Un nuevo estudio de la Universidad de Ciencia y Tecnología de China Oriental ha creado un nuevo enfoque para la evaluación cuantitativa del riesgo microbiológico (QMRA) en el monitoreo de fuentes de agua potable que utiliza aprendizaje automático (ML-QMRA). Los investigadores esperan que ML-QMRA se pueda utilizar junto con métodos de prueba convencionales para proporcionar estimaciones más rápidas de los riesgos de contaminación.

El estudio fue publicado en Biocontaminant y mostró cómo se probaron diferentes modelos de aprendizaje automático para determinar los mejores métodos para apoyar el análisis en tiempo real. Los modelos con mejor desempeño fueron validados comparando datos predichos con resultados de datos del mundo real para determinar cuáles eran más precisos.

“El monitoreo de rutina ya genera una gran cantidad de información ambiental. Nuestro objetivo era determinar si estas variables comúnmente medidas también podrían ayudarnos a anticipar la contaminación microbiana y traducir esas predicciones en estimaciones significativas del riesgo para la salud”, dijo Changzheng Cui, autor correspondiente del estudio.

El equipo se enfocó en tres bacterias indicadoras comunes y seis patógenos comunes en sus pruebas. Los investigadores señalaron la utilidad de esta información predictiva y esperan verificar aún más su marco en diferentes entornos, donde factores como las condiciones de uso y los sistemas de tratamiento pueden influir en la efectividad del sistema de monitoreo.