Un estudio publicado el 10 de octubre en Scientific Reports desarrolló un marco de aprendizaje automático para examinar riesgos de corrosión industrial y para la salud a partir de 45 muestras de agua subterránea del valle de Souf, en Argelia. Los autores compararon una red neuronal artificial, un bosque aleatorio y un árbol de decisión para estimar índices de potencial de corrosión e incrustación y un índice de calidad del agua. El artículo informa de valores de R² de prueba superiores a 0,90 en seis de los ocho índices. Las afiliaciones de los autores también incluyen instituciones de Egipto, Emiratos Árabes Unidos y Arabia Saudí.

Los investigadores clasificaron el 60 % de las muestras como corrosivas y el 85 % con alto riesgo de corrosión; 10.000 iteraciones de Monte Carlo sobre la exposición a nitratos produjeron un índice medio de peligro infantil superior a 1. Los resultados proceden de una muestra pequeña de un solo acuífero y reflejan las condiciones hidroquímicas estudiadas para 2020; no son predicciones generales validadas en otras regiones o estaciones. El artículo no presenta el modelo como un sistema de vigilancia que sustituya las mediciones de campo.