Una ricerca coreana fornisce un modello di rilevazione dei farmaci nelle acque reflue più preciso che mai
(Rinnovabili.it) – Nel 2020, il consumo mondiale di medicinali ha raggiunto le 4 miliardi di dosi, confermando un trend di crescita. Questi prodotti passano attraverso il corpo umano, aumentando la quantità di farmaci nelle acque reflue. Quando questi elementi in tracce finiscono nei fiumi e negli oceani, possono causare danni all’ambiente e alla salute umana. Tra questi, la carcinogenesi e l’interferenza del sistema endocrino.
Un ramo della scienza sta quindi lavorando per sviluppare tecnologie in grado di predire rapidamente e accuratamente le proprietà e il comportamento di queste sostanze. Ma l’analisi di composti sconosciuti richiede attrezzature costose, esperti qualificati e molto tempo.
Per ovviare a tali problemi strutturali, un team del Korea Institute of Science and Technology (KIST) ha cercato di sfruttare l’intelligenza artificiale. Così, ha sviluppato una tecnologia per classificare le sostanze in traccia in base alle loro proprietà fisico-chimiche e prevederne le concentrazioni. I ricercatori hanno utilizzato mappe auto-organizzanti, una tecnica di intelligenza artificiale che raggruppa i dati in mappe in base alle somiglianze, per classificare 29 elementi in tracce conosciuti, inclusi composti medicinali e caffeina. La tecnologia utilizza informazioni relative a gruppi funzionali (cioè parti delle strutture molecolari) e meccanismi di reazione biologica.
Successivamente, sono stati costruiti alberi decisionali casuali per regolare la tecnica di apprendimento automatico, così che preveda le proprietà e i cambiamenti di concentrazione dei nuovi elementi in tracce. Il sistema di clustering e previsione è stato applicato a 13 nuove sostanze, ottenendo un’accuratezza di previsione di circa 0.75, che supera di gran lunga l’accuratezza di 0.40 offerta dalle tecniche esistenti che utilizzano informazioni biologiche.
Rispetto ai metodi di previsione tradizionali, il modello ha il vantaggio di richiedere solo le proprietà fisico-chimiche degli elementi in tracce. Usando la tecnologia di clustering in base alle somiglianze dei gruppi funzionali, riesce poi identificare efficientemente come cambierà la concentrazione di nuove sostanze nel processo di trattamento delle acque reflue.
Il sistema potrebbe essere utilizzato in futuro per prevedere la concentrazione dei farmaci nelle acque reflue, dal momento che stanno diventando un problema sempre più evidente. E dato che utilizza la tecnologia di apprendimento automatico, l’accuratezza della previsione migliorerà man mano che si accumuleranno dati pertinenti.