Integrando inteligência artificial na química analítica inteligente e sustentável para analisar o impacto do divisor na eficiência ultravioleta-espectrofotométrica da combinação solifenacina e mirabegron

Por que isso importa para medicamentos do dia a dia

Pessoas com bexiga hiperativa frequentemente dependem de um comprimido diário que combina dois fármacos, solifenacina e mirabegron, para reduzir a urgência e os acidentes. Garantir que cada comprimido contenha a quantidade correta de cada medicamento é crítico para a segurança, mas verificar isso no laboratório pode ser lento, caro e gerador de desperdício. Este estudo mostra como um teste simples baseado em luz, potencializado por inteligência artificial e princípios de sustentabilidade, pode medir ambos os medicamentos simultaneamente com precisão, usando menos solvente, menos energia e critérios de qualidade mais transparentes.

Ver medicamentos com luz em vez de máquinas complexas

Químicos farmacêuticos frequentemente usam espectrofotometria, uma técnica que incide luz ultravioleta através de uma solução e mede quanto é absorvido, para identificar e quantificar fármacos. É barato, rápido e requer apenas pequenas quantidades de amostra. Para o par solifenacina–mirabegron, contudo, os sinais óticos se sobrepõem fortemente: o mirabegron fornece uma curva ampla e intensa na região útil, enquanto a solifenacina produz apenas um pequeno pico próximo ao limite do solvente. Essa sobreposição dificulta determinar quanto de cada fármaco está presente com abordagens padrão, especialmente em laboratórios com recursos limitados que não podem arcar com equipamentos cromatográficos complexos.

Usando matemática inteligente e IA para desemaranhar sinais mistos

Os autores focam em um truque matemático chave chamado “divisor” que ajuda a separar os sinais de dois fármacos. Na prática, o espectro misto de ambos os fármacos é dividido por um espectro de referência de um componente, o que remodela as curvas para que detalhes ocultos fiquem mais claros. O estudo compara sistematicamente três maneiras de escolher essa referência: uma versão normalizada do espectro do mirabegron (independente da concentração), soluções fixas de mirabegron em várias concentrações, e um espectro “extraído” limpo de mirabegron recuperado da própria mistura usando um método chamado resolução de absorbância. Eles combinam essas estratégias de divisor com dois esquemas de processamento de sinal — centro-constante e subtração unificada constante — que reconstruem os espectros originais de cada fármaco a partir dos dados manipulados.

Deixar a IA julgar qual estratégia funciona melhor

Em vez de confiar na intuição de um pesquisador, a equipe usa um assistente de IA (Microsoft Copilot) para avaliar qual escolha de divisor fornece os resultados mais confiáveis. A IA processa tabelas de percentuais de recuperação, variabilidade e um número de risco composto chamado escore cumulativo de validação, que combina viés, repetibilidade e sensibilidade a pequenos deslocamentos de comprimento de onda. Em seguida, classifica cada cenário de divisor segundo diretrizes internacionais. O vencedor mais claro é o espectro extraído de mirabegron, que oferece recuperações muito próximas de 100%, dispersão muito baixa e a classificação de risco mais baixa. Usar uma solução de mirabegron de alta concentração como divisor (14 microgramas por mililitro) é um forte segundo lugar: o sinal mais alto suaviza o ruído, melhorando a exatidão à custa de uma pequena perda de sensibilidade.

Tornar o controle de qualidade mais verde e equilibrado

Além do desempenho técnico, os autores perguntam quão “bom” seu método é para as pessoas e para o planeta. Eles introduzem uma ideia mais ampla que chamam de Química Analítica Sustentável e Inteligente, que une química verde (redução de resíduos e riscos), química analítica “branca” (equilíbrio entre praticidade, desempenho e ética) e IA. Usando duas ferramentas de pontuação estruturadas — a Ferramenta de Avaliação Multicor e o Índice de Sustentabilidade de Métodos Analíticos — eles comparam seu novo método UV com outro previamente publicado. Ambos pontuam como sustentáveis no geral, graças ao baixo uso de solvente (etanol), necessidades energéticas modestas e baixo custo. O método otimizado pela IA, porém, destaca-se por melhor sensibilidade, limites de detecção mais baixos e pontuações de inovação mais fortes. A análise de sustentabilidade também evidencia uma lacuna social: representação de gênero desequilibrada entre os pesquisadores, vinculando o método de laboratório à discussão mais ampla sobre equidade na ciência.

O que isso significa para pacientes e laboratórios

Em termos práticos, o estudo demonstra que com as ferramentas matemáticas adequadas e apoio de IA, um espectrofotômetro UV–visível comum pode monitorar com precisão um comprimido desafiador de dois fármacos sem hardware caro novo ou software complicado. Ao escolher cuidadosamente o divisor — preferencialmente um espectro limpo e extraído de mirabegron, ou, caso contrário, sua maior concentração testada — os laboratórios podem obter medições precisas e robustas usando condições simples e mais verdes. Para os pacientes, isso ajuda a garantir que comprimidos combinados para bexiga hiperativa tenham dosagem confiável. Para a comunidade em geral, oferece um modelo de como testes futuros de medicamentos podem ser ao mesmo tempo rigorosos cientificamente e alinhados com metas globais de sustentabilidade.

Citação: 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

Palavras-chave: medicamentos para bexiga hiperativa, análise espectrofotométrica, inteligência artificial na química, métodos analíticos verdes, combinação solifenacina mirabegron