ヒトの母乳における持久性有機汚染物質 (POP) の動態分析のためのAIベースの枠組みの適用

科学分野:

• 環境科学
• 毒理学について
• データサイエンス

背景:

• ヒト乳のバイオモニタリングは ポリ塩化ビフェニル (PCB) やオルガノ塩素農薬 (OCP) のような汚染物質を 何十年も追跡してきました
• 母乳のような複雑なマトリックスにおける 汚染物質の相互作用と共曝露パターンの理解は依然として課題です
• 人工知能 (AI) は,強化されたバイオモニタリングのための高度なデータモデリング機能を提供していますが,この分野でのアプリケーションは十分に活用されていません.

研究 の 目的:

• 人工知能に基づく枠組みを適用し,母乳の汚染物質の動態を分析する.
• ポリ塩化ビフェニル-170 (PCB-170) レベルに影響を与える主要な予測要因と相互作用を特定する.
• 多重汚染物質の評価に焦点を当てた バイオモニタリング戦略の改正を提唱する.

主な方法:

• 機械学習,ハイパーパラメータ最適化,説明可能なAI (SHAP) を統合したAIフレームワークを使用しました.
• 186人の母親から採取した母乳のサンプルで 24の持続性有機汚染物質 (POP) を分析した.
• PCB-170濃度に影響を与える予測要因と相互作用を調査した.

主要な成果:

• ヘクサおよびヘプタ塩化PCB (PCB-180, -153, -138) とp,p'-DDEはPCB-170の最も有力な予測因子であった.
• 母親の年齢と他のPOPはPCB-170濃度に影響を及ぼさないことが示された.
• SHAP分析では,高塩素化PCBの共同行動と相互作用が明らかになった.

結論:

• 汚染物質の相互作用は,特に高塩素化PCBの相互作用は,正確なリスク評価に不可欠です.
• 多重汚染物質の評価を優先させるため,現在の監視戦略を改定する必要があります.
• 毒理学的に重要なPCBグループに焦点を当てれば,現実の暴露リスクの評価が改善できます.