulsante e accedi al webinar.