Les risques de maladies dues aux agents pathogènes microbiens dans les aliments peuvent être prédits plus rapidement, selon le BfR

« Les risques de maladies dues aux agents pathogènes microbiens dans les aliments peuvent être prédits plus rapidement », source communication du BfR n°025/2020 du 2 juin 2020.

Une équipe de chercheurs de l'Institut fédéral allemand pour l'évaluation des risques (BfR) a développé un nouveau format de données ouvert, qui permet d'échanger efficacement des modèles mathématiques et des données de simulation du domaine de la sécurité des aliments. Les modèles mathématiques jouent un rôle de plus en plus important dans l'évaluation des risques pour la santé des agents pathogènes dans les aliments.

Le format 'FSK-ML (Food Safety Knowledge Markup Language)' permet de documenter uniformément les modèles mathématiques et les résultats de simulation basés sur des modèles, et de les mettre à la disposition d'autres chercheurs pour des prévisions informatiques ou une optimisation supplémentaire des modèles.

Avec FSK-ML, même des modèles développés dans différents langages de programmation peuvent être échangés dans un format harmonisé. Pour la première fois, il est possible d'intégrer des modèles appropriés d'autres scientifiques dans des calculs, simulations et évaluations internes en appuyant sur un bouton.

De plus, les résultats de la simulation sont transparents pour les autres, car le code logiciel utilisé et tous les paramètres du modèle sont visibles par tous et, par conséquent, les résultats peuvent être recalculés.

Le format d'échange d'informations FSK-ML, qui a été étendu et testé par le BfR dans le cadre du projet AGINFRA+ (2017-2019), permet de mieux et plus rapidement évaluer les risques pour la santé humaine à l'avenir. Cela signifie que les modèles prédictifs précédemment développés peuvent maintenant être rapidement calculés avec différents scénarios de simulation et adaptés pour répondre au problème en question - qu'il s'agisse du risque de salmonelles dans les œufs frais ou d'une éventuelle transmission de germes de type Campylobacter dans du filet de poitrine de poulet cru à la salade verte dans la cuisine.

La nouvelle norme de données FSK-ML facilite également la mise à disposition des résultats par les chercheurs conformément aux principes de données FAIR (trouvabilité, accessibilité, interopérabilité et réutilisabilité). En particulier, la prise en charge des principes de données FAIR signifie que les données et informations peuvent être trouvées, consultées et utilisées par différentes solutions logicielles à long terme. Avec le développement du format d'échange d'informations FSK-ML, le BfR fournit la base de la numérisation future de l'évaluation des risques. Avec FSK-ML, les développeurs de logiciels dans le domaine de la sécurité alimentaire peuvent désormais facilement étendre leurs outils actuels et futurs pour inclure de nouvelles fonctions d'importation et d'exportation de modèles. FSK-ML représente également la base du développement de bases de données de modèles sur Internet, où les chercheurs de différentes disciplines peuvent rechercher des modèles établis ou même partager leurs propres modèles. Un exemple d'une telle base de données modèle est le 'RAKIP_portal', développé dans le cadre du projet AGINFRA+.

Les modèles, qui peuvent être mis à disposition et téléchargés via cette plateforme en ligne, peuvent ensuite être utilisés dans différents outils logiciels sur des ordinateurs internes ou sur d'autres plateformes en ligne. L'utilisation de modèles FSK-ML sur son propre ordinateur est par exemple possible grâce au logiciel open source nommé 'FSK-Lab' qui a également été développé par le BfR.

Les modèles internes et externes peuvent être importés, exportés, modifiés, joints et même exécutés avec ce logiciel intuitif. De cette façon, chaque utilisateur peut configurer ses propres prévisions ou calculs de simulation. Il existe également une extension nommée 'FSK2R' pour le langage R de script en open source, qui avait été précédemment présentée lors d'une conférence internationale en 2019. De plus, il existe déjà des revues scientifiques, comme Food Modelling Journal (FMJ), qui permet d'importer des modèles conformes au FSK-ML avec toutes les métadonnées pertinentes.

Par exemple, un «papier modèle exécutable» peut être généré automatiquement dans le FMJ de cette manière. Le modèle présenté est non seulement téléchargé, mais est également calculé en ligne avec des paramètres d'entrée définis par l'utilisateur. De telles solutions numériques innovantes contribuent de manière significative à accroître la transparence et la reproductibilité des travaux scientifiques, comme les résultats présentés dans l'article, par ex. dans le processus d'examen, peut être testé efficacement. De plus, les modèles contiennent toutes les métadonnées pertinentes, telles que la plage d'applicabilité.