利用蒙特卡洛模拟、BEIR VII标准以及可解释人工智能对严重核电站事故后的时间依赖性辐射风险进行评估

《Journal of Environmental Radioactivity》:Time-dependent radiological risk assessment following a severe NPP accident using Monte Carlo simulation, BEIR VII, and interpretable AI

【字体: 大 中 小 】 时间:2026年07月12日 来源:Journal of Environmental Radioactivity 2.2

编辑推荐:

  Mohammad A. Al-Shami|Merouane Najar|Najeeb N.M. Maglas|Ibrahim Alfasatleh|Mohsen M.M. Ali|Ahmed AL-Osta|Sufyan Naji也门伊卜大学物理系摘要核反应堆事故可能导致长期辐射

  
Mohammad A. Al-Shami|Merouane Najar|Najeeb N.M. Maglas|Ibrahim Alfasatleh|Mohsen M.M. Ali|Ahmed AL-Osta|Sufyan Naji
也门伊卜大学物理系

摘要

核反应堆事故可能导致长期辐射暴露,带来复杂且不确定的健康后果。现有研究多侧重于剂量估算,未能将随时间变化的暴露动态与特定人群的癌症风险充分关联。本研究提出了一个全面的概率框架,用于长期辐射风险评估,整合了时间分辨剂量建模、随机蒙特卡洛模拟、基于BEIR VII的流行病学风险函数以及可解释的人工智能技术。通过HotSpot模拟,在200公里外的严重VVER-1000事故场景下,分析了10年内的累积总有效剂量当量,得出了辐射剂量的变化规律。为考虑环境条件、结构屏蔽效果及人类行为差异,研究了约800万个虚拟个体。通过Hyperband算法优化的深度学习替代模型具有很高的预测精度(R2≈0.994),预测误差降低了60%,且计算速度比传统方法快15倍。研究结果显示,风险存在明显的年龄差异:0–10岁的儿童面临最高的超额相对风险,尤其是白血病风险(平均值>55,上限>300);而在大多数癌症类型中,女性的风险始终更高且变化更大。随着年龄增长,风险分布逐渐变窄,反映出成年人对辐射的敏感度降低以及随机性减小。基于SHAP的敏感性分析表明,年龄是主要的风险驱动因素,而行为因素对白血病风险影响显著,结构屏蔽则对实体瘤风险影响更大。该框架兼具物理一致性、计算高效性及完全的概率特性,实现了基于物理的建模与数据驱动推断的结合,可为实时决策提供支持,并为长期辐射防护策略制定提供依据。

引言

核反应堆事故是导致大规模辐射暴露的最严重事件之一。这类事故会向环境中释放大量放射性物质,使得事故现场附近及远处的民众都面临复杂的辐射暴露状况。辐射暴露可通过大气扩散、地面沉降以及长期环境污染等多种途径发生。与可控的职业性辐射暴露不同,事故导致的辐射释放在空间上分布不均,且会持续存在,因此辐射剂量会在事故初期过后仍持续存在(Tang等人,2020;Dahia等人,2022;Najar等人,2025a)。
辐射对人类健康的影响取决于距离源头的远近以及暴露持续时间。事故发生后,靠近反应堆的区域通常会立即出现较高的辐射水平。然而,放射性物质可能在环境中长期存在,导致即使在更远的地区也会持续受到辐射。这些半衰期长的放射性核素会积聚在空气、土壤和物体表面,从而随着时间推移形成累积辐射剂量。因此,仅评估事故初期的暴露情况可能会低估长期的健康风险。为了全面了解辐射的影响,必须进行考虑即时暴露和延迟暴露的时间依赖性评估(Maglas等人,2025a;Dadda等人,2024;Mohammed Saeed等人,2020)。
尽管已有许多研究探讨了核事故的辐射后果,但仍有重要空白。现有研究大多侧重于剂量估算,未将其与潜在的疾病后果直接关联。此外,许多研究仅在事故发生后短时间内评估风险,未考虑多年来的暴露累积效应(Kamiya等人,2015;Lin等人,2024;Maglas等人,2025b)。尽管有大量证据表明儿童更容易患上辐射引发的疾病,但年龄相关的辐射敏感性差异往往被忽视。同时,对于长期生活在受污染地区的群体与间歇性接触辐射的群体之间的差异,研究也相对不足。因此,核事故的长期及时间依赖性健康影响仍未被完全阐明(Silva等人,2021;R??f等人,2020;Evangeliou等人,2014)。
流行病学模型常被用于评估辐射暴露带来的健康风险,尤其是癌症风险。其中应用最广泛的框架之一是基于流行病学证据的BEIR VII第二阶段模型,该模型综合考虑了暴露时的年龄、当前年龄、性别以及不同组织的放射敏感性等因素。虽然这些模型为风险估算提供了坚实基础,但其预测结果的准确性取决于剂量信息的质量和时间分辨率。尽管BEIR VII风险模型包含了与暴露年龄和风险评估年龄相关的时间依赖性修正因子,但在事故后果评估中仍需将其与随时间变化的环境剂量率相结合。因此,要实现可靠的长期风险预测,就需要将流行病学风险模型与能够描述辐射暴露随时间演变及累积剂量的时间分辨剂量计算方法相融合(Phase,2006;Stabilini等人,2023;Hosseini等人,2020;Sommer等人,2025;Donovan等人,2012;O'Connor,2017)。
要对辐射引发的健康影响进行可靠评估,还必须考虑暴露时的年龄以及剂量累积的时间节点。由于儿童的组织仍在发育,预期寿命也更长,因此他们通常比成人对辐射更敏感。此外,相同剂量下的健康影响也可能因暴露时间的不同而有所差异。早期暴露与数年后暴露可能带来不同的后果。正因如此,需要在多个时间点评估辐射剂量及相关健康风险,才能了解不同人群群体和暴露条件下的风险变化情况(R??f等人,2020;Applegate等人,2022;Najar等人,2025b)。
在评估事故后的健康风险时,另一个重要挑战就是存在的不确定性。这些不确定性源于多种因素,包括放射性物质释放量的变化、环境中的传播过程、放射性核素的行为特性、暴露途径以及人类活动模式等。依赖单一数值估计的传统确定性方法可能无法充分反映这种复杂性。相比之下,蒙特卡洛模拟等概率方法通过考虑输入参数的不确定性,能够提供更为真实的分析框架。当这些方法与用于剂量评估和辐射传输建模的先进计算工具相结合时,就能进一步提升长期风险评估的可靠性(Julian Preston等人,2013;Cao等人,2020;Najar等人,2025c;Sant'Anna等人,2025;Maglas等人,2024)。
近年来,人工智能已成为辐射研究领域分析复杂数据集的强大工具(Najar等人,2025d)。在本研究中,人工智能被作为一种辅助手段,用于补充而非替代物理模型和流行病学模型。人工智能技术能够帮助识别不同距离、不同时间段以及不同年龄组中影响辐射剂量和健康风险的规律与关键因素(Najar等人,2025e)。此外,可解释的人工智能方法还能提高分析的透明度,让人们清楚了解每个变量对结果的影响程度(Najar等人,2026)。这种结合有助于更全面地分析暴露条件与健康结果之间的关系(Maglas等人,2025b;Elhaie等人,2025;Ladbury等人,2023;Wang等人,2025)。
本研究提出了一种用于评估严重核反应堆事故后辐射健康风险的集成框架。该框架将基于时间的剂量计算与基于距离的剂量计算相结合,再结合基于成熟流行病学模型的年龄和性别特异性癌症风险估算,以及概率分析和可解释的人工智能技术。与以往许多研究不同,该框架能够考虑长达10年的辐射暴露时间演变,并区分持续居住与间歇居住的情况。通过将剂量评估、风险建模与人工智能分析相结合,该框架能够明确不同人口群体的潜在健康风险及其相关不确定性。所形成的方法论是一种透明且计算效率高的工具,可为辐射防护规划、应急准备以及在暴露条件不确定情况下的决策制定提供支持。

章节节选

源项选择与基于HotSpot的剂量评估

本研究中的辐射剂量评估基于之前开发的一个严重核反应堆事故场景,该场景描述的是VVER-1000/320系统主蒸汽管道破裂的事故(Hrdy等人,2026)。放射性核素释放数据来源于一项详细的反应堆后果分析,该分析提供了事故期间产生的裂变产物和锕系元素的完整清单。为与之前的研究保持一致,本研究采用了与之前相同的源项

多队列概率风险评估(10年暴露场景)

为保证表述清晰并便于理解,本节讨论的结果以10年暴露场景为核心,该场景是图3中用于比较分析的主要参考案例。相应的多队列概率风险分布通过结构化的核密度估计网格呈现,反映了在此暴露时长下年龄、癌症类型和性别之间的相互作用关系。
为保证完整性,也进行了类似的分析

结论

本研究提出了一种全面且高效的框架,用于评估核反应堆事故后的长期癌症风险,该框架整合了时间依赖性剂量建模、随机蒙特卡洛模拟、流行病学风险函数以及人工智能技术。
研究结果表明,风险存在明显的层级差异,主要受年龄和性别的影响。0–10岁的儿童面临最高的预测风险,其中女童的易感性通常高于男童

CRediT作者贡献说明

Mohammad A. Al-Shami: 方法论、软件工具、可视化、写作——原始草案撰写。Merouane Najar: 数据整理、方法论、可视化、写作——审稿与编辑。Najeeb N.M. Maglas: 资源协调、指导监督、写作——审稿与编辑。Ibrahim Alfasatleh: 数据调查、验证工作。Mohsen M.M. Ali: 数据整理、数据调查。Ahmed AL-Osta: 概念设计、数据整理。Sufyan Naji: 验证工作、可视化处理。

利益冲突声明

作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号