هوش مصنوعی خطر آلودگی آب آشامیدنی را تشخیص می‌دهد

پژوهشگران یادگیری ماشین با ترکیب ارزیابی کمی خطر میکروبی (QMRA) و ایجاد چارچوب "ML-QMRA" برای پایش منابع آب آشامیدنی اقدام کردند. این رویکرد به عنوان مکمل آزمایش‌های متداول میکروبی، می‌تواند با بهره‌گیری از داده‌های موجود درباره کیفیت آب، برآوردهای سریع‌تری از خطر آلودگی ارائه دهد. پژوهشگر ارشد، چانگ‌ژنگ کوی، دانشگاه علم و فناوری شرق چین، توضیح داد که هدف این پژوهش بررسی امکان پیش‌بینی آلودگی میکروبی با استفاده از متغیرهای اندازه‌گیری شده در پایش معمول است. این پژوهش بین ماه مه 2024 تا دسامبر 2025 انجام شد. در این مدت، ۹۵ نمونه آب سطحی از دو منبع آب آشامیدنی یک شهر بزرگ شرق چین جمع‌آوری و برای بررسی سه باکتری شاخص (کلیفرم‌های مدفوعی، اشریشیا کلی و انتروکوکوس فکالیس) و شش عامل بیماری‌زا (سودوموناس آئروژینوزا، گونه‌های سالمونلا، گونه‌های شیگلا، آدنوویروس، نوروویروس و انتروویروس) مورد تجزیه و تحلیل قرار گرفتند. نتایج نشان داد که ارتباط بین شاخص‌های میکروبی با عوامل بیماری‌زا ویروسی در بیشتر موارد ضعیف یا نامنظم است. این یافته‌ها محدودیت‌های شاخص‌های میکروبی متداول را برجسته می‌کند. برخی از مدل‌های یادگیری ماشین توانستند میزان یکی از باکتری‌های بیماری‌زا را با دقت بیش از ۹۰ درصد پیش‌بینی کنند.