南京師范大學環境學院污染物環境行為與控制團隊在新污染物環境分析研究領域取得重要進展。相關成果以“Accurate prediction of pollution and health risks of iodinated X-ray contrast media in Taihu Lake with machine learning and revealing key environmental factors”為題發表在環境領域頂級期刊Water Research上（https://doi.org/10.1016/j.watres.2024.122999）。團隊博士畢業生程心瀅為該論文第一作者，何歡教授為通訊作者，南京師范大學環境學院為第一單位和通訊單位。

碘代X射線造影劑（ICM）是水生環境中普遍以較高濃度被檢測到的一類典型藥物，因其持續污染、廣泛分布和潛在健康風險而引起研究關注。但由于檢測分析過程繁瑣，方法復雜，耗費成本高，這些因素阻礙了水環境中ICM相關研究的開展。目前有關整個湖泊/河流尺度上ICM的污染水平變化和分布趨勢研究非常有限，仍然缺乏ICM污染的基礎數據集，且環境因素對ICM污染的潛在影響尚不清楚，亟需開展相關工作。

本研究結合SPE-HPLC-HRMS分析方法和機器學習技術，全面闡明太湖地表水中ICM的時空分布和健康風險，開發準確預測ICM污染和風險水平的模型，并深入探索ICM與環境因素間的復雜關系。2021年至2022年期間，太湖地表水中Σ₇ICM的濃度范圍為10.8至454.6 ng/L，表現出明顯的空間和季節變化，反映了水文動力學和氣候條件的影響。當前暴露水平下ICM對人類健康未構成直接威脅，但由于水源地檢測到較高濃度的ICM，仍需持續關注。在所應用的9種機器學習模型中，隨機森林模型實現了對ICM最準確（R²≥0.92）的預測，為未來使用機器學習實現ICM的日常風險監測典型了基礎。通過模型的特征重要性排序和線性關系分析識別了影響ICM的主要環境因素，揭示了地理和氣候條件，來源輸入、生物和水文活動等因素均在太湖ICM賦存中發揮了重要作用。本研究提供了一個系統的方法框架，包括污染預測、風險監測和關鍵環境因素識別，為機器學習在痕量有機污染物分析中的應用提供了科學、系統的方法和技術。