Cuantificar la media, la variabilidad y la incertidumbre en la exposición doméstica al radón en Pensilvania usando modelos random forest y quantile regression forest

Por qué importa un gas invisible en el hogar

El radón es un gas radiactivo incoloro e inodoro que puede filtrarse a las viviendas desde el suelo y aumentar el riesgo de cáncer de pulmón, especialmente en no fumadores. Muchos mapas muestran solo niveles medios de radón para áreas grandes como los condados, lo que puede ocultar focos peligrosos a familias y autoridades de salud pública. Este estudio plantea una pregunta simple con grandes consecuencias: ¿cómo podemos usar las herramientas de datos modernas para ver no solo el riesgo medio en un vecindario, sino también cuánto varía ese riesgo de una vivienda a otra?

Mirando más allá de los mapas por condado

Los investigadores se centraron en Pensilvania, un estado conocido por sus altos niveles de radón, y examinaron más de 1,6 millones de pruebas de radón en interiores recogidas entre 2008 y 2021. Tras aplicar controles de calidad estrictos, analizaron alrededor de 718 000 pruebas de más de 1 500 áreas de códigos postales. En lugar de quedarse en los promedios por condado, trabajaron a escala de zonas de tabulación de códigos postales, que están más cerca de las comunidades reales. Combinaban los datos de radón con más de 60 tipos de información sobre geología local, suelo, agua, clima y características de la vivienda, como el tipo de suelo, la elevación, la temperatura y cómo se calientan las casas.

Cómo los modelos inteligentes interpretan el paisaje

Para dar sentido a esta rica mezcla de datos, el equipo empleó técnicas de aprendizaje automático llamadas random forest y quantile regression forest. Estos métodos buscan patrones entre muchas variables a la vez, aprendiendo cómo las combinaciones de suelo, roca, clima y características constructivas se relacionan con los niveles de radón. Un modelo estimó el nivel típico o medio de radón en cada área postal. Otro se centró en cuánto varían los niveles de radón dentro de un área. Un tercer modelo predijo no solo la mediana del rango de radón sino también los extremos superiores, como el percentil 75 y 90, que representan viviendas con lecturas inusualmente altas.

Qué moldea los patrones de radón en las comunidades

Los modelos mostraron que los niveles medios de radón en una comunidad están fuertemente vinculados a lo fácil que los gases se mueven por el suelo, una propiedad conocida como permeabilidad, junto con características relacionadas como la conductividad hidráulica saturada. Las áreas con suelos más permeables tienden a presentar niveles medios interiores de radón más altos. El combustible para calefacción también tuvo importancia: los lugares que dependen más de la leña, el carbón o combustibles similares a menudo presentaron niveles más altos, mientras que las zonas que usan gas de red tendieron a tener niveles más bajos, posiblemente porque el tipo de combustible refleja diferencias entre la vivienda rural y urbana. Sin embargo, los factores que impulsan la variación casa por casa no son los mismos que elevan la media. La alta variabilidad fue más común donde la elevación, el movimiento del agua en el suelo, la temperatura, el drenaje del suelo y otros rasgos del suelo variaban mucho dentro de la misma área postal.

Puntos calientes ocultos en áreas “moderadas”

De forma crucial, el modelo quantile regression forest reveló que algunas comunidades con niveles medios modestos de radón aún contenían muchas viviendas con concentraciones muy altas. Incluso donde el nivel típico estaba por debajo de la directriz de acción de la Agencia de Protección Ambiental de EE. UU., el percentil 90 previsto podía estar muy por encima. En términos prácticos, esto significa que fijarse solo en la media de un código postal puede ser engañoso: un barrio que parece seguro sobre el papel puede ocultar muchas viviendas con niveles peligrosos de radón. Al estimar el extremo superior del rango de radón, los modelos ayudan a identificar áreas postales donde una gran proporción de casas probablemente supere los límites recomendados y, por tanto, merecen prioridad para pruebas y medidas de mitigación.

Qué significa esto para familias y planificadores

Para los residentes cotidianos, la principal conclusión es que un promedio comunitario bajo no garantiza un nivel bajo de radón en una vivienda individual. Para los planificadores de salud pública, el nuevo enfoque de modelado ofrece una manera de localizar áreas que combinan altos niveles medios y alta variabilidad, o promedios moderados con valores extremos, para que puedan orientar mejor las campañas de pruebas y los recursos de mitigación. Combinando varios modelos de aprendizaje automático y datos ambientales de alta resolución, este estudio muestra cómo podemos ir más allá de los mapas toscos por condado hacia una imagen más detallada y realista del riesgo de radón interior, apoyando decisiones más inteligentes sobre dónde probar y dónde enfocar los esfuerzos de protección.

Cita: Lee, H., Maguire, D., Logan, J. et al. Quantifying mean, variability, and uncertainty in indoor radon exposure in Pennsylvania using random forest and quantile regression forest models. Sci Rep 16, 15192 (2026). https://doi.org/10.1038/s41598-026-37891-3

Palabras clave: radón interior, salud ambiental, aprendizaje automático, cartografía geoespacial, riesgo de cáncer de pulmón