Un equipo de investigadores del Nordeste argentino logró avances significativos en el desarrollo de un modelo predictivo para determinar características culinarias del arroz. El trabajo, impulsado por la UNNE en articulación con el INTA y la UTN Resistencia, utiliza espectroscopía de infrarrojo cercano, una tecnología no invasiva que permite obtener resultados de forma más ágil y sustentable.

Este método, conocido como FT-NIR (por sus siglas en inglés), analiza la composición de las muestras sin necesidad de destruirlas ni utilizar reactivos contaminantes. Es una alternativa que reduce tiempos de análisis y responde a la demanda de herramientas más eficientes y amigables con el ambiente.

El arroz es un cultivo estratégico para la Argentina, y Corrientes aporta casi la mitad de la producción nacional. En ese contexto, la necesidad de evaluar de forma precisa sus propiedades culinarias, como el volumen de expansión o el tiempo de cocción, es clave tanto para la comercialización como para el desarrollo de nuevas variedades.

Tradicionalmente, estos análisis requieren pruebas de laboratorio que consumen tiempo y recursos. Sin embargo, la tecnología aplicada en este estudio permite anticipar estos parámetros con mayor rapidez y sin alterar la muestra original, facilitando su integración en los programas de mejoramiento de cultivares del INTA.

Detalles técnicos y potencial del modelo

El equipo encabezado por la Lic. Andrea Paola Farco, del Laboratorio de Operaciones Unitarias de la FaCENA-UNNE, contó con la dirección de la Dra. Elisa Benítez (QuiTEX-UTN) y la co-dirección del Dr. Marcos Maiocchi. Para validar el modelo, se utilizaron 46 muestras de arroz pulido aportadas por el Laboratorio de Calidad de Semillas y Granos del INTA Corrientes.

Las muestras corresponden a las campañas 2021-2022 y 2022-2023, y fueron analizadas con un espectrofotómetro de infrarrojo cercano en el rango de 4000 a 10000 nanómetros. Entre los parámetros estudiados se incluyen absorción de agua, temperatura de gelatinización, volumen de expansión y peso de mil granos.

Los resultados obtenidos mostraron una buena correlación entre los datos del espectro y las características físicas reales de los granos cocidos. El Dr. Maiocchi explicó que el modelo funciona con base en una calibración previa y va “aprendiendo” a partir de cada nueva muestra que se incorpora.

La expectativa es que, con la incorporación de más datos durante la campaña 2023-2024, el modelo mejore aún más su capacidad predictiva. “A medida que aumente el número de muestras estudiadas se esperan mejores correlaciones”, aseguraron los investigadores.

Transferencia y sostenibilidad: una apuesta estratégica

Más allá de sus aplicaciones técnicas, el modelo tiene un alto potencial de transferencia hacia el sector productivo. Según explicaron Farco y Maiocchi, se trata de una herramienta útil para productores, empresas y programas de mejoramiento genético que buscan optimizar la calidad del grano sin aumentar los costos.

Además, el trabajo se inscribe en una línea de investigación basada en los principios de la “química verde”, que promueve procesos más sostenibles, reduciendo el uso de sustancias peligrosas y el impacto ambiental de los ensayos.

Los investigadores valoraron que este tipo de estudios surjan desde el ámbito público, con participación activa de universidades nacionales, que se consolidan como actores clave en la generación de conocimiento y la formación de profesionales al servicio del desarrollo regional.

El estudio demuestra que es posible integrar innovación tecnológica con criterios de sustentabilidad y vínculo directo con las economías regionales. Así, el arroz del Nordeste argentino suma una herramienta para ganar calidad y competitividad, con ciencia local como aliada.