هوش مصنوعی خطر آلودگی آب آشامیدنی را تشخیص می‌دهد

پژوهشگران با تلفیق هوش مصنوعی و ارزیابی کمی خطر میکروبی، چارچوب نوینی برای پیش‌بینی آلودگی و ارتقای ایمنی منابع آب آشامیدنی توسعه داده‌اند.

توسعه چارچوب نوین پایش آب

ایمنی آب آشامیدنی تنها به مرحله تصفیه وابسته نیست، بلکه آگاهی به موقع از حضور میکروارگانیسم‌های مضر در منابع آبی اهمیت حیاتی دارد. در همین راستا، محققان چارچوبی مبتنی بر داده موسوم به «ام‌ال-کیوام‌آرای» (ML-QMRA) را طراحی کرده‌اند که با بهره‌گیری از شاخص‌های معمول کیفیت آب، غلظت عوامل بیماری‌زا و خطرات احتمالی آنها برای سلامت انسان را پیش‌بینی می‌کند.

ارزیابی نمونه‌ها و محدودیت شاخص‌های سنتی

در این پژوهش که بین ماه‌های مه ۲۰۲۴ تا دسامبر ۲۰۲۵ انجام شد، ۹۵ نمونه آب سطحی از دو منبع بزرگ در شرق چین مورد بررسی قرار گرفت. نتایج نشان داد که اگرچه ارتباط معناداری میان باکتری‌های شاخص مدفوعی وجود دارد، ارتباط آنها با عوامل بیماری‌زای ویروسی اغلب ضعیف و نامنظم است که این امر محدودیت شاخص‌های باکتریایی سنتی را آشکار می‌سازد.

عوامل مؤثر بر خطر سلامت آب

ارزیابی‌های انجام شده نشان داد که بیشتر خطرهای برآورد شده پایین‌تر از حد معیار سازمان جهانی بهداشت قرار دارد، اما در شرایط نامطلوب، آلودگی ناشی از سالمونلا، شیگلا و انتروویروس می‌تواند از حد مجاز فراتر رود. همچنین مشخص شد که فرایند گندزدایی، کلیدی‌ترین عامل در کاهش خطرات سلامت است.

«کدر بودن آب، یکی از مهم‌ترین عوامل در پیش‌بینی باکتری‌های شاخص آلودگی مدفوعی است و بین ۴۱.۶ تا ۶۲.۱ درصد از اهمیت پیش‌بینی را به خود اختصاص می‌دهد.»

چشم‌انداز آینده در پایش منابع آب

ترکیب مدل‌های یادگیری ماشین با سامانه‌های پایش لحظه‌ای می‌تواند ابزاری کارآمد برای مدیران آب فراهم کند تا دوره‌های افزایش خطر آلودگی را زودتر شناسایی کرده و اقدامات ایمنی هدفمندتری را به اجرا درآورند.