Integratie van kunstmatige intelligentie in duurzame slimme analytische chemie voor het analyseren van de invloed van divisor op UV-spectrofotometrische efficiëntie van de combinatie solifenacine en mirabegron

Waarom dit belangrijk is voor alledaagse medicijnen

Mensen met een overactieve blaas nemen vaak dagelijks een tablet die twee geneesmiddelen combineert, solifenacine en mirabegron, om aandrang en incontinentie te verminderen. Zeker weten dat elke tablet de juiste hoeveelheid van elk geneesmiddel bevat is cruciaal voor de veiligheid, maar dit in het lab controleren kan traag, duur en verspilling veroorzaken. Deze studie laat zien hoe een eenvoudige lichtgebaseerde test, versterkt door kunstmatige intelligentie en duurzaamheidsdenken, beide middelen tegelijk nauwkeurig kan meten met minder oplosmiddel, minder energie en meer transparante kwaliteitscriteria.

Geneesmiddelen zien met licht in plaats van complexe machines

Farmaceutische chemici gebruiken vaak spectrofotometrie, een techniek die ultraviolet licht door een oplossing schijnt en meet hoeveel wordt geabsorbeerd, om geneesmiddelen te identificeren en te kwantificeren. Het is goedkoop, snel en vereist alleen kleine monsterhoeveelheden. Voor het paar solifenacine–mirabegron overlappen de lichtsignalen echter sterk: mirabegron geeft een brede, intense kromme over het bruikbare gebied, terwijl solifenacine slechts een zwakke piek dichtbij de grens van het oplosmiddel produceert. Deze overlap maakt het moeilijk om met standaardmethoden te bepalen hoeveel van elk geneesmiddel aanwezig is, vooral in laboratoria met beperkte middelen die zich geen complexe chromatografische apparatuur kunnen veroorloven.

Met slimme wiskunde en AI gemengde signalen ontwarren

De auteurs richten zich op een belangrijk wiskundig trucje dat een “divisor” wordt genoemd en helpt de signalen van twee geneesmiddelen te scheiden. In de praktijk wordt het gemengde spectrum van beide middelen gedeeld door een referentiespectrum van één component, waardoor de krommen worden herschikt zodat verborgen details duidelijker worden. De studie vergelijkt systematisch drie manieren om deze referentie te kiezen: een genormaliseerde versie van het mirabegron-spectrum (onafhankelijk van concentratie), vaste mirabegron-oplossingen bij meerdere concentraties, en een “geëxtraheerd” schoon spectrum van mirabegron dat uit het mengsel zelf is teruggewonnen met een methode genoemd absorbance resolution. Ze combineren deze divisorstrategieën met twee signaalverwerkende schema’s — constante-centrum en unified constant subtraction — die de originele spectra van elk geneesmiddel reconstrueren uit de bewerkte data.

De AI laten beoordelen welke strategie het beste werkt

In plaats van te vertrouwen op de intuïtie van een onderzoeker, gebruikt het team een AI-assistent (Microsoft Copilot) om te beoordelen welke divisorkeuze de meest betrouwbare resultaten oplevert. De AI verwerkt tabellen met herstelpercentages, variabiliteit en een samengestelde risicoscore genaamd de cumulative validation score, die bias, herhaalbaarheid en gevoeligheid voor kleine golflengteverschuivingen combineert. Vervolgens rangschikt zij elk divisor-scenario aan de hand van internationale richtlijnen. De duidelijke winnaar is het geëxtraheerde mirabegron-spectrum, dat recoveries levert die zeer dicht bij 100% liggen, met zeer lage spreiding en de laagste risicobeoordeling. Het gebruik van een hooggeconcentreerde mirabegron-oplossing als divisor (14 microgram per milliliter) is een sterke tweede: het hogere signaal dempt ruis en verbetert de nauwkeurigheid ten koste van een kleine vermindering in gevoeligheid.

Kwaliteitscontrole groener en evenwichtiger maken

Buiten de technische prestaties onderzoeken de auteurs hoe “goed” hun methode is voor mensen en de planeet. Ze introduceren een breder concept dat zij Sustainable & Smart Analytical Chemistry noemen, dat groene chemie (vermindering van afval en gevaren), “witte” analytische chemie (balans tussen praktisch nut, prestatie en ethiek) en AI verenigt. Met twee gestructureerde beoordelingshulpmiddelen — de Multi-Color Assessment Tool en de Sustainability of Analytical Methods Index — vergelijken ze hun nieuwe UV-methode met een eerder gepubliceerde methode. Beide scoren algeheel als duurzaam, dankzij laag oplosmiddelgebruik (ethanol), bescheiden energiebehoefte en lage kosten. De door AI geoptimaliseerde methode valt echter op door betere gevoeligheid, lagere detectielimieten en sterkere innovatiescores. De duurzaamheidsanalyse wijst ook op een sociale blinde vlek: onevenwichtige genderrepresentatie onder de onderzoekers, waarmee de labmethode wordt verbonden met de bredere discussie over gelijkheid in de wetenschap.

Wat dit betekent voor patiënten en laboratoria

Praktisch gezien toont de studie aan dat met de juiste wiskundige hulpmiddelen en AI-ondersteuning een gewone UV–vis spectrofotometer een uitdagende tablet met twee geneesmiddelen nauwkeurig kan controleren zonder dure nieuwe hardware of ingewikkelde software. Door de divisor zorgvuldig te kiezen — bij voorkeur een schoon, geëxtraheerd spectrum van mirabegron, of anders de hoogste geteste concentratie ervan — kunnen laboratoria precieze, robuuste metingen verkrijgen onder eenvoudige, groenere omstandigheden. Voor patiënten draagt dit bij aan de betrouwbaarheid van de dosering van combinatiepillen voor een overactieve blaas. Voor de bredere gemeenschap biedt het een model voor hoe toekomstige medicijntests zowel wetenschappelijk rigoureus als in lijn met wereldwijde duurzaamheidsdoelen kunnen zijn.

Bronvermelding: Lotfy, H.M., Obaydo, R.H., Tantawy, M.A. et al. Integrating Artificial intelligence within sustainable smart analytical chemistry for analyzing the divisor impact on UV-spectrophotometric efficiency of solifenacin and mirabegron combination. Sci Rep 16, 14022 (2026). https://doi.org/10.1038/s41598-026-44688-x

Trefwoorden: middelen tegen een overactieve blaas, spectrofotometrische analyse, kunstmatige intelligentie in de chemie, groene analytische methoden, combinatie solifenacine mirabegron