Mức tiêu thụ dược phẩm toàn cầu đang tăng trưởng nhanh chóng hàng năm, đạt 4 tỷ liều vào năm 2020. Khi ngày càng có nhiều dược phẩm được cơ thể con người chuyển hóa và đi vào các nhà máy xử lý nước thải và nước thải, số lượng và loại chất vi lượng có trong chúng cũng ngày càng tăng. .
Phương pháp học máy để dự đoán hành vi của các chất vi lượng mới. Nguồn: Viện Khoa học và Công nghệ Hàn Quốc (KIST)
Khi các chất vi lượng này xâm nhập vào sông, đại dương và được sử dụng làm nguồn nước, chúng có thể gây ra tác hại cho môi trường và sức khỏe con người, bao gồm gây ung thư và rối loạn nội tiết. Do đó, cần có công nghệ để dự đoán nhanh chóng và chính xác tính chất và hoạt động của các chất vi lượng này, nhưng việc phân tích các chất vi lượng chưa biết đòi hỏi thiết bị đắt tiền, chuyên gia lành nghề và thời gian dài.
Một nhóm của Viện Khoa học và Công nghệ Hàn Quốc (KIST) do Hong Seok-won, người đứng đầu Trung tâm Nghiên cứu Chu trình và Tài nguyên Nước dẫn đầu, và Son Moon, nhà nghiên cứu cấp cao, đã phát triển một công nghệ để phân loại các chất vi lượng mới nổi theo đặc tính hóa lý của chúng. và dự đoán nồng độ của chúng bằng cách sử dụng công nghệ trí tuệ nhân tạo dựa trên phân cụm và dự đoán.
Các nhà nghiên cứu đã sử dụng bản đồ tự tổ chức, một kỹ thuật AI tập hợp dữ liệu thành bản đồ dựa trên sự giống nhau của chúng, để phân loại 29 chất vi lượng đã biết, bao gồm các hợp chất dược phẩm và caffeine, dựa trên thông tin như đặc tính hóa lý, nhóm chức năng và cơ chế phản ứng sinh học. Nghiên cứu được công bố trên tạp chí npj Clean Water .
Rừng ngẫu nhiên, một kỹ thuật học máy phân loại dữ liệu thành các tập hợp con, sau đó được xây dựng thêm để dự đoán các đặc tính và sự thay đổi nồng độ của các chất vi lượng mới.
Nếu một chất vi lượng mới thuộc một cụm trong bản đồ tự tổ chức thì có thể sử dụng tính chất của các chất khác trong cụm đó để dự đoán tính chất và nồng độ của chất vi lượng mới sẽ thay đổi như thế nào.
Kết quả của việc áp dụng mô hình AI phân cụm và dự đoán này (bản đồ tự tổ chức và rừng ngẫu nhiên) cho 13 chất vi lượng mới, độ chính xác dự đoán khoảng 0,75 là rất tuyệt vời, vượt xa độ chính xác dự đoán 0,40 của các kỹ thuật AI sử dụng thông tin sinh học hiện có.
So với các phương pháp dự đoán truyền thống dựa trên công thức, mô hình phân tích dựa trên dữ liệu của nhóm nghiên cứu KIST có ưu điểm là chỉ nhập các đặc tính hóa lý của các chất vi lượng và xác định hiệu quả nồng độ của các chất vi lượng mới sẽ thay đổi như thế nào trong quá trình xử lý nước thải thông qua việc phân cụm với chất có dữ liệu tương tự.
Ngoài ra, mô hình AI dựa trên dữ liệu có thể được sử dụng trong tương lai để dự đoán nồng độ của các chất mới như ma túy đang được xã hội quan tâm.
Tiến sĩ Seokwon cho biết: “Nó có thể được áp dụng không chỉ cho các nhà máy xử lý nước thải thực tế mà còn cho hầu hết các cơ sở liên quan đến xử lý nước, nơi tồn tại các chất vi lượng mới và có thể cung cấp dữ liệu nhanh chóng và chính xác trong quá trình hoạch định chính sách đối với các quy định liên quan”. Hong và Tiến sĩ Moon Son của KIST.
"Vì nó sử dụng công nghệ máy học nên độ chính xác của dự đoán sẽ được cải thiện khi dữ liệu liên quan được tích lũy."
