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, gefolgt von Pb, Hg und Cd, während Cu nur geringen Einfluss hat. Eine neu entdeckte exponentielle Beziehung (R² = 0,91) zwischen Arsen und dem HI unterstreicht dessen zentrale Rolle. Netzwerktoxikologie ergab, dass Arsen über Mechanismen wie Autophagie, Apoptose, Lipidstoffwechselstörungen und oxidativen Stress nicht-karzinogene Erkrankungen wie Herz-Kreislauf-Probleme (z. B. Arrhythmien, Hypertonie) auslöst.
Die Ergebnisse betonen die Notwendigkeit strengerer Arsenkontrollen, teilespezifischer Vorschriften und regionaler Sicherheitsstrategien, um die Gesundheitsrisiken von CMP zu minimieren. Das innovative XGBoost-SHAP-Modell überwindet die Grenzen traditioneller Risikobewertungen, indem es komplexe, nichtlineare Zusammenhänge präzise erfasst. Die Studie fordert verstärkte Überwachung und internationale Standards, um die Sicherheit von CMP zu gewährleisten, die weltweit von bis zu 80 % der Bevölkerung genutzt werden.
Quelle:
Machine learning and network toxicology reveal arsenic as a key driver of non-carcinogenic health risks from heavy metal residues in Chinese medicinal plants – ScienceDirect
