最先端の機械学習技術による包装材料から食品および水への化学物質移行の予測
カテゴリ：医学教育
公開日：2026年2月19日
タイトル：Prediction of the packaging chemical migration into food and water by cutting-edge machine learning techniques
雑誌名：Sci Rep. 2025 Mar 06; 15(1): 7806.
概 要：
包装材料から食品や水への化学物質の移行は健康リスクを引き起こす可能性があります。本研究では、実験的測定のコストと時間を考慮し、人工知能（AI）技術を用いて化学物質の移行を予測します。具体的には、長短期記憶（LSTM）、勾配ブースティング回帰器（GBR）、多層パーセプトロン、ランダムフォレスト、畳み込みニューラルネットワークの5つのAI手法を使用し、温度や化学特性、包装・食品の種類などの変数を考慮しています。最適化されたハイパーパラメータと予測精度の評価により、GBRが最も優れた手法であることが示されました。
方 法：
本研究は、包装材料から食品や水への化学物質移行を予測するために、5つのAI手法を用いたシミュレーションを行いました。変数として温度、化学特性、包装・食品の種類を考慮し、ハイパーパラメータの最適化、予測精度の評価を実施しました。主要評価指標には、平均二乗誤差（MSE）、平均絶対誤差（MAE）、平方根平均二乗誤差（RMSE）、相対絶対誤差率（RAE%）、回帰係数が含まれます。
結 果：
勾配ブースティング回帰器（GBR）は、1847の実験データセットを正確に予測し、MSE 0.06、MAE 0.15、RMSE 0.24、RAE% 6.46%、回帰係数0.9961を達成しました。また、外れ値検出のためのレバレッジアルゴリズムを実装することで、モデルの信頼性がさらに確認されました。
結 論：
勾配ブースティング回帰器は、包装材料から食品および水への化学物質移行を高精度で予測できることが示され、AI技術の有用性が確認されました。この研究は、包装材料の安全性評価における新たなアプローチを提供します。