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。