Peoples Water Data：信頼できる現場データ生成と家庭用飲料水における微生物汚染スクリーニングを可能にする

概要: 安全でない飲料水は、世界的に依然として重大な公衆衛生上の懸念であり、特に、通常の微生物学的監視が限られている低資源地域で顕著です。大腸菌（Escherichia coli）は糞便汚染の国際的に認められた指標ですが、研究室ベースの検査は、多くの場合、規模に応じて利用できません。本研究では、低コストの物理化学的ならびに文脈的指標を用いて、インドのチェンナイにおける分散型の家庭内の給水（ポイント・オブ・ユース）の飲料水中にE. coliが存在するかを予測するための2段階の機械学習フレームワークを開発し、評価しました。データセットは「Peoples Water Data」イニシアチブのもとで収集された3,023件のサンプルで構成されており、調和化、技術的クリーニング、外れ値スクリーニングの後、2,207件の有効サンプルが保持されました。
このフレームワークは、資源が制約された環境において微生物学的検査を優先順位付けするための、スケーラブルな意思決定支援ツールを提供するとともに、ポイント・オブ・ユースの汚染リスク評価における重要なギャップに対処します。予測モデリングにとどまらず、本研究はAI支援のフィールド実装フレームワークの中で実施されました。このフレームワークでは、学生向けのガイダンスとリアルタイムのQC（品質管理）を組み合わせることで、プロトコル遵守、追跡可能性、分散型の家庭用水モニタリングにおけるデータ信頼性の向上を図りました。