מי שתייה בטוחים תלויים לא רק בטיפול, אלא גם בידיעה מתי עשויים להימצא מיקרואורגניזמים מזיקים במי המקור. חוקרים פיתחו כעת מסגרת מונעת נתונים המשתמשת באינדיקטורים של איכות מים הנמדדים באופן שגרתי כדי לחזות ריכוזי פתוגנים ולהעריך את הסיכונים הבריאותיים הפוטנציאליים שלהם.
המחקר, שפורסם ב ביולוגי מזהםמשלב למידת מכונה עם הערכת סיכון מיקרוביאלית כמותית, או QMRA, ליצירת מסגרת ML-QMRA לניטור מקורות מי שתייה. הגישה יכולה להשלים בדיקות מיקרוביאליות קונבנציונליות על ידי מתן הערכות מהירות יותר של סיכוני זיהום מנתוני איכות מים זמינים.
ניטור שגרתי כבר מייצר כמות גדולה של מידע סביבתי. המטרה שלנו הייתה לקבוע אם משתנים אלה הנמדדים בדרך כלל יכולים גם לעזור לנו לצפות זיהום מיקרוביאלי ולתרגם את התחזיות הללו להערכות סיכון בריאותיות משמעותיות".
Changzheng Cui, מחבר המקביל של המחקר, אוניברסיטת מזרח סין למדע וטכנולוגיה
החוקרים אספו 95 דגימות מים עיליות משני מקורות מי שתייה בעיר מרכזית במזרח סין בין מאי 2024 לדצמבר 2025. הם עקבו אחר שלושה חיידקי אינדיקטור נפוצים, קוליפורמים צואתיים, Escherichia coliו Enterococcus faecalisיחד עם שישה פתוגנים: Pseudomonas aeruginosa, סלמונלה spp., שיגלה spp., adenovirus, norovirus ו- enterovirus.
התוצאות חשפו מגבלה חשובה של אינדיקטורים מיקרוביאליים קונבנציונליים. למרות ששלושת חיידקי האינדיקטורים הצואה היו בקורלציה מובהקת אחד עם השני, הקשרים שלהם עם פתוגנים ויראליים היו בדרך כלל חלשים או לא עקביים. משמעות הדבר היא כי אינדיקטורים חיידקיים לבדם עשויים שלא תמיד לשקף זיהום ויראלי בצורה מדויקת.
כדי לשפר את החיזוי, הצוות השווה שש גישות למידת מכונה, כולל רגרסיה ליניארית מרובת, חיזוק הריבועים הקטנים, עץ ההחלטה, מכונת תמיכת וקטור, יער אקראי ומודלים של פרספטרון רב שכבתי.
דגמי היער האקראי ועץ ההחלטה הציגו ביצועים טובים במיוחד, וכל הדגמים שעברו אופטימיזציה השיגו ערכי R² מעל 0.75. מודל עץ ההחלטה הראה ביצועים חזקים במיוחד עבור P. aeruginosaעם R² מעל 0.90. נתונים בלתי תלויים שנאספו בינואר ובפברואר 2026 שימשו גם לאימות זמני, שתמכו ביכולתם של רוב המודלים לבצע תחזיות מעבר לתקופת ההכשרה המקורית.
לאחר מכן, החוקרים קשרו את ריכוזי הפתוגנים החזויים לחישובי QMRA המתבטאים כשנות חיים מותאמות לנכות, או DALYs. רוב הסיכונים המשוערים נותרו מתחת לרף 10 של ארגון הבריאות העולמי−6 DALYs לאדם בשנה, אבל סלמונלה spp., שיגלה spp., ו- enterovirus הראו הסתברויות לחרוג ממדד זה בתנאי חשיפה לא נוחים.
הניתוח גם זיהה את יעילות החיטוי כגורם הדומיננטי המשפיע על הסיכון הבריאותי המשוער, תוך שימת דגש על החשיבות של טיפול יציב ויעיל במי שתייה.
כדי להפוך את המודלים של למידת מכונה לשקופים יותר, החוקרים השתמשו ב-SHapley Additive exPlanations, או SHAP. עכירות הייתה בין המנבאים החזקים ביותר לחיידקי אינדיקטור צואה, והיווה 41.6% עד 62.1% מחשיבות הניבוי במודלים אלה. טמפרטורה, חמצן מומס, גשמים ומשתני איכות מים אחרים תרמו באופן שונה בין פתוגנים בודדים.
המחקר מראה כי מדידות פיזיקוכימיות שגרתיות יכולות לספק מידע חיזוי שימושי לגבי רמות הפתוגנים והסיכונים הבריאותיים הפוטנציאליים הקשורים אליהם. עם זאת, המחברים מדגישים כי המסגרת עדיין דורשת אימות על פני פרשת מים שונים, עונות, מערכות טיפול ותנאי שימוש בקרקע.
שילוב עתידי של מודלים של ML-QMRA עם מערכות ניטור בזמן אמת עשוי לעזור למנהלי מים לזהות תקופות של סיכון מיקרוביאלי מוגבר מוקדם יותר ולתמוך בהתערבויות ממוקדות יותר לבטיחות מים.
