Aplicación del marco basado en IA para el análisis de la dinámica de los contaminantes orgánicos persistentes (COP)...

Área de la Ciencia:

• Ciencias del medio ambiente
• Toxicología
• Ciencia de los datos

Sus antecedentes:

• El biomonitoreo de la leche humana ha rastreado contaminantes como los bifenilos policlorados (PCB) y los pesticidas organoclorados (OCP) durante décadas.
• Comprender las interacciones de los contaminantes y los patrones de coexposición en matrices complejas como la leche humana sigue siendo un desafío.
• La inteligencia artificial (IA) ofrece capacidades avanzadas de modelado de datos para mejorar el biomonitoreo, pero su aplicación en este campo está subutilizada.

Objetivo del estudio:

• Aplicar un marco basado en la IA para analizar la dinámica de los contaminantes en la leche humana.
• Identificar los factores predictivos y las interacciones clave que influyen en los niveles de bifenilo policlorado 170 (PCB-170).
• Abogar por la revisión de las estrategias de seguimiento biológico centradas en la evaluación de múltiples contaminantes.

Principales métodos:

• Utilizó un marco de IA que integra el aprendizaje automático, la optimización de hiperparámetros y la IA explicable (SHAP).
• Se analizaron 24 contaminantes orgánicos persistentes (POP) en muestras de leche materna de 186 madres.
• Predictores investigados e interacciones que afectan a las concentraciones de PCB-170.

Principales resultados:

• Los PCB hexa- y hepta-clorados (PCB-180, -153, -138) y p,p'-DDE fueron los predictores más influyentes del PCB-170.
• La edad materna y otros POP mostraron una influencia insignificante en los niveles de PCB-170.
• El análisis SHAP reveló un comportamiento e interacciones significativas entre los congéneres de PCB altamente clorados.

Conclusiones:

• Las interacciones entre contaminantes, especialmente entre los PCB altamente clorados, son cruciales para una evaluación precisa del riesgo.
• Las estrategias de seguimiento actuales deben revisarse para dar prioridad a las evaluaciones de múltiples contaminantes.
• Centrarse en grupos de PCB toxicológicamente relevantes puede mejorar la evaluación del riesgo de exposición en el mundo real.