基于电感耦合等离子体原子发射光谱法和混合机器学习框架的伊朗谷物产品重金属健康风险评估

《Scientific Reports》：Health risk assessment of heavy metals in Iranian cereal products using ICP-AES and a hybrid machine learning framework

　　

摘要

本研究评估了伊朗阿拉克 13 种常见谷物制品（11 个通心粉品牌、Ash-Novin 通心粉和小麦胚芽粉）中重金属污染相关的健康风险。使用电感耦合等离子体原子发射光谱法（ICP-AES）测定了砷（As）、镉（Cd）、汞（Hg）、铅（Pb）和铜（Cu）的浓度。通过计算每日摄入量（DI）、危害商数（HQ）和每日允许摄入限值（CR_lim）进行风险评估。测得的浓度范围（mg/kg）为：As（0–0.834）、Cd（0.0002–0.014）、Hg（0–0.502）、Pb（0–2.0）和 Cu（0–1.203）。Tak 品牌的 HQ 值最高（HQ = 1.657），主要由汞驱动；Zhik 品牌的 HQ 值为 0.928，主要由砷驱动，表明存在潜在的非致癌健康风险。相比之下，Zar、Mak 和 Jahan 品牌的 HQ 值均低于 0.01。开发了一种结合随机森林和梯度提升的混合集成机器学习框架来预测 HQ。该模型实现了高准确度（R² = 0.97，RMSE = 0.042），并确定汞（34%）和砷（28%）为主要风险因素，其次是铜（16%）、镉（12%）和铅（10%），证实了确定性结果。这种集成方法为快速食品安全筛查提供了稳健的方法。鉴于样本量有限（n=13），本研究应被视为初步探索性调查。