Pubblicato il report tecnico congiunto EFSA-JRC per rafforzare l’identificazione di rischi emergenti e la valutazione della sicurezza di nuovi alimenti, mangimi e tecnologie di produzione.

Sintesi a cura di Maria Giulia Bonomini

L’Autorità Europea per la Sicurezza Alimentare (EFSA) ha pubblicato un report tecnico sulla preparazione per la valutazione della sicurezza di nuovi alimenti, mangimi, e tecnologie di produzione. Il documento descrive un progetto collaborativo tra EFSA e il Centro Comune di Ricerca (JRC), avviato nel 2021, nato dalla consapevolezza che l'innovazione, pur essendo un motore per la transizione verso sistemi alimentari sostenibili, può anche introdurre nuove problematiche o rischi emergenti.

A tal fine, il progetto si è concentrato sull'identificazione di quelli che vengono definiti "segnali deboli" (weak signals), ovvero tendenze o schemi il cui impatto osservabile è ancora poco chiaro, ma che fungono da segnali di allarme precoce per possibili eventi futuri e indicano potenziali sviluppi per i quali al momento sono disponibili prove limitate e disperse.

L'obiettivo principale era verificare se questi segnali deboli potessero essere identificati combinando metodi di analisi dei dati (data intelligence) con la validazione da parte di esperti. Per fare ciò, sono stati impiegati gli strumenti informatici del JRC, in particolare il software TIM Technology: questo report rappresenta la prima volta in cui lo strumento TIM è stato utilizzato nel campo della sicurezza alimentare e dei mangimi.

Le metodologie utilizzate

Il progetto ha impiegato una metodologia articolata che ha combinato un approccio avanzato di estrazione di testo (text-mining) con la validazione da parte di esperti. Il processo è stato strutturato in diverse fasi:

• Inquadramento tematico (Framing): Esperti di EFSA e JRC hanno definito specifici argomenti da esplorare, raggruppandoli in categorie come “Nuovi Mangimi”, “Nuovi Alimenti” e “Aree Trasversali”.
• Rilevamento dei segnali deboli: Sono stati utilizzati due processi complementari, uno focalizzato (focused) e uno estensivo (extensive).
• Processo focalizzato: Sono state eseguite ricerche mirate utilizzando stringhe di ricerca predefinite, come quelle usate per l'area delle nanotecnologie.
• Processo estensivo: Questo approccio più ampio ha utilizzato la tecnologia TIM per estrarre parole chiave da un vasto corpo di pubblicazioni scientifiche (provenienti dal database Scopus, che raccoglie abstracts e citazioni di letteratura scientifica) e di brevetti (dal database Patstat). Le raccolte di documenti per ciascuna parola chiave sono state poi classificate utilizzando indicatori specifici:
1. Attualità (Activeness): Misura il rapporto tra il numero di documenti pubblicati in un periodo recente (es. 2019-2021) e il numero totale di documenti pubblicati dal 1996. Un punteggio elevato indica un argomento emergente.
2. Copertura (Coverage): Misura la percentuale di documenti in una raccolta che contiene determinate parole chiave (es. "rischio", "sicurezza", "allergia") o appartiene a specifiche categorie (es. brevetti o riviste scientifiche).

I dati analizzati provenivano principalmente da Scopus (dal 1996 al 2023) e da Patstat (edizione 2022), ma è stata anche testata la tecnologia Europe Media Monitoring (EMM) del JRC per l'analisi di articoli di cronaca online.

I risultati principali

Il risultato principale del progetto è stata l'identificazione di una lista di "segnali deboli grezzi". Questi segnali sono stati poi ricostruiti e ottimizzati all'interno della piattaforma TIM prima della validazione finale da parte degli esperti EFSA, per garantire che non si trattasse di rumore semantico o di tecnologie già consolidate che avevano solo cambiato terminologia.

Attraverso questo processo, sono stati identificati e ordinati numerosi segnali deboli in categorie come "Tecnologie di produzione innovative" e "Tecnologie per scopi innovativi". Ad esempio, per la prima categoria, sono emersi segnali forti per tecnologie come la blockchain per la sicurezza alimentare (blockchain for food safety) e la fermentazione di precisione (precision fermentation), con alti valori sia di conteggio (count) che di copertura del rischio e attualità. Nella seconda categoria, sono stati identificati segnali relativi a nanoparticelle e nanocarrier.

Questo progetto segna un cambiamento significativo nell'approccio di EFSA alla valutazione del rischio. L'identificazione dei "segnali deboli di rischio" attraverso tecniche di estrazione di testo su grandi archivi di dati è un passo verso l'ottimizzazione delle procedure di scansione ambientale (environmental scanning), un'attività di monitoraggio continuo per identificare tendenze e cambiamenti. Sebbene il rapporto riconosca alcune limitazioni, come la periodicità degli aggiornamenti dei database e il tempo richiesto agli esperti per la validazione, suggerisce un'evoluzione futura del processo. Si propone l'uso di procedure avanzate di apprendimento automatico (machine learning) o di intelligenza artificiale generativa (generative AI) per un primo screening e una valutazione preliminare, che potrebbe ridurre drasticamente il tempo di revisione necessario per gli esperti.

In sintesi, il progetto ha dimostrato che la collaborazione tra EFSA e JRC, utilizzando strumenti di analisi avanzati, può gettare le basi per un sistema di allerta precoce più efficiente e proattivo per la sicurezza alimentare.

Per saperne di più:

• La relazione tecnica di EFSA