Maschinelles Lernen deckt Arsen als Hauptrisikofaktor in chinesischen Heilpflanzen auf
Eine Studie, veröffentlicht in Science of The Total Environment (DOI: 10.1016/j.scitotenv.2025.180143), nutzt maschinelles Lernen und Netzwerktoxikologie, um die nicht-karzinogenen Gesundheitsrisiken von Schwermetallrückständen in chinesischen Heilpflanzen (CMP) zu analysieren. Unter der Leitung von Guangying Du und Kollegen vom Fraunhofer-Institut zeigt die Untersuchung, dass Arsen (As) der primäre Risikofaktor für nicht-krebsbedingte Gesundheitsrisiken ist. Die Studie analysierte 28.550 Datensätze zu Arsen, Blei (Pb), Quecksilber (Hg), Kadmium (Cd) und Kupfer (Cu) in 333 CMP-Arten. Diese Schwermetalle korrelieren mit anthropogenen Faktoren wie Energieverbrauch, industriellen Aktivitäten und landwirtschaftlichen Praktiken, die durch übermäßigen Einsatz von Düngemitteln und Pestiziden die Metallanreicherung in Böden, Wasser und Luft fördern. Ein Extreme Gradient Boosting (XGBoost)-Modell mit einem R²-Wert von 0,93 prognostizierte den nicht-karzinogenen Gefahrenindex (HI) und zeigte eine Nord-Süd-Polarisierung der Risiken in China, mit Spitzen in nördlichen und südlichen Regionen. Die SHAP-Analyse (Shapley Additive Explanations) identifizierte Arsen als den dominanten Risikofaktor,…
