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

O solo sob nossos pés é frequentemente tratado como um palco silencioso e estático para a vida humana, mas em muitas partes do mundo, ele é um reservatório ativo de uma história química invisível. Quando metais pesados como chumbo, zinco ou cádmio entram no solo através da mineração, resíduos industriais ou emissões de veículos, eles não se decompõem nem desaparecem. Em vez disso, persistem por décadas, esperando para serem recolhidos pelo vento, lavados pela chuva ou, mais perigosamente, ingeridos por pessoas e animais. O risco que esses metais representam depende fortemente de quanto deles está presente, onde estão localizados e quem é exposto a eles. As crianças são unicamente vulneráveis; seus corpos menores, órgãos em desenvolvimento e a tendência natural de brincar na terra significam que elas absorvem essas toxinas com mais facilidade do que os adultos. Compreender o mapa preciso desta contaminação e prever quem está em perigo exige mais do que apenas coletar algumas amostras e adivinhar o resto. Exige uma maneira de enxergar os padrões invisíveis que conectam a química da terra à saúde de seus habitantes.

Na província noroeste de Zanjan, Irã, uma equipe de pesquisadores partiu para mapear este perigo oculto com detalhes sem precedentes. A região abriga a mina de Angouran, um dos maiores depósitos de zinco do Oriente Médio, que opera desde a década de 1960 ao lado de fundições ativas e cidades industriais. Por décadas, essas operações deixaram uma pegada química na terra circundante. Para entender o alcance total do problema, os pesquisadores coletaram solo de 357 locais diferentes em toda a província, criando uma densa grade de pontos de dados que cobriu toda a área. Eles mediram os níveis de seis metais específicos: zinco, cobre, cádmio, níquel, ferro e chumbo. Em vez de confiar em um único método para interpretar essa enorme quantidade de dados, eles recorreram a um conjunto de programas de computador avançados conhecidos como aprendizado de máquina. Esses programas atuam como motores de reconhecimento de padrões altamente treinados, capazes de encontrar relações complexas entre as concentrações de metais e os potenciais riscos à saúde que eles representam para os seres humanos.

O estudo revelou uma paisagem de contrastes acentuados. Enquanto algumas áreas mostraram níveis de metais próximos ao nível natural de fundo encontrado nas rochas da região, outras estavam saturadas de contaminação. O zinco foi o infrator mais disseminado, com quase 96 por cento dos locais amostrados apresentando níveis superiores ao nível natural de fundo, e alguns pontos contendo até trinta e quatro vezes a quantidade esperada. O cádmio, embora presente em quantidades absolutas menores, revelou-se o mais perigoso em termos de impacto na saúde porque é altamente tóxico mesmo em quantidades ínfimas e permanece no corpo humano por décadas. Os pesquisadores usaram seus modelos computacionais para rastrear as origens desta poluição. Eles identificaram três fontes distintas: uma assinatura de mineração e fundição dominada por zinco, cádmio e chumbo, concentrada ao redor da mina de Angouran; uma assinatura industrial de cobre e ferro ligada à Cidade Industrial de Zanjan; e um plano de fundo geológico natural de níquel e ferro que provém das próprias rochas locais.

O que tornou esta pesquisa particularmente poderosa foi sua capacidade de prever riscos à saúde com alta precisão usando diferentes tipos de modelos computacionais para diferentes objetivos. A equipe descobriu que nenhum programa de computador era perfeito para todas as tarefas. Para prever cargas gerais de poluição e riscos à saúde não relacionados ao câncer, um modelo chamado Gradient Boosting Regression funcionou melhor, mapeando com precisão onde o solo era perigoso. No entanto, para prever o risco de desenvolver câncer ao longo da vida, um modelo diferente chamado Support Vector Regression provou ser superior. Essa distinção era importante porque permitiu aos pesquisadores construir um quadro mais preciso da ameaça do que se tivessem forçado uma única ferramenta a fazer tudo. Sua análise confirmou que o cádmio e o chumbo eram os principais impulsionadores das ameaças imediatas à saúde não relacionadas ao câncer, enquanto o cobre e o níquel eram os principais contribuintes para os riscos de câncer a longo prazo.

Talvez a descoberta mais impressionante do estudo tenha sido a diferença dramática de risco entre crianças e adultos. Os pesquisadores calcularam que, embora apenas uma pequena fração dos locais representasse um risco à saúde não relacionado ao câncer para adultos, um massivo 35 por cento dos locais excedeu o limite de segurança para crianças. Em outras palavras, uma criança brincando no solo nesses locais enfrenta um risco de dano que é mais de doze vezes maior do que um adulto parado no mesmo lugar. Essa disparidade é impulsionada pelo fato de que as crianças ingerem mais solo em relação ao seu peso corporal e são mais sensíveis às toxinas. O estudo identificou cinco locais específicos de "hotspots", localizados logo ao lado dos rejeitos da mina, onde a contaminação era tão severa que uma ação imediata, como a limpeza ou o selamento do solo, é necessária para proteger a população local.

Os pesquisadores também utilizaram uma técnica que detalha exatamente qual metal é responsável pelo risco em qualquer localização. Eles descobriram que, nas áreas mais perigosas, o cádmio era o fator individual de maior peso para elevar os riscos à saúde acima do limite de segurança. Isso significa que, se o objetivo for tornar o solo seguro para as crianças, remover ou neutralizar o cádmio seria o passo inicial mais eficaz, mesmo que outros metais permaneçam. O estudo não apenas identificou o problema; ele forneceu um roteiro claro e baseado em dados para resolvê-lo. Ao combinar mapas espaciais detalhados com previsões computacionais avançadas, a equipe mostrou que a ameaça não é uniforme, mas concentrada em zonas específicas impulsionadas por atividades industriais específicas.

Este trabalho serve como um modelo de como a ciência moderna pode enfrentar crises de saúde ambiental. Ele vai além de simples medições para criar uma compreensão dinâmica e preditiva de como a poluição se move pelo ambiente e afeta a saúde humana. As descobertas sugerem que, em regiões intensivas em mineração, a proteção das crianças exige uma abordagem direcionada que reconheça sua vulnerabilidade única. O estudo conclui que é necessária intervenção imediata nas cinco zonas de hotspots identificadas, juntamente com o monitoramento regular do solo ao redor das cidades industriais e da própria mina. Ao focar nos metais específicos que impulsionam os maiores riscos, as autoridades podem priorizar seus esforços para limpar o ar e o solo, garantindo que o chão sob a província se torne uma base segura para a próxima geração.