FPF | 哈考特·巴特勒技术大学发表利用人工智能对加工婴幼儿食品中的不良成分进行毒理学评估综述文章

2026-07-06 11:44:07 Know it All光谱数据库

近日，哈考特·巴特勒技术大学（Harcourt Butler Technical University）的Anurag Singh教授在Future Postharvest and Food 上发表题为：Toxicological Evaluation of the Undesirable Components in Processed Infant Foods Using Artificial Intelligengce（利用人工智能对加工婴幼儿食品中的不良成分进行毒理学评估）的综述文章。

摘要

婴儿食品和婴儿配方奶粉因其食用方便且具有针对婴儿的营养价值，在全球范围内越来越受欢迎。从原料获取到最终包装，杂质可能在食品链的任何环节渗入，从而造成严重的健康危害。以水果和蔬菜为基础的婴儿食品也被报道受到植物毒素、真菌毒素和微生物毒素的污染，此外还有微生物残留物，这些对婴儿都极为危险。当前人工智能（AI）的发展趋势为即时、无损地分析此类污染物带来了令人兴奋的机遇。AI驱动的方法，如机器学习（ML）和深度学习（DL）算法，能够分析来自光谱、成像或传感器输入的庞大数据集，以高精度检测痕量有毒物质。本综述旨在识别对婴儿健康有害的不同有毒物质和污染物，并强调AI系统如何增强婴儿食品中有害物的识别、追踪和预防能力。

1 引言

世界卫生组织强调，婴幼儿期充足营养是儿童健康成长和充分发育的基础。全球推荐的最佳喂养实践包括：出生后6个月内纯母乳喂养，6个月后添加安全且营养密集的辅食，并持续母乳喂养至2岁或以上。当母乳喂养遇到困难时，配方奶粉常作为替代品。众所周知，在用于制造新生儿和幼儿食品的原材料中，可以发现各种具有危险性质的化学成分，包括谷物、蔬菜、水果和牛奶。此外，对这些材料进行额外加工可能会产生无机污染物，危及婴儿饲料的安全。这些可能对婴儿健康和发育有害的不良化合物包括重金属、人工添加剂、农药残留和调味剂，如图1所示。许多含有重金属的婴儿食品通常是由于水、土地或制造过程受到污染而被发现的。

传统检测方法在实时性、无损性和快速筛查方面存在明显局限，难以满足日益复杂的安全监控需求。人工智能（AI）技术，尤其是机器学习和深度学习算法，可通过分析光谱、成像和传感器等大规模数据，高精度地识别痕量有毒物质，为食品安全检测提供突破性手段。AI结合生物传感器能实现更智能、更准确的决策，且成本低、通量高，适用于大批量产品筛查。AI系统还能从新数据中持续学习，逐步提升检测准确性，已在水果、肉类、奶粉和饮料等多个领域展示应用潜力。

大量研究表明，婴幼儿对污染物更为敏感，因其排泄效率低、肠道吸收能力强，有毒物质可导致智商降低，并损害呼吸、生殖、神经和免疫系统的发育。因此，保障婴儿食品安全是公共卫生领域的紧迫课题。

本综述旨在系统梳理婴幼儿食品中无机污染物的现有数据，涵盖暴露评估、监管框架和检测分析方法，并重点探讨人工智能在其中的应用前景，以期为提升婴儿食品的安全性提供科学参考。

图1 婴儿食品中的多种污染物

2 食品添加剂

婴幼儿食品中的添加剂风险主要源于硝酸盐/亚硝酸盐、丙烯酰胺、氨基脲和谷氨酸钠等。硝酸盐和亚硝酸盐常见于蔬菜泥，可致高铁血红蛋白血症（蓝婴综合征）并生成致癌亚硝胺；纯蔬菜泥因内源还原酶作用，储存后亚硝酸盐升高，清洗去皮可降低但冷藏或常温24小时后回升。丙烯酰胺在油炸、烘焙时由天冬酰胺与还原糖反应生成，属2A类可能致癌物，具遗传和神经毒性，在婴儿饼干、麦片中检出。偶氮二甲酰胺用作瓶盖发泡剂，其分解物氨基脲为强致癌物并干扰内分泌。谷氨酸钠虽为GRAS，但高浓度可致婴幼儿神经发育损伤，长期暴露与肥胖、胃炎相关。

植物毒素和微生物污染同样关键。转基因作物可能引入新过敏原（如巴西坚果基因大豆致敏），Bt作物风险存争议。罐装食品因过度热处理可滋生耐热菌，克罗诺杆菌（阪崎肠杆菌）致脑膜炎，芽孢杆菌在乳基、米基、果蔬基食品中污染率达100%、95%、60%。防腐剂对羟基苯甲酸酯类具雌激素活性和致癌可能；环氧大豆油无基因毒性但过量致眼部不适；乳酸杆菌“Narine”有抗基因毒性，用于发酵乳品。

综合而言，添加剂危害源于原料固有成分（硝酸盐）、加工热反应（丙烯酰胺）、包装迁移（氨基脲）和微生物污染。婴儿代谢排泄弱，对上述物质高度敏感。现有法规虽有严格限量，但实际超标常见，且多种添加剂累积效应未充分评估。需强化全过程监控，推行低温等减害工艺，严格限制味精等不必要添加剂在婴儿食品中的使用。

3 重金属

近年来，婴儿食品中类金属和重金属的存在备受关注。最近，有多起针对婴儿食品公司的联邦诉讼，声称接触“重金属”可能会损害儿童的发育。婴幼儿食品中的重金属主要来源于受污染的土壤、水源及加工过程，以砷、铅、镉最为常见，如表1所示。砷在谷物（尤其稻米）中含量较高，美国FDA数据显示白米和脆米中砷检出率分别为100%和97%，75%的澳洲米基婴儿食品超过100 μg/kg的推荐限值；铅在谷物和根茎类蔬菜中检出，大米制品最高达20 μg/kg；镉在57%的美国婴儿食品中检出，中位值2.8 μg/kg，米基产品含量更高。各国差异明显，如土耳其配方粉Pb达25 μg/kg，巴西米基食品Pb达0.97 mg/kg。

婴幼儿因代谢排泄能力弱，对重金属毒性高度敏感，砷可致癌症和非癌症风险，铅损害神经发育，镉影响骨骼和神经系统并具致癌性。但风险评估多采用保守假设（如全部砷视为无机砷、以最大检测浓度计算），实际危害可能被高估，多数样品暴露量低于FDA每日允许剂量，风险商值虽偶超1但实际风险有限。然而，长期低水平暴露对婴幼儿认知和行为发育的潜在影响仍不容忽视。

总体而言，现有检测数据显示重金属超标现象普遍，但真实健康风险需结合生物有效性综合评估。应加强原料源头监控，制定更严格的婴幼儿专属限量，并推广快速筛查技术，确保在不过度引发恐慌的前提下切实保障婴幼儿食品安全。

表1 各国婴儿食品重金属含量

4 农药残留

农药残留问题在水果和蔬菜基婴儿食品中尤为突出，这直接与现代农业依赖化学防治手段保障作物产量和外观的商业逻辑有关。水果、蔬菜中因使用杀虫剂、杀菌剂等残留农药，可能进入加工后的即食婴儿食品。婴幼儿单位体重摄入量高于成人，且肝酶和肠道发育不成熟，更易受害。欧盟对氯酸盐等设有严格MRL，多类分析显示部分果泥中检出超标杀菌剂（如腐霉利）。采用QuEChERS前处理结合GC-MS/MS可检测多种农药残留，但流程繁琐、耗时长，难以适应大规模筛查需求。

机器学习增强的NIR和SERS模型可快速分类安全与可疑样品，检测限更低，且能在数秒内完成分析。高光谱成像结合SVM识别苹果表面农药残渣准确率达95%，为水果基婴儿食品的在线检测提供了可行路径。然而，不同农药在复杂基质中的光谱干扰问题仍需通过更大规模的数据训练来解决。

未来农药检测的发展方向应聚焦于建立涵盖多种农药和食品基质的标准光谱数据库，以提高模型的泛化能力和实际部署的可靠性，真正实现从农田到餐桌的全链条智能监控。

5 真菌毒素

真菌毒素是婴儿食品中一类高风险天然污染物，主要源于曲霉、青霉和镰刀菌属在谷物、坚果及干果生长或储存期间产生的次生代谢物。其中黄曲霉毒素B1（AFB1）毒性最强，为I类人类致癌物，具有强肝脏靶向性。欧盟对婴儿食品中AFB1设定了极为严格的限量（0.10 μg/kg），凸显对婴幼儿敏感性的高度关注。

在坦桑尼亚等撒哈拉以南非洲以玉米、花生为主食的地区，母婴血清AFB1-赖氨酸加合物检出率达72%，母体AFB1水平与24月龄以下子女的体重和身高Z评分显著负相关，表明该毒素不仅是急性肝损伤诱因，更是慢性营养不良和发育迟滞的重要推手。此外，赭曲霉毒素A和脱氧雪腐镰刀菌烯醇（呕吐毒素）在谷物辅食中常见，巴西、西班牙等国检出率可达80%，虽多数未超限值，但其免疫抑制和肠道屏障破坏效应不容忽视。

如图2和表2所示，母亲和儿童体内较高水平的AFB1与发育迟缓的儿童和体重不足的婴儿有关。黄曲霉毒素M1（AFM1）为AFB1在哺乳动物体内的代谢物，可经饲料进入牛乳并残留于配方奶粉。黎巴嫩调查中8%的婴幼儿配方粉检出AFM1，虽未超欧盟0.025 μg/kg限值，但持续监控仍有必要；母乳亦可排泄AFM1，母亲摄食污染食物后1天内即检出，停食3天后消退。婴儿以奶制品为主食，真菌毒素日暴露量远超成人。传统色谱法精确但繁琐，免疫亲和柱净化结合高分辨质谱的多毒素同步分析渐趋成熟，便携式电子鼻和智能光谱技术为现场速测提供了新方向。

图2 婴儿营养中的黄曲霉毒素机制

表2 存在于婴儿食品中不同种类的毒素

6 包装材料

食品接触材料是婴幼儿配方食品中化学污染物容易被忽视的“隐形来源”。邻苯二甲酸酯是PVC增塑剂，可从包装迁移至谷物食品，表3系统梳理了全球不同国家和地区婴儿食品中包装迁移污染物的种类、浓度水平及暴露基质，揭示了从传统化学助剂到新兴物理颗粒物的污染扩展趋势。婴幼儿每日暴露量虽低于耐受摄入量，但尿液中多种代谢物普遍检出，提示慢性暴露不容忽视。双酚A及其类似物（BPS、BPF等）用于环氧树脂和聚碳酸酯，具有内分泌干扰、心血管、神经和免疫毒性。印度婴儿配方奶粉中BPA均值达5.46 μg/g，EDI虽低于EFSA参考值（4 μg/kg bw/day），但母乳中也有检出，总体暴露仍需关注。

包装迁移物的传统检测依赖迁移实验，但耗时耗力，目前仅覆盖不足10%的已知食品接触化学品。非线性回归及ML方法（如随机森林）可纳入EtOH-当量、logKow、温度、材料类型等多因素预测迁移行为。然而，部分非极性化合物（如2-乙基-1-己醇）在脱脂奶与全脂奶中的迁移差异仍难以预测，提示当前模型对食品基质效应（如脂肪含量）的表征尚不充分。

总之，未来需结合高通量迁移实验数据和更先进的深度学习模型，系统解析化学品结构—食品基质—迁移条件之间的复杂非线性关系，建立可泛化的预测工具，助力包装材料的安全评估与合规设计。

表3 包装材料在婴幼儿食品中的迁移

7 使用人工智能检测不良成分

AI驱动的毒理学筛查具有高通量、非破坏性、实时性及处理非线性关系等优势，但受限于高质量标注数据缺乏、模型泛化能力不足及可解释性差等问题。在食品添加剂检测方面，集成CNN结合近红外光谱检测婴儿配方粉中三聚氰胺准确度显著高于传统方法。非靶向异常检测可发现未知掺假物。WILEE系统（FDA OFAS）整合多源数据实现风险预警，智能包装传感器可实时监测挥发性有机物。对于重金属，ML模型利用全谱元素指纹捕捉多金属共污染特征，预测精度更高。

在农药残留检测方面，ML增强的NIR和SERS模型可快速分类安全与可疑样品，检测限更低。高光谱成像结合SVM识别苹果表面农药残渣准确率达95%。真菌毒素检测方面，基于嗅觉可视化和深度学习模型的预测精度不断提高，电子鼻结合决策树对小麦DON污染分类准确率达83%，Transformer算法也已成功应用于毒素检测。包装迁移物预测方面，随机森林等非线性模型已开始替代传统线性回归，实现更准确的迁移行为预测。

综合而言，AI技术已在各类有害成分检测中展现出替代或补充传统方法的巨大潜力，尤其在痕量污染物识别、多组分同时分析和实时在线监控方面优势明显。然而，要实现从实验室到生产线和监管体系的成功转化，仍需解决模型可解释性、数据标准化和跨产品泛化能力等核心问题。

表4 基于AI检测方法与常规技术检测婴儿食品中的不良成分

图3 人工智能在婴幼儿食品中毒素检测中的应用

9 挑战

AI应用于婴儿食品安全仍面临多重障碍。首先是高质量标注数据集匮乏，尤其是婴幼儿特有基质（如配方奶、果蔬泥、谷物糊）的污染数据稀缺，且伦理和商业限制使模拟污染实验难以大规模开展。其次，模型在复杂多组分食品基质中易过拟合，在不同原料来源、加工条件和地理区域的泛化性差，可能导致假阳性或假阴性。第三，深度学习“黑箱”问题严重削弱监管机构和公众对AI判断结果的信任，而可解释AI框架在食品毒理学中的应用尚处于起步阶段。

现行法规体系尚无针对AI检测方法的验证标准和性能指标，传统基于AOAC和ISO的方法学认证路径难以直接适用于动态学习的AI模型。伦理责任归属不清也是一大难点——当AI系统漏检导致健康损害时，责任应由算法开发者、食品企业还是监管机构承担，尚无明确法律界定。此外，AI系统的持续学习和更新机制与食品安全的稳定性要求之间存在内在张力，过度频繁的模型更新可能增加监管的不确定性。

总之，面对上述挑战，未来的突破路径在于多方协同的系统性推进。亟需推动建设标准化、开放共享的多基质参考数据库，发展融合物理化学先验知识的可解释性混合模型，并加速制定适配AI技术的监管验证框架。唯有通过学术界、产业界和监管机构的深度协作，方能将人工智能的潜力从实验室有效转化为守护婴幼儿食品安全的坚实屏障。

10 结论

婴儿配方和辅食的安全性至关重要，因为婴儿对食品污染物和毒素高度敏感。从食品添加剂、包装化学品到微生物毒素和环境污染物，多种有毒物会损害这类产品的安全和营养质量。调味剂、防腐剂和着色剂等添加剂中，氨基脲、偶氮二甲酰胺、丙烯酰胺和味精等对婴幼儿尤其有害；双酚A等广泛用于金属罐和塑料包装的物质可迁移至食品并具致癌和遗传毒性。传统检测技术虽精确，但速度慢、缺乏可扩展性和实时监控能力。人工智能为加工婴儿食品中有害成分的毒理学评价提供了革新性解决方案，其实用化有待未来定向发展。优先研究应聚焦于AI与物联网系统结合，实现供应链实时追踪，以及便携式AI辅助传感器用于现场快速筛查。同时，需建立标准化多基质数据库、提高模型可解释性并构建监管验证框架。克服这些挑战，AI方法才能从实验研究走向安全、可扩展且符合监管的新型婴儿食品安全工具。AI在食品安全评估中的应用提供了革命性方案，可实现快速、无损、高灵敏度的污染物识别，不仅能提升质控流程效率，还能通过早期检测和干预预防大规模公共卫生风险。随着对安全优质婴儿营养需求的增长，AI系统将在保护公众健康和满足婴儿食品行业监管要求方面发挥日益重要的作用。

#感谢宁波大学侯云怡同学对论文的整理和翻译。

Future Postharvest and Food 是由中国食品科技学者创办、Wiley出版发行的国际期刊（ISSN: 2837-6846），主要刊载采后科学、食品品质、功能营养与健康的最新基础研究、高新技术、前沿综述等。

威立（Wiley）是权威内容与科研智慧领域的全球领导者，致力于推动科学探索、创新发现与学习发展。两个多世纪以来，我们始终立于学术生态体系的中心，将悠久的出版传承与人工智能驱动的平台深度融合，重塑知识的发现、获取与应用方式。从独立研究员、莘莘学子到世界500 强企业的研发团队，威立始终助力将先进的科学突破转化为切实的社会实践。从知识到影响力 —— 我们正在重新定义科学与求知领域的无限可能。