تعتبر التلوث بالمعادن الثقيلة في التربة واحدة من أكبر التحديات البيئية التي تواجه المناطق الحضرية المتسارعة في غانا، خاصة في مواقع التخلص من النفايات غير المنظمة. في هذه الدراسة، تم تطبيق إطار عمل للتعلم الآلي غير الخاضع للرقابة (Unsupervised Learning) للكشف عن نمط التلوث بمعادن ثقيلة وتحليلها في التربة عند اثني عشر موقعاً مختلفًا، بما في ذلك مواقع النفايات والمناطق السكنية في المنطقة الوسطى من غانا.

تم تحليل تركيزات ثمانية معادن (الزرنيخ (As)، والكادميوم (Cd)، والكروم (Cr)، والنحاس (Cu)، والزئبق (Hg)، والنيكل (Ni)، والرصاص (Pb)، والزنك (Zn)) جنباً إلى جنب مع مؤشرات الصحة العامة القياسية، مثل مؤشر المخاطر (Hazard Index - HI) ومخاطر السرطان المحتملة مدى الحياة (Incremental Lifetime Cancer Risk - ILCR).

استخدمت الدراسة تقنيات مثل Isolation Forest وPCA لاكتشاف ضمان عينة غير طبيعية، حيث تم التعرف على 12 عينة شاذة (15.4% من 78 عينة). وعلاوة على ذلك، أظهرت النتائج تركزاً ملحوظاً لهذه الشذوذات في موقع واحد محدد، مما يؤكد فعالية الأساليب المتبعة. على وجه الخصوص، أظهرت الشذوذات متوسط قيم HI تتجاوز بشكل ملحوظ القيم الطبيعية، حيث ووصلت جميعها إلى حد الخطر HI=1.

هذا البحث يقدم دليلاً قوياً على أن التعلم الآلي غير الخاضع للرقابة يمكن أن يقدم رؤى دقيقة وموضوعية تتجاوز المؤشرات الإجمالية، مما يعزز إجراء تقييمات مستهدفة وإدارة بيئية تعتمد على المخاطر. كم تقييمك لاستخدام الذكاء الاصطناعي في مجال البيئة؟ هل تعتقد أنه سيساهم في تحسين النتائج الصحية؟