AFB International的Ana Rita Monforte博士将在2026年宠物食品论坛上介绍一个在动物试验前预测适口性结果的框架。

适口性长期以来一直是宠物食品开发中最重要——也是最耗费资源的——变量之一。动物测试仍是行业标准，但AFB International全球风味和数据科学经理Ana Rita Monforte博士正致力于改变这一等式。在2026年宠物食品论坛上，她将介绍一个使用AI在首次动物试验前预测适口性表现的框架。

"关键要点是，我们可以利用结构化历史数据和预测模型，在动物试验前开始估算适口性表现，"Monforte说。"适口性不是由单一配料驱动，而是由配方、加工和食品基质之间的复杂相互作用驱动。"

从孤立数据到决策级信号

该方法的核心是将历史上碎片化的适口性数据转换为结构化、可用的框架。通过关联配方变量、加工条件和性能结果，AI系统生成预测信号，可以在开发过程的早期——在体内暴露之前——为决策提供信息。

"对于宠物食品行业，这种方法提供了一种更系统的方式来设计适口产品，"Monforte说。"预测模型不仅依赖经验测试，还可以帮助更早识别有前景的配方，优先排序原型，并更好地利用动物试验。"

除了加速开发时间线，该框架还限制了实验设计搜索空间，支持配方过程中的配料选择，并能够设计针对特定配方架构和加工条件调整的下一代诱食剂。

对于AFB International而言，价值既是战略性的也是运营性的。"通过协调数据并关联配方、加工和性能，我们创建了一个支持更好决策的系统，"Monforte说。"目标不是取代科学专业知识，而是用更好的数据和分析工具来加强它。"

开发方式的转变

Monforte将这项工作的更广泛意义框定为开发哲学的转变，从直觉主导的迭代转向证据辅助的设计。她认为，随着配方变得越来越复杂，数据驱动工具变得不再是可选项，而是更加必不可少。

"随着宠物食品配方变得越来越复杂，数据驱动工具可以帮助指导开发，减少试错，并将测试集中在最有前景的解决方案上，"她说。

动物试验在该模式中并未被消除——而是被重新定位，Monforte指出。它们不再作为广泛的探索工具，而是成为精心设计原型的确认步骤，将资源集中在最重要的地方。

未来展望

展望未来，Monforte预计预测方法将与配方和加工设计更深入地整合。未来模型将越来越多地考虑颗粒结构、挤压条件和配料变异性等因素。

"动物试验仍将是必不可少的，但它们将更多地专注于确认精心设计的原型，而非广泛探索，"她说。"这种向更有针对性、数据知情开发的转变将成为宠物食品行业的重要竞争优势。"

本文来源于petfoodindustry， 文章版权归原作者所有，仅作学习交流使用，不涉及商业用途。若涉及版权问题或认为内容不宜传播，请及时联系我们，我们将在第一时间删除内容或妥善处理。 转载此文并不代表本公众号观点，本公众号仅为信息传播平台，不对文章内容真实性、准确性承担责任。