Multi-Excitation Front-Face Fluorescence Spectroscopy with Explainable LSTM for Detection of Lymphatic Tissue Adulteration in Ground Beef

食品サプライチェーンの完全性は、パッケージの中に何が入っているかを正確に知ることに依存しています。牛挽肉が販売される際、規制と消費者の信頼は、それが期待通りの食用肉である骨格筋のみを含んでいることを求めています。しかし、食肉業界は、リンパ組織の偶発的または不正な混入という、根強い課題に直面しています。リンパ節は動物の免疫系の一部であり、細菌や病原体を蓄積するフィルターとして機能します。筋肉とは異なり、これらは内臓肉（オフアル）に分類され、人間の消費には適していません。これらの組織が挽肉の中に混ざり合い、細かく砕かれてしまうと、肉眼では判別できなくなります。DNA検査のような従来の測定法は、時間がかかり、高価で、かつ対象を破壊してしまうため、屠畜場を通過するすべての肉のバッチをチェックするには非実用的です。科学者たちは、より速い代替手段として、光を用いた技術に長年注目してきました。サンプルに光を当て、それがどのように再び光るか（蛍光）を測定することで、研究者は特定の分子、すなわち「化学的な指紋」を検出することができます。蛍光分光法として知られるこのアプローチは、人間の目では見逃してしまうような組成の微妙な違いを明らかにし、製品を傷つけることなく、迅速に汚染を特定する潜在的な方法を提供します。

研究チームは、挽肉の中に隠れたリンパ組織を検出するという特定の課題を解決するために立ち上がりました。彼らは、挽肉は脂肪分、酸化、および筋肉の部位によって光の反射具合が変化し、それが汚染の信号を模倣してしまうことがある複雑な混合物であるため、単純な光のテストでは困難であることを理解していました。この混乱を打破するために、彼らは単一の色ではなく、4つの異なる色の光を用いて肉を探索する方法を開発しました。彼らは、この多色光アプローチを、人間が多くの特徴を一度に見ることで顔を認識するのと同様に、パターンを学習するように設計された高度なコンピュータプログラムと組み合わせました。研究者たちは、5つの商業的な屠畜場から集めた膨大な牛肉サンプルを収集しました。これには、3種類の牛の品種、2つの年齢層、および様々な部位が含まれています。彼らは、純粋な牛肉に、全く含まれていない状態から純粋なリンパ組織に至るまで、精密な量のリンパ組織を混ぜ合わせた数百のテスト用バッチを作成し、システムに「本物の汚染」がどのようなものかを学習させました。

彼らの発見の核心は、異なる組織が光に対してどのように反応するかという点にあります。研究者が特定の波長の光をサンプルに照射したところ、リンパ組織と筋肉組織は非常に対照的な物語を語ることがわかりました。筋肉組織は、特定の1つの色の光の下で明るく光る特定のタンパク質が豊富ですが、リンパ組織はこれらのタンパク質が乏しい一方で、エネルギー生産や免疫活動に関連する他の分子が豊富であり、異なる色の光の下で光ります。肉を4つの異なる光の設定で測定することで、システムは独特なパターンを捉えることができました。すなわち、「筋肉特有の輝きの低下」と「リンパ特有の輝きの上昇」です。この信号の組み合わせが、汚染の決定的なシグネチャー（署名）となりました。コンピュータモデルは、これらの変化を統合して重み付けすることを学習し、脂肪や水分といった、光の反射を変える可能性はあるものの、この特定の化学的パターンまでは変えない要因と、実際のリンパ組織を区別することができました。

結果は、このアプローチが極めて効果的であることを示しました。コンピュータがこれまで見たことのない屠畜場の牛肉サンプルに対してテストを行った際、システムは高い信頼度でリンパ組織の存在量を正確に予測できました。システムは、規制の閾値に関連するレベルでの汚染の存在を検出し、純粋な牛肉と少量のリンパ節が混ざった牛肉を区別することに成功しました。しかし、研究者らは、この手法は2%付近の混入を検出できるものの、この濃度での信頼できる定量化については、まだ裏付けられていないことを明確にしました。また、研究者たちは、複数の色の光を使用することがこの成功の鍵であったことを証明しました。彼らが、以前の研究の多くが依存していた単一の伝統的な色の光のみを使用して試みたところ、システムは混乱し、脂肪や水を汚染と誤認してしまいました。4つの異なる光の信号を組み合わせることによって初めて、モデルは正確性を保ち、誤報を避けることができたのです。これは、改善が単にコンピュータプログラムの複雑さによるものではなく、データの収集方法によるものであることを裏付けています。

結果がコンピュータによるアーティファクト（人工的な産物）ではなく、真実であることを確実にするために、チームは実際の結果を化学的なテストと比較検証しました。彼らは、コンピュータが重要であると特定した特定の分子を測定し、その化学レベルがコンピュータの予測と完全に一致していることを確認しました。コンピュータが「筋肉タンパク質が減少し、免疫関連分子が増加している」と示したとき、ラボのテストはまさにその通りであることを裏付けました。このクロスチェックにより、彼らの手法が汚染の実際の生物学的実態を見ているという強力な証拠が得られました。彼らは、この手法が1.8パーセントという低レベルのリンパ組織の存在を検出できることを突き止めましたが、これは規制当局が通常懸念し始める閾値を下回っています。しかし、システムは汚染が存在することを指摘することには優れていますが、正確な数値を与えるための信頼性が得られるのは、汚染が約6パーセントに達した場合のみとなります。

本研究は、比較的単純で非破壊的な光スキャンが、食品安全のための強力なスクリーニングツールとして機能することを示しています。これは、屠畜場が大量の挽肉を、これまで捉えるのが困難であった特定の危険な種類の不純物に対して、迅速にチェックする方法を提供します。この技術は、微量な量を絶対的な精度で測定するという点ではまだ完璧ではありませんが、疑わしいバッチを特定し、より詳細な検査へと回すための堅牢なツールとなります。研究者らは、このシステムが異なる農場や牛の品種においても良好に機能することに触れ、実社会での使用に適応できる可能性を示唆しました。この研究は、問題を単一のレンズではなく、複数のレンズを通して見ることで、複雑な生物学的データのノイズの中に隠されていた解決策を見出すことができるということを浮き彫りにしています。