Machine Learning-Based Spatial Mapping, Source Apportionment and Health Risk Prediction of Heavy Metal Contamination in Zanjan Province, Iran

El suelo bajo nuestros pies es a menudo tratado como un escenario silencioso y estático para la vida humana, pero en muchas partes del mundo, es un reservorio activo de una historia química invisible. Cuando metales pesados como el plomo, el zinc o el cadmio entran en el suelo a través de la minería, los desechos industriales o las emisiones de vehículos, estos no se descomponen ni desaparecen. En cambio, persisten durante décadas, esperando ser recogidos por el viento, lavados por la lluvia o, más peligrosamente, ingeridos por personas y animales. El riesgo que estos metales representan depende en gran medida de cuánto haya de ellos presente, dónde se encuentren y quién esté expuesto a ellos. Los niños son excepcionalmente vulnerables; sus cuerpos más pequeños, sus órganos en desarrollo y su tendencia natural a jugar en la tierra significan que absorben estas toxinas con mayor facilidad que los adultos. Comprender el mapa preciso de esta contaminación y predecir quién está en peligro requiere más que simplemente tomar algunas muestras y adivinar el resto. Exige una forma de ver los patrones invisibles que conectan la química de la tierra con la salud de sus habitantes.

En la provincia noroccidental de Zanjan, Irán, un equipo de investigadores se propuso mapear este peligro oculto con un detalle sin precedentes. La región es el hogar de la mina Angouran, uno de los depósitos de zinc más grandes de Oriente Medio, que ha estado operando desde la década de 1960 junto con fundiciones activas y pueblos industriales. Durante décadas, estas operaciones han dejado una huella química en las tierras circundantes. Para comprender el alcance total del problema, los investigadores recolectaron suelo de 357 ubicaciones diferentes en toda la provincia, creando una densa cuadrícula de puntos de datos que cubría toda el área. Midieron los niveles de seis metales pesados específicos: zinc, cobre, cadmio, níquel, hierro y plomo. En lugar de confiar en un solo método para interpretar esta enorme cantidad de datos, recurrieron a un conjunto de programas informáticos avanzados conocidos como aprendizaje automático (machine learning). Estos programas actúan como motores de reconocimiento de patrones altamente entrenados, capaces de encontrar relaciones complejas entre las concentraciones de metales y los riesgos potenciales para la salud que estos representan.

El estudio reveló un paisaje de contrastes marcados. Mientras que algunas áreas mostraban niveles de metales cercanos al fondo natural encontrado en las rocas de la región, otras estaban saturadas de contaminación. El zinc fue el infractor más extendido, con casi el 9 de por ciento de los sitios muestreados mostrando niveles superiores al fondo natural, y algunos puntos conteniendo hasta treinta y cuatro veces la cantidad esperada. El cadmio, aunque presente en cantidades absolutas menores, resultó ser el más peligroso en términos de impacto para la salud debido a que es altamente tóxico incluso en cantidades diminutas y permanece en el cuerpo humano durante décadas. Los investigadores utilizaron sus modelos computacionales para rastrear los orígenes de esta contaminación. Identificaron tres fuentes distintas: una firma de minería y fundición dominada por zinc, cadmio y plomo, concentrada alrededor de la mina Angouran; una firma industrial de cobre e hierro vinculada a la Ciudad Industrial de Zanjan; y un fondo geológico natural de níquel e hierro que proviene de las propias rocas locales.

Lo que hizo que esta investigación fuera particularmente poderosa fue su capacidad para predecir riesgos para la salud con alta precisión utilizando diferentes tipos de modelos computacionales para diferentes objetivos. El equipo encontró que ningún programa informático era perfecto para cada tarea. Para predecir las cargas generales de contaminación y los riesgos para la salud no relacionados con el cáncer, un modelo llamado Regresión de Potenciación de Gradiente (Gradient Boosting Regression) funcionó mejor, mapeando con precisión dónde era peligroso el suelo. Sin embargo, para predecir el riesgo de desarrollar cáncer a lo largo de la vida, un modelo diferente llamado Regresión de Vectores de Soporte (Support Vector Regression) resultó superior. Esta distinción era importante porque permitió a los investigadores construir una imagen más precisa de la amenaza que si hubieran forzado a una sola herramienta a hacer todo. Su análisis confirmó que el cadmio y el plomo eran los principales impulsores de las amenazas inmediatas para la salud no relacionada con el cáncer, mientras que el cobre y el níquel eran los principales contribuyentes a los riesgos de cáncer a largo plazo.

Quizás el hallazgo más sorprendente del estudio fue la dramática diferencia de riesgo entre niños y adultos. Los investigadores calcularon que, mientras que solo una pequeña fracción de los sitios representaba un riesgo para la salud no relacionada con el cáncer para los adultos, un masivo 35 por ciento de los sitios excedía el umbral de seguridad para los niños. En otras palabras, un niño jugando en el suelo en estas ubicaciones enfrenta un riesgo de daño que es más de doce veces mayor que el de un adulto parado en el mismo lugar. Esta disparidad es impulsada por el hecho de que los niños ingieren más suelo en relación con su peso corporal y son más sensibles a las toxinas. El estudio señaló cinco sitios específicos de "puntos calientes" (hotspots), ubicados justo al lado de los relaves de la mina, donde la contaminación era tan severa que se requiere una acción inmediata, como la limpieza o el sellado del suelo, para proteger a la población local.

Los investigadores también utilizaron una técnica que desglosa exactamente qué metal es responsable del riesgo en cualquier ubicación determinada. Encontraron que, en las áreas más peligrosas, el cadmio era el factor individual más grande que impulsaba los riesgos para la salud por encima del límite de seguridad. Esto significa que, si el objetivo es hacer que el suelo sea seguro para los niños, eliminar o neutralizar el cadmio sería el paso más efectivo, incluso si otros metales permanecen. El estudio no solo identificó el problema; proporcionó una hoja de ruta clara y basada en datos para resolverlo. Al combinar mapas espaciales detallados con predicciones computacionales avanzadas, el equipo demostró que la amenaza no es uniforme, sino que está concentrada en zonas específicas impulsadas por actividades industriales específicas.

Este trabajo sirve como un modelo de cómo la ciencia moderna puede abordar las crisis de salud ambiental. Va más allá de las simples mediciones para crear una comprensión dinámica y predictiva de cómo la contaminación se mueve a través del medio ambiente y afecta la salud humana. Los hallazgos sugieren que, en regiones con alta actividad minera, la protección de los niños requiere un enfoque dirigido que reconozca su vulnerabilidad única. El estudio concluye que se necesita una intervención inmediata en las cinco zonas de puntos calientes identificadas, junto con un monitoreo regular del suelo alrededor de las ciudades industriales y de la propia mina. Al enfocarse en los metales específicos que impulsan los mayores riesgos, las autoridades pueden priorizar sus esfuerzos para limpiar el aire y el suelo, asegurando que el suelo bajo la provincia se convierta en una base segura para la próxima generación.