ESTANDARIZACIÓN DE DATOS DE EXPLOSIÓN DE VAPOR EN SUBPRODUCTOS AGROINDUSTRIALES: UNA BASE DE CONOCIMIENTO ASISTIDA POR MODELOS DE LENGUAJE PARA HABILITAR MODELOS PREDICTIVOS

El procesamiento de frutas genera entre un 50 y 60% de subproductos (pulpa, tallos, cáscaras y semillas) que suelen desecharse, a pesar de su contenido de fibra, polifenoles y vitaminas. Aunque comúnmente se estabilizan mediante deshidratación y molienda, o se tratan con tecnologías de extracción asistida (como ultrasonido o microondas), la explosión de vapor (EV) surge como una alternativa hidrotérmica verde en donde la matriz se somete a vapor a alta presión dentro de un reactor, para luego liberarla instantáneamente; esto hace que el agua interna se expanda y evapore bruscamente, modificando la estructura del material tratado. La EV ha sido ampliamente utilizada en la extracción de etanol a partir de fibras de madera, y se ha extendido al sector alimentario, en la aplicación en subproductos agroindustriales, para aumentar la bioaccesibilidad de ciertos componentes de interés, como fibra y polifenoles. No obstante, el volumen de datos experimentales generados a nivel científico se encuentra disperso en la literatura, presentando distintos niveles de estructuración, lo que dificulta su recopilación, comparación sistemática y transferencia efectiva hacia la industria alimentaria. Ante este escenario, las soluciones basadas en modelos de lenguaje de gran escala (LLM), integradas con capacidades de búsqueda, clasificación y trazabilidad de fuentes, constituyen una herramienta estratégica para acelerar los procesos de investigación y convertir información científica no estructurada en conocimiento organizado y reutilizable. Para abordar estas brechas, se está desarrollando un producto mínimo viable que sistematiza la evidencia disponible, reduce los tiempos de análisis y fortalece la base técnica para la valorización de subproductos agroindustriales. En fases posteriores, su evolución permitirá integrar esta evidencia con variables operacionales de la EV y habilitar el desarrollo y validación de modelos predictivos basados en técnicas de aprendizaje automático, orientados a evaluar escenarios y apoyar la toma de decisiones para la valorización de estos subproductos agroindustriales.