En un avance tecnológico que marca un hito en la industria del tratamiento del agua, el Instituto de Ciencia y Tecnología de Corea (KIST) ha logrado desarrollar una tecnología basada en inteligencia artificial (IA) que promete transformar la forma en que abordamos la contaminación emergente en aguas residuales. Este logro, liderado por los expertos Hong Seok-won y Son Moon, representa una respuesta crucial al creciente desafío de la contaminación farmacéutica en los sistemas de agua.
La importancia de este desarrollo radica en su capacidad para predecir y clasificar de manera precisa y eficiente los contaminantes emergentes, como compuestos medicinales y cafeína, mediante el uso de mapas autoorganizativos y algoritmos de bosques aleatorios en aprendizaje automático. Estos métodos no solo agilizan el análisis de sustancias desconocidas, sino que también ofrecen una solución más económica en comparación con los métodos tradicionales.
El consumo global de productos farmacéuticos ha experimentado un crecimiento vertiginoso en los últimos años, alcanzando la impresionante cifra de 4 mil millones de dosis en 2020. A medida que más productos farmacéuticos se metabolizan en el cuerpo humano y llegan a las plantas de tratamiento de aguas residuales, la cantidad y variedad de sustancias traza que se encuentran en ellas también aumenta. Cuando estas sustancias traza llegan a ríos y océanos y se utilizan como fuentes de agua, pueden tener efectos perjudiciales en el medio ambiente y la salud humana, incluyendo la carcinogénesis y la interrupción endocrina. Por lo tanto, es crucial contar con tecnologías que permitan predecir de manera rápida y precisa las propiedades y el comportamiento de estas sustancias traza.
El KIST ha logrado desarrollar una tecnología basada en inteligencia artificial (IA) que promete transformar la forma en que abordamos la contaminación emergente en aguas residuales
El equipo de investigadores del KIST, encabezado por Hong Seok-won, director del Centro de Investigación de Recursos y Ciclo del Agua, y Son Moon, investigador principal, ha desarrollado una tecnología que clasifica las sustancias traza emergentes según sus propiedades fisicoquímicas y predice sus concentraciones utilizando tecnología de IA basada en agrupamiento y predicción.
Para lograr esto, se emplearon mapas autoorganizativos, una técnica de IA que agrupa datos en mapas según sus similitudes, para clasificar 29 sustancias traza conocidas, incluyendo compuestos medicinales y cafeína, en función de información como sus propiedades fisicoquímicas, grupos funcionales y mecanismos de reacción biológica. Posteriormente, se construyeron bosques aleatorios, una técnica de aprendizaje automático que clasifica datos en subconjuntos, para predecir las propiedades y cambios de concentración de nuevas sustancias traza. Si una nueva sustancia traza pertenece a un grupo en el mapa autoorganizativo, las propiedades de otras sustancias en ese grupo se utilizan para predecir cómo cambiarán las propiedades y la concentración de la nueva sustancia traza.
El resultado de aplicar este modelo de IA de agrupamiento y predicción (mapa autoorganizativo y bosque aleatorio) a 13 nuevas sustancias traza fue una precisión de predicción de alrededor del 0,75, superando con creces la precisión de predicción del 0,40 de las técnicas de IA existentes que utilizan información biológica.
En comparación con los métodos de predicción tradicionales basados en fórmulas, el modelo de análisis basado en datos del equipo de investigación de KIST tiene la ventaja de solo requerir la entrada de las propiedades fisicoquímicas de las sustancias traza y de identificar eficientemente cómo cambiará la concentración de las nuevas sustancias traza en el proceso de tratamiento de aguas residuales a través del agrupamiento con sustancias con datos similares. Además, el modelo de IA basado en datos se puede utilizar en el futuro para predecir la concentración de nuevas sustancias como medicamentos que son motivo de preocupación social.
El Dr. Seokwon Hong y el Dr. Moon Son, coautores principales de KIST, señalan que «esto se puede aplicar no solo a las plantas de tratamiento de aguas residuales reales, sino también a la mayoría de las instalaciones relacionadas con el tratamiento de agua donde existen nuevas sustancias traza, y puede proporcionar datos rápidos y precisos en el proceso de toma de decisiones para regulaciones relacionadas. Dado que utiliza tecnología de aprendizaje automático, la precisión de la predicción mejorará a medida que se acumule más datos relevantes».
El modelo de análisis basado en datos del equipo de investigación de KIST tiene la ventaja de solo requerir la entrada de las propiedades fisicoquímicas de las sustancias traza
Este logro no solo refleja el compromiso de Corea con la innovación tecnológica en el sector del agua, sino que también destaca la creciente tendencia de adoptar soluciones digitales para mejorar la eficiencia y efectividad en el tratamiento y monitoreo del agua. Estamos presenciando un cambio de paradigma en la gestión de recursos hídricos y el tratamiento de aguas residuales, donde la combinación de conocimientos expertos y herramientas de IA abre nuevas puertas para abordar desafíos ambientales complejos.
Fuente: iAgua