Wykorzystanie mikrobiologii prognostycznej do przewidywania okresu przydatności do spożycia żywności

1. Dlaczego należy wyznaczać termin „przydatność do spożycia” żywności?

Żywność jest układem niezwykle złożonym, podlegającym dynamicznym przemianom chemicznym, fizycznym i mikrobiologicznym. Do głównych czynników determinujących jakość i trwałość żywności należą: (1) aktywność mikroorganizmów, zarówno bakterii patogennych (np. Listeria monocytogenes, Salmonella), jak i mikroorganizmów psujących (np. Pseudomonas spp.); (2) parametry produktu: aktywność wody, pH, obecność środków konserwujących; (3) czynniki środowiskowe: temperatura i czas przechowywania, dostęp światła, wilgotność otoczenia; a także (4) czynniki technologiczne, m.in. sposób obróbki surowca, procesy pasteryzacji czy sterylizacji, rodzaj opakowania (MAP, próżniowe, aktywne). Zmiany zachodzące pod wpływem tych czynników sprawiają, że produkty spożywcze mają ograniczoną trwałość i wymagają oznaczenia odpowiednimi datami, które chronią konsumenta przed spożyciem żywności, która może stanowić niebezpieczeństwo dla jego zdrowia [1].

W Polsce podstawę prawną w zakresie oznakowania dat na środkach spożywczych stanowi rozporządzenie Parlamentu Europejskiego i Rady (UE) nr 1169/2011 [2] w sprawie przekazywania konsumentom informacji na temat żywności oraz ustawa z dnia 25 sierpnia 2006 r. o bezpieczeństwie żywności i żywienia (Dz.U. 2023 poz. 1448) [3]. Zgodnie z art. 52 ustawy, środki spożywcze oznakowane datą minimalnej trwałości lub terminem przydatności do spożycia mogą znajdować się w obrocie wyłącznie do końca wskazanej daty. Po jej upływie producent i sprzedawca mają obowiązek wycofania produktu z rynku. Z kolei, rozporządzenie (UE) nr 1169/2011 precyzuje zasady podawania tych dat oraz ich definicje. Pierwszą z nich jest data minimalnej trwałości („najlepiej spożyć przed”), oznaczająca moment, do którego środek spożywczy zachowuje swoje szczególne właściwości przy prawidłowym przechowywaniu (art. 2 ust. 2 lit. r). Stosowana jest głównie w odniesieniu do żywności trwałej mikrobiologicznie, np. suchych produktów zbożowych, konserw, słodyczy. Jej forma zależy od przewidywanej trwałości produktu: przy okresie do 3 miesięcy podaje się dzień i miesiąc, przy trwałości do 18 miesięcy – miesiąc i rok, a powyżej 18 miesięcy – tylko rok. Drugim pojęciem jest termin przydatności do spożycia („należy spożyć do”), który odnosi się do produktów szybko psujących się z mikrobiologicznego punktu widzenia, takich jak mięso, ryby, nabiał czy świeże soki. Po jego upływie żywność uznaje się za niebezpieczną w świetle art. 14 ust. 2–5 rozporządzenia (WE) nr 178/2002 oraz art. 24 rozporządzenia (UE) nr 1169/2011. Data musi być podana w formie: dzień, miesiąc, ewentualnie rok, w niekodowanej postaci.

Przepisy dotyczące oznakowania dat pełnią kluczową rolę w systemie bezpieczeństwa żywności. Zapewniają one konsumentom przejrzystą informację o trwałości produktów oraz obligują podmioty działające na rynku spożywczym do kontroli jakości i terminowego wycofywania żywności niespełniającej wymagań [1]. Należy jednak podkreślić, że podczas gdy produkty po upływie „terminu przydatności do spożycia” stają się z mocy prawa niebezpieczne i nie mogą być konsumowane, żywność oznaczona datą minimalnej trwałości może zachować akceptowalne cechy sensoryczne również po jej przekroczeniu, pod warunkiem prawidłowego przechowywania w gospodarstwie domowym [4].

2. Mikrobiologia prognostyczna

Mikrobiologia prognostyczna (ang. predictive microbiology) to wciąż dynamicznie rozwijająca się dziedzina nauki, której celem jest matematyczne opisywanie zachowania mikroorganizmów w żywności i przewidywanie ich wzrostu, przeżywalności bądź inaktywacji w określonych warunkach środowiskowych [5]. W odróżnieniu od klasycznych badań mikrobiologicznych, które wymagają czasochłonnych doświadczeń przechowalniczych, mikrobiologia prognostyczna pozwala w krótkim czasie przewidzieć potencjalne zagrożenia mikrobiologiczne oraz okres przydatności do spożycia danego produktu. W literaturze wyróżnia się trzy podstawowe grupy modeli prognostycznych: (1) modele pierwszorzędowe (ang. primary models), które opisują przebieg wzrostu populacji mikroorganizmów w czasie. Przykładem są modele opisujące fazę lag, logarytmiczny wzrost czy fazę stacjonarną. Krzywe wzrostu można wyznaczyć dla różnych grup drobnoustrojów i warunków środowiskowych; (2) modele drugorzędowe (ang. secondary models), określające, jak parametry uzyskane w modelach pierwszorzędowych (np. szybkość wzrostu, długość fazy lag) zmieniają się w zależności od czynników zewnętrznych, takich jak temperatura, pH, zawartość soli czy aktywność wody; oraz (3) modele trzeciorzędowe (ang. tertiary models), czyli zaawansowane programy komputerowe takie jak Pathogen Modeling Program (PMP), czy Unified Growth Prediction Model (UGPM) oparte na modelu Baranyi’ego i Robertsa oraz modelach zależnych od temperatury, z graficznym interfejsem użytkownika, ułatwiające wykorzystanie wyników modeli pierwszego i drugiego rzędu w badaniach i przemyśle spożywczym [5]. Współczesnym kierunkiem rozwoju mikrobiologii prognostycznej jest wykorzystanie metod sztucznej inteligencji, uczenia maszynowego oraz modelowania probabilistycznego. Pozwalają one na uwzględnianie dużej zmienności danych, symulowanie niepewności oraz prognozowanie zachowania mikroorganizmów w bardziej złożonych, wielogatunkowych układach, które lepiej odzwierciedlają rzeczywiste warunki w produktach spożywczych [6].

3. Czy matematyczne modele pomogą w wyznaczeniu terminu „przydatności do spożycia” żywności?

Mikrobiologia prognostyczna znajduje coraz szersze zastosowanie w ocenie trwałości żywności łatwo psującej się, takiej jak mięso i ryby. W przypadku mięsa świeżego i ryb głównymi mikroorganizmami odpowiedzialnymi za proces psucia są bakterie psychrofilne z rodzaju Pseudomonas i Shewanella putrefaciens, a także bakterie fermentacji mlekowej, a także Photobacterium phosphoreum, czy Brochothrix thermosphacta, przy czym skład mikrobioty psującej jest silnie zależny od warunków przechowywania i transportu [7,8]. Modele matematyczne opracowane dla tych drobnoustrojów pozwalają przewidywać tempo pogarszania się jakości sensorycznej oraz moment, w którym produkt przestaje być bezpieczny mikrobiologicznie. Naukowcy badali, czy matematyczne modele mogą pomóc w wyznaczaniu terminu „przydatności do spożycia” ryb. Wykazano, że mikroorganizmy odpowiedzialne za psucie zmieniają się w zależności od warunków przechowywania, ale w przypadku dorsza pakowanego kluczową rolę odgrywa Photobacterium phosphoreum. Na tej podstawie opracowano modele opisujące wpływ temperatury i atmosfery ochronnej na trwałość ryb, które umożliwiają dokładniejsze prognozowanie okresu ich przydatności do spożycia [8]. Z kolei, inni badacze wykazali, że matematyczne modele, takie jak regresja PLS i model pierwiastkowy, pozwalają dokładnie przewidywać stan mikrobiologiczny mielonej wołowiny. Badanie potwierdziło, że oba podejścia komplementarnie opisują proces psucia mięsa w różnych warunkach przechowywania, co może być wykorzystane do określania daty przydatności do spożycia [9]. W innym badaniu zastosowano modele uczenia maszynowego do przewidywania wzrostu E. coli O157:H7 w mielonej wołowinie przechowywanej w różnych warunkach temperatury. Wykazano, że zaawansowane modele matematyczne mogą precyzyjnie wspierać wyznaczanie okresu przydatności mięsa do spożycia oraz ocenę ryzyka mikrobiologicznego [10].

Możliwości zastosowania mikrobiologii prognostycznej są szerokie i mają istotne znaczenie praktyczne. Przede wszystkim modele prognostyczne charakteryzują się dużą użytecznością i oszczędnością czasu, ponieważ pozwalają przewidzieć trwałość produktu bez konieczności prowadzenia długotrwałych badań przechowalniczych w laboratorium. Mogą one również stanowić istotne wsparcie dla systemów bezpieczeństwa żywności, znajdując zastosowanie w analizie ryzyka i wspierając proces podejmowania decyzji w ramach systemu HACCP. Ważnym aspektem jest także możliwość redukcji marnotrawstwa żywności, bardziej precyzyjne prognozy trwałości umożliwiają optymalne ustalanie dat ważności, co w konsekwencji ogranicza ilość wyrzucanych produktów. Dodatkową zaletą modeli jest ich elastyczność, gdyż mogą być stosowane zarówno w odniesieniu do patogenów, jak i mikroorganizmów odpowiedzialnych za proces psucia żywności. Pomimo licznych zalet, stosowanie modeli prognostycznych wiąże się z pewnymi ograniczeniami. Po pierwsze, wiele modeli powstaje w warunkach laboratoryjnych, które nie zawsze wiernie odzwierciedlają rzeczywiste warunki przechowywania. W produktach złożonych, zawierających bogatą mikrobiotę, interakcje pomiędzy mikroorganizmami mogą znacząco wpływać na tempo psucia się żywności, co utrudnia dokładne prognozowanie. Ponadto modele wymagają walidacji na realnych próbkach, aby zapewnić ich wiarygodność. Innym ograniczeniem jest dostępność danych, ponieważ do tworzenia dokładnych modeli potrzebne są obszerne zestawy informacji dotyczące wzrostu mikroorganizmów w różnych warunkach. Bez tego modele mogą dawać zbyt uproszczone prognozy. Na koniec, praktyczne wykorzystanie narzędzi prognostycznych wymaga odpowiedniego przeszkolenia personelu i dostępu do oprogramowania, co może stanowić barierę, np. dla mniejszych producentów żywności [5].

Podsumowując, uważa się, że mikrobiologia prognostyczna wspierana nowoczesnymi technologiami, takimi jak czujniki czasu-temperatury, analiza metagenomiczna czy sztuczna inteligencja, może stać się kluczowym narzędziem precyzyjnego wyznaczania okresu przydatności do spożycia w zmiennych warunkach transportu i dystrybucji. Integracja takich modeli z systemami zapewnienia bezpieczeństwa żywności np. HACCP otwiera drogę do skuteczniejszego zarządzania bezpieczeństwem żywności i ograniczenia strat [5].

mgr Marcelina Karbowiak

dr hab. Dorota Zielińska, prof. SGGW

Szkoła Główna Gospodarstwa Wiejskiego w Warszawie, Instytut Nauk o Żywieniu Człowieka,
ul. Nowoursynowska 159, 02-776 Warszawa

Literatura

• 1.Tarlak, F. (2023). The Use of Predictive Microbiology for the Prediction of the Shelf Life of Food Products. Foods, 12(24), 4461. https://doi.org/10.3390/foods12244461
• 2.Rozporządzenie Parlamentu Europejskiego i Rady (UE) nr 1169/2011 z dnia 25 października 2011 r. w sprawie przekazywania konsumentom informacji na temat żywności, zmiany rozporządzeń Parlamentu Europejskiego i Rady (WE) nr 1924/2006 i (WE) nr 1925/2006 oraz uchylenia dyrektywy Komisji 87/250/EWG, dyrektywy Rady 90/496/EWG, dyrektywy Komisji 1999/10/WE, dyrektywy 2000/13/WE Parlamentu Europejskiego i Rady, dyrektyw Komisji 2002/67/WE i 2008/5/WE oraz rozporządzenia Komisji (WE) nr 608/2004 (Dz. Urz. UE L 304 z dnia 22.11.2011 r., z późn.zm.). https://eur-lex.europa.eu/legal-content/PL/TXT/?uri=celex:32011R1169 (dostęp 3.09.2025)
• 3.Ustawa z dnia 25 sierpnia 2006 r. o bezpieczeństwie żywności i żywienia (Dz. U. z 2023 r. poz. 1448). https://isap.sejm.gov.pl/isap.nsf/DocDetails.xsp?id=WDU20230001448 (dostęp 3.09.2025)
• 4.GIS 2024: „Najlepiej spożyć przed….”, „należy spożyć do…..” - co to oznacza i do kiedy produkt może znajdować się w obrocie? https://www.gov.pl/web/gis/najlepiej-spozyc-przed-nalezy-spozyc-do---co-to-oznacza-i-do-kiedy-produkt-moze-znajdowac-sie-w-obrocie-#_ftn1 (dostęp 3.09.2025)
• 5.Taiwo, O. R., Onyeaka, H., Oladipo, E. K., Oloke, J. K., & Chukwugozie, D. C. (2024). Advancements in Predictive Microbiology: Integrating New Technologies for Efficient Food Safety Models. International Journal of Microbiology, 2024(1), 1-21. https://doi.org/10.1155/2024/6612162
• 6.Tanui, C. K., Benefo, E. O., Karanth, S., & Pradhan, A. K. (2022). A Machine Learning Model for Food Source Attribution of Listeria monocytogenes. Pathogens, 11(6), 691. https://doi.org/10.3390/pathogens11060691
• 7.Limbo, S., Torri, L., Sinelli, N., Franzetti, L., & Casiraghi, E. (2010). Evaluation and predictive modeling of shelf life of minced beef stored in high-oxygen modified atmosphere packaging at different temperatures. Meat science, 84(1), 129-136.
• 8.Dalgaard, P., Huss, H., Shahidi, F., Jones, Y., & Kitts, D. (2020). Seafood Safety, Processing, and Biotechnology. In: Boca Raton, FL, USA: CRC Press.
• 9.Valerio, F., Skandamis, P. N., Failla, S., Contò, M., Di Biase, M., Bavaro, A. R.,…Lavermicocca, P. (2020). Microbiological and physicochemical parameters for predicting quality of fat and low‐fat raw ground beef during refrigerated aerobic storage. Journal of Food Science, 85(2), 465-476. https://doi.org/10.1111/1750-3841.15000
• 10.Al, S., Ciloglu, F. U., Akcay, A., & Koluman, A. (2024). Machine learning models for prediction of Escherichia coli O157: H7 growth in raw ground beef at different storage temperatures. Meat Science, 210, 109421.