La freschezza del pesce è una questione che preoccupa sia i consumatori che le aziende, ma spesso viene valutata a sensazione: ne osserviamo la brillantezza degli occhi, lo annusiamo, lo tocchiamo... e decidiamo se è buono o no. Il problema è che questi metodi sono soggettivi, dipendono dall'esperienza di chi osserva il prodotto e, inoltre, non sempre rilevano i cambiamenti interni che si verificano già nel tessuto muscolare del pesce.
In un contesto in cui i prodotti ittici percorrono migliaia di chilometri dal punto di cattura al piatto, affidarsi esclusivamente alla vista e all'olfatto risulta insufficiente. Pertanto, negli ultimi anni, sono stati sviluppati modelli matematici in grado di prevedere la freschezza basandosi su reali processi biochimici che avvengono dopo la morte del pesce. Uno dei progressi più interessanti proviene dall'Università di Hokkaido, dove è stato ideato un modello predittivo basato sulla degradazione dell'ATP. Questo modello consente di stimare con grande precisione non solo la freschezza attuale, ma anche quella futura, con chiare applicazioni nel settore.
Perché la freschezza del pesce è una questione così delicata?
Il deterioramento del pesce inizia immediatamente dopo la morte dell'animale , anche se esternamente appare in perfette condizioni. Internamente, si verificano una serie di trasformazioni nel tessuto muscolare che influenzano la qualità nutrizionale, l'aroma, il sapore e la consistenza, ma questi cambiamenti non sono sempre evidenti senza analisi specifiche.
Tradizionalmente, l'industria si è affidata all'ispezione sensoriale e alla conta microbica per valutare la freschezza: si osservano l'aspetto generale, le branchie, gli occhi e l'odore, e la carica batterica viene misurata in laboratorio. Questi metodi presentano diverse limitazioni significative: dipendono fortemente dall'esperienza dell'ispettore, richiedono tempo e attrezzature, e i risultati possono variare da un tecnico all'altro.
Questa variabilità nella valutazione può portare a gravi errori: pesce scartato prematuramente (spreco alimentare e perdite economiche) o prodotti tenuti in vendita quando hanno già iniziato uno stadio avanzato di deterioramento, con conseguenti ripercussioni sulla sicurezza alimentare e sulla fiducia dei consumatori.
Per affrontare questo problema, la scienza alimentare ha introdotto l'utilizzo del valore K come indicatore oggettivo di freschezza. Questo indice si basa sulla degradazione chimica dei composti energetici presenti nel tessuto muscolare del pesce, consentendo di quantificare lo stadio di deterioramento del pesce senza dipendere eccessivamente da giudizi soggettivi.
ATP e degradazione muscolare: le basi biochimiche del valore K
Finché il pesce è in vita, le sue cellule muscolari utilizzano l'ATP (adenosina trifosfato) come fonte di energia. Al momento della morte, la rigenerazione dell'ATP cessa e inizia una ben nota e sequenziale catena di reazioni di degradazione, che porta alla formazione di vari composti intermedi e finali.
L'ATP viene prima trasformato in ADP e AMP, e successivamente in IMP (inosinato), che viene ulteriormente degradato in inosina (HxR) e ipoxantina (Hx). Ogni passaggio di questa catena è legato a cambiamenti percettibili nel gusto e nell'odore del pesce. L'IMP, ad esempio, è correlato al piacevole sapore umami che associamo al pesce fresco e saporito, mentre i composti finali, come l'ipoxantina, contribuiscono alle note amare e a odori sempre più forti e sgradevoli.
Il valore K viene calcolato proprio a partire da questa sequenza di reazioni. È definito come la percentuale che l'inosina (HxR) e l'ipoxantina (Hx) rappresentano rispetto al totale dei composti derivati ​​dall'ATP presenti nel muscolo:
K(t) = (HxR + Hx) / (ATP + ADP + AMP + IMP + HxR + Hx) × 100
Quanto più alta è questa percentuale, tanto maggiore è il grado di degradazione del sistema energetico del muscolo e, di conseguenza, minore è la freschezza. Quando il valore di K è basso, predominano l'ATP e i suoi derivati ​​precoci e il prodotto è considerato molto fresco; man mano che il valore aumenta, i composti responsabili del deterioramento prendono il sopravvento sul sistema e il pesce entra in fasi avanzate di perdita di qualità .
Uno dei risultati chiave degli studi è che la fase finale che porta alla formazione di composti responsabili del deterioramento (in particolare l'ipoxantina) ha un impatto molto maggiore sul risultato complessivo rispetto alle fasi iniziali della catena. In termini pratici, la velocità con cui il pesce "supera il limite" e si trasforma in questi prodotti finali è ciò che distingue realmente il pesce accettabile da quello di dubbia qualità e da quello chiaramente deteriorato.
Dagli indici di laboratorio ai modelli matematici predittivi
Sebbene il valore K sia stato proposto più di 60 anni fa proprio all'Università di Hokkaido e sia ora un indicatore di riferimento internazionale, la sua applicazione tradizionale presenta un evidente svantaggio: per misurarlo, è necessario prelevare campioni di tessuto muscolare, elaborarli e analizzarli in laboratorio utilizzando tecniche chimiche, in una procedura lenta , distruttiva e costosa.
Per superare queste limitazioni, i ricercatori di Hokkaido, guidati dal professore associato Naoto Tsubouchi , hanno sviluppato un modello matematico che descrive la degradazione dell'ATP come una catena di reazioni del primo ordine. In questo tipo di processo, il tasso di conversione di ciascun composto dipende dalla quantità presente in quel momento, consentendo l'utilizzo di equazioni differenziali relativamente semplici per descrivere l'evoluzione del sistema.
Il nuovo modello non si limita a calcolare un valore K statico, ma simula come le concentrazioni di ATP, ADP, AMP, IMP, HxR e Hx nel tessuto muscolare cambiano nel tempo in specifiche condizioni di conservazione. A partire da queste concentrazioni teoriche in un dato momento, si ottiene il valore K(t) utilizzando l'equazione precedente, semplificando la stima della freschezza attuale e futura.
In test sperimentali condotti su diverse specie marine, il modello ha mostrato correlazioni superiori a 0,96 tra i valori di K calcolati dalle equazioni e quelli misurati in laboratorio. Questo elevato livello di concordanza suggerisce che lo strumento è robusto e applicabile anche al di là degli ambienti puramente sperimentali, avvicinandosi a situazioni reali di mercato e distribuzione.
Uno dei grandi vantaggi di questo approccio è che utilizza informazioni relativamente semplici: specie, tempo di conservazione e temperatura . Con questi dati, è possibile prevedere la freschezza senza dover prelevare campioni di tessuto in ogni punto della filiera, aprendo la strada a sistemi di controllo non distruttivi e quasi in tempo reale.
Un modello pressoché universale per diverse specie di pesci
Una delle principali sfide nella modellazione della freschezza del pesce è l'enorme diversità di specie. Sebbene il percorso di degradazione dell'ATP sia sostanzialmente lo stesso in molti pesci marini, le velocità di reazione e alcune sfumature possono variare da una specie all'altra, il che tradizionalmente richiedeva la progettazione di modelli specifici per ogni specie, impraticabili per un settore che gestisce una moltitudine di prodotti diversi.
Il lavoro di Tsubouchi e del suo team propone una struttura di modello comune per diverse specie, mantenendo la stessa catena di reazioni e adattando solo alcuni parametri cinetici per ogni tipo di pesce. Questo approccio consente al modello di avere un quadro matematico unico in cui vengono "inseriti" i valori specifici delle specie in questione.
Le prove hanno incluso, tra le altre, diverse varietà di sgombro , una specie di grande importanza sia in Giappone che in altri mercati. Le previsioni del modello sono state confrontate con le misurazioni del valore K effettuate in laboratorio, e si è osservato un grado di concordanza molto elevato, con margini di errore intorno al 30% o inferiori, un intervallo considerato ragionevolmente adeguato per le applicazioni industriali.
Questa capacità di generalizzare a più specie è fondamentale per l'implementazione pratica del modello. Invece di sviluppare un sistema matematico separato per ogni pesce, viene utilizzata una base comune e adattabile, riducendo costi, complessità e tempi di sviluppo. Inoltre, altri studi applicati a specie come sardine, salmone, orata e nasello hanno generato equazioni predittive basate su parametri fisico-chimici, raggiungendo accuratezze superiori al 90% nella stima della freschezza, del tempo di conservazione nel ghiaccio e della carica microbica.
Nello specifico caso di queste specie comunemente consumate in Spagna, la durata di conservazione approssimativa al gusto è stata definita in 10 giorni per l'orata e 12 giorni per il salmone e il nasello, a condizione che vengano mantenute adeguate condizioni di conservazione a freddo. Le sardine, per la loro natura e la maggiore sensibilità alle fluttuazioni di temperatura, sono più problematiche e richiedono particolare attenzione.
Relazione tra freschezza, sapore e percezione del consumatore
Il valore del modello matematico va oltre la sicurezza e la durata di conservazione, fornendo informazioni sulla qualità sensoriale e sul sapore . Lo stesso percorso biochimico di degradazione dell'ATP utilizzato per definire il valore K determina in larga misura se il pesce avrà un profilo aromatico gradevole (umami) o se inizierà a sviluppare sapori e odori indesiderati.
Nelle fasi iniziali, quando predomina l'acido inosinico (IMP) , il sapore umami è intenso e caratteristico; il pesce viene percepito come saporito e fresco. Con l'accumulo di inosina e ipoxantina, il profilo sensoriale si sposta verso note amare e aromi più aggressivi, anche se l'aspetto generale può ancora risultare accettabile a un occhio non esperto.
Studi condotti lungo tutta la filiera agroalimentare hanno dimostrato che i consumatori considerano la freschezza l'attributo più importante del pesce, persino più del prezzo. Questa priorità si riscontra sia nel pesce pescato in mare aperto che in quello d'allevamento, come l'orata. I rivenditori generalmente concordano con questa valutazione, mentre i produttori a volte danno maggiore importanza ad altri fattori, pur riconoscendo la fondamentale importanza di offrire pesce il più fresco possibile.
Analisi dettagliate degli attributi di freschezza hanno dimostrato che branchie e occhi sono le parti che mostrano i primi segni di deterioramento durante la conservazione nel ghiaccio, un dato in linea con l'esperienza quotidiana di pescivendoli e mercati. Tuttavia, i modelli basati su parametri fisico-chimici (come composti azotati, pH, valore K, ecc.) consentono di prevedere i cambiamenti interni prima che diventino visibili a occhio nudo, fornendo una base oggettiva che integra la valutazione sensoriale.
Inoltre, l'utilizzo dell'analisi multivariata e della modellazione matematica ha dimostrato un enorme potenziale per l'integrazione delle dimensioni oggettive e soggettive della qualità del pesce: da un lato, dati misurabili e riproducibili; dall'altro, percezioni, preferenze e aspettative dei diversi anelli della filiera (produttori, distributori, rivenditori e consumatori finali).
Dalla teoria al tempo reale: sensori e Internet delle cose
L'utilità pratica del modello matematico basato sulla degradazione dell'ATP aumenta se combinato con tecnologie di monitoraggio in tempo reale . Attualmente, esistono strumenti come l'imaging iperspettrale, i sensori chimici e i sistemi elettronici in grado di rilevare variazioni nella composizione del pesce senza distruggere il campione.
Di per sé, questi dispositivi offrono in genere misurazioni puntuali, ma mancano di capacità predittive . L'approccio sviluppato a Hokkaido propone di utilizzare il modello come un "cervello" che interpreta i segnali del sensore, li traduce in parametri del sistema di reazione e, a partire da questi, stima il valore attuale di K e la sua evoluzione futura.
In uno scenario di Internet delle cose (IoT) , in cui casse per il pesce, celle frigorifere, camion e centri logistici possono essere dotati di sensori connessi, il modello fungerebbe da strumento decisionale automatizzato: si alimenta di dati relativi a temperatura, specie e tempo di conservazione, calcola la freschezza e la durata di conservazione residua ed emette avvisi o raccomandazioni su quali lotti dovrebbero essere venduti per primi, quali è meglio prezzare in modo più vantaggioso o quando è consigliabile rimuovere il prodotto dalla catena di approvvigionamento.
I ricercatori hanno depositato brevetti in diversi paesi relativi a questa tecnologia, prevedendone l'integrazione in dispositivi di rilevamento e sistemi automatizzati di controllo della freschezza. Per un settore della pesca sempre più globalizzato, dove le catene di approvvigionamento si allungano e diventano più complesse, strumenti come questi possono fare la differenza tra una logistica efficiente e una afflitta da perdite e reclami.
Parallelamente, modelli predittivi consolidati, come il programma Food Spoilage & Safety Predictor (FSSP) di DTU Aqua, vengono utilizzati come punto di riferimento per confrontare nuove equazioni. Recenti studi hanno sviluppato fino a 15 equazioni predittive basate su parametri fisico-chimici, dimostrando un'accuratezza superiore al 90% rispetto ai dati reali e ai risultati di FSSP, a conferma che la combinazione di sensori, modellazione e valutazione sensoriale rappresenta un potente strumento per il settore.
Impatto sull'industria e sulla gestione della qualitÃ
Il pesce è un alimento base nella dieta globale , con un'altissima percentuale della produzione mondiale destinata direttamente al consumo umano, e il pesce fresco supera in popolarità tutte le altre forme di pesce. Nell'Unione Europea, il consumo pro capite è molto elevato e paesi come la Spagna si collocano ai primi posti della classifica, con oltre 40 kg a persona all'anno.
Questa importanza si traduce in un'enorme pressione sulla gestione della qualità e della sicurezza dei prodotti ittici . Le aziende devono offrire pesce che soddisfi le aspettative di freschezza di un consumatore sempre più esigente, controllando i costi, riducendo gli sprechi e rispettando le rigide normative sanitarie.
Studi oggettivi sulla qualità hanno dimostrato che le fluttuazioni di temperatura durante lo stoccaggio e il trasporto hanno un impatto diretto sul deterioramento, soprattutto in specie sensibili come le sardine. Piccole variazioni nella catena del freddo possono ridurre significativamente la durata di conservazione, aumentare il valore K e accelerare la comparsa di difetti organolettici.
Allo stesso tempo, l' eterogeneità della materia prima (dimensioni, stato fisiologico, gestione post-cattura, ecc.) introduce un'ulteriore variabilità . La modellazione consente di incorporare parte di questa variabilità attraverso parametri regolabili e intervalli di confidenza, aiutando l'azienda a comprendere e controllare meglio i rischi associati a ciascun lotto.
Nelle valutazioni di conformità ai requisiti di freschezza e qualità , si è osservato che i produttori in genere rispettano le specifiche tecniche con un'alta percentuale (circa l'87%), i rivenditori si discostano leggermente (circa il 79%) e i consumatori percepiscono una conformità inferiore (circa il 50%). Questa discrepanza evidenzia la differenza tra qualità "misurata" e qualità "percepita" e rafforza il ruolo degli strumenti oggettivi nel supportare la trasparenza e la comunicazione lungo tutta la filiera.
In pratica, disporre di modelli matematici di freschezza che integrino dati di laboratorio, valutazioni sensoriali e parametri di processo consente all'industria di prendere decisioni più rapide e affidabili: definire meglio la durata di conservazione dichiarata, adeguare le strategie di prezzo in base allo stato effettivo del prodotto, pianificare il trasporto in base alla freschezza prevista o identificare i punti critici della catena in cui si perde il maggior numero di giorni di conservazione.
Questo approccio si inserisce in una chiara tendenza verso sistemi alimentari più efficienti e sostenibili , dove l'obiettivo non è più solo garantire che il pesce "non sia avariato", ma anche ridurre gli sprechi evitabili e offrire una qualità costante nel tempo e nei diversi mercati.
Analizzando i dati disponibili, i modelli basati sulla degradazione dell'ATP e sul valore K trasformano processi invisibili in uno strumento quantitativo che ci aiuta a comprendere come la freschezza del pesce si evolve dal momento della cattura fino al suo arrivo in tavola. Combinando l'ispezione sensoriale, l'analisi fisico-chimica, le equazioni predittive e le tecnologie dei sensori e dell'IoT, si ottiene un sistema di controllo qualità molto più raffinato, che migliora il processo decisionale nel settore della pesca e offre ai consumatori un prodotto più sicuro e gustoso, più in linea con le loro aspettative quando chiedono semplicemente pesce veramente fresco.
