Design och prediktiv modellering av en sensor för detektion av veterinärläkemedel i risfältvatten baserad på artificiella neurala nätverk

Varför renare risfält är viktiga

Rispaddies gör mer än att producera ett baslivsmedel för miljarder människor — de samlar också upp det som rinner av från närliggande gårdar och fabriker. Bland de mest oroande passagerarna finns veterinärläkemedel som används för att hålla boskap och odlad fisk friska. Dessa läkemedel kan sköljas ut i bevattningskanaler och samlas i paddyvatten, där de kan skada ekosystem och bidra till antibiotikaresistens. Den här sammanfattade studien beskriver en ny fältsensor som snabbt kan mäta flera vanliga veterinärläkemedel direkt i paddyvatten, med målet att göra sådan förorening synlig i realtid istället för timmar eller dagar senare i ett avlägset laboratorium.

Dolda läkemedel i gårdsvatten

Modern djuruppfödning är i hög grad beroende av antibiotika och andra veterinärläkemedel. Djur bryter inte fullt ut ner dessa föreningar, så rester i gödsel, urin och oanvänd foder kan lätt nå floder, dammar och bevattningssystem. Akvakultur bidrar till belastningen när medicinerat vatten släpps ut utan riktig rening. Läkemedelsfabriker som tillverkar dessa substanser kan också läcka ut rester om deras avloppsvatten inte hanteras noggrant. Väl i miljön kan dessa kemikalier transporteras in i risfält, där de kan försämra markhälsa, rubba mikrobiella samhällen, främja utveckling av läkemedelsresistens hos sjukdomsframkallande organismer och så småningom ta sig upp i näringskedjan till människor via ris och andra grödor.

Från skrymmande labbtester till ett verktyg vid dammkanten

Konventionella metoder för att upptäcka veterinärläkemedel — såsom kromatografi och massespektrometri — är mycket exakta men långsamma, dyra och bundna till specialiserade laboratorier. De kräver noggrann provberedning och tar ofta tiotals minuter per prov, vilket gör dem opraktiska för rutinmässig övervakning på gården. Forskarna bakom detta arbete vände sig istället till hur vatten reagerar på elektriska fält. När veterinärläkemedel löses i vatten förändrar de subtilt hur vattenmolekyler och joner orienterar sig och rör sig i ett applicerat elektriskt fält, vilket ändrar elektriska egenskaper som kan avläsas av känsliga elektroder. Det öppnar dörren för en kompakt enhet som kan stå i ett risfält och testa vatten på plats med minimalt hanteringsbehov.

En smart stolpe i fältet

Forskarna konstruerade en solcellsdriven sensor som liknar en smal stolpe förankrad i ett översvämmat risfält. Nära vattenytan sitter ett skyddande filter som håller en liten ”kam” av metallfingrar kallade interdigitade elektroder. Dessa fungerar både som sändare och mottagare av svaga elektriska signaler som förs genom det omgivande vattnet. En mikrokontroller skapar rena sinusvågor från 200 hertz upp till 100 megahertz, skickar dem genom elektroderna och registrerar hur starkt signalerna försvagas och hur mycket deras tidpunkt förskjuts när de passerar vattnet. Elektroniken hanterar dessutom strömförsörjning, temperaturmätning, display och trådlänkar som skickar avläsningar tillbaka till en basstation via lågenergiradio och 4G-nätverk, samtidigt som systemet kan drivas en vecka eller mer på ett uppladdningsbart batteri och solpanel.

Lära sensorn att läsa komplexa signaler

Eftersom olika läkemedel påverkar vattnets elektriska beteende på distinkta sätt registrerar enheten rika ”fingeravtryck” över hundratals frekvenser. Varje test av ett paddyvattenprov ger 507 datapunkter som beskriver förändringar i signalstyrka och fas. Istället för att mata in allt detta direkt i en modell använder teamet först en statistisk beskärningsmetod kallad competitive adaptive reweighted sampling för att kasta bort redundanta eller oinformativa frekvenser och behålla endast de mest talande. De tränar sedan ett artificiellt neuralt nätverk — en programvarumodell inspirerad av hjärnan — för att koppla dessa mönster till de faktiska koncentrationerna av fyra målläkemedel: sulfametazin, doxycyklin hydroklorid, ofloxacin och tetracyklin hydroklorid. Modellen accepterar flera signaler samtidigt och producerar fyra koncentrationsuppskattningar i ett enda steg, samtidigt som den tar hänsyn till vattentemperatur genom att växla eller interpolera mellan modeller tränade vid tio olika temperaturer som är relevanta för risodling.

Vad fälttesterna visade

Med nästan 9 000 prover med enkla och blandade läkemedel av verkligt eller förberett paddyvatten visade forskarna att sensorn kunde urskilja och kvantifiera alla fyra läkemedlen inom praktiska koncentrationsintervall. De fann att förändringar i signalens fas bar mer tillförlitlig information än förändringar i styrka ensam, vilket gav den bästa balansen mellan noggrannhet och robusthet. För de flesta läkemedel och temperaturer fångade fasbaserade modeller omkring 80 till över 90 procent av variationen i koncentration, med prediktionsfel i storleksordningen några tiotal milligram per liter. Vissa föreningar, särskilt sulfametazin, var svårare att mäta exakt eftersom deras molekylstruktur gav svagare elektriska förändringar vid de testade nivåerna, men den sammantagna prestandan var tillräckligt stark för fältscreening och trendövervakning. Varje fullständig mätning — inklusive signalscanning, bearbetning och modellprediktion — tog bara 4–6 minuter, klart snabbare än vanliga laboratoriemetoder.

Från risfält till smartare jordbruk

För icke-specialister är huvudbudskapet att detta arbete förvandlar ett osynligt hot till en siffra som kan kontrolleras direkt i fält. Genom att kombinera genomtänkt utformade elektroder, lågenergetisk elektronik, trådlänkar och ett tränat neuralt nätverk skapade forskarna en bärbar, icke-destruktiv sensor som kan övervaka nivåer av veterinärläkemedel i paddyvatten nästan kontinuerligt. Systemet behöver visserligen fortsatt förfining — särskilt för mycket låga koncentrationer, komplicerat grumligt vatten och tuffa utomhusförhållanden — men det pekar redan mot en framtid där bönder och myndigheter kan följa läkemedelsrester i realtid, reagera snabbt på föroreningshändelser och bättre skydda ekosystem och livsmedelssäkerhet utan att uteslutande förlita sig på långsamma, centraliserade laboratorier.

Citering: Huang, J., Huang, B., Huang, S. et al. Design and predictive modeling of a veterinary drug detection sensor in paddy field water based on artificial neural networks. Sci Rep 16, 8826 (2026). https://doi.org/10.1038/s41598-026-38752-9

Nyckelord: rester av veterinärläkemedel, risfältvatten, dielektrisk sensor, artificiellt neuralt nätverk, övervakning av vattenkvalitet