Integrering av artificiell intelligens i hållbar smart analytisk kemi för att analysera delarrollens påverkan på UV-spektrofotometrisk effektivitet för kombinationen solifenacin och mirabegron

Varför detta är viktigt för vardagliga läkemedel

Personer med överaktiv blåsa förlitar sig ofta på en daglig tablett som kombinerar två läkemedel, solifenacin och mirabegron, för att minska trängningar och olyckor. Att säkerställa att varje tablett innehåller rätt mängd av varje substans är avgörande för säkerheten, men att kontrollera detta i laboratoriet kan vara långsamt, dyrt och slösaktigt. Denna studie visar hur ett enkelt ljusburet test, förstärkt av artificiell intelligens och hållbarhetstänk, kan mäta båda läkemedlen samtidigt med hög noggrannhet samtidigt som det använder mindre lösningsmedel, mindre energi och tydligare kvalitetskriterier.

Se läkemedel med ljus istället för komplexa maskiner

Farmaceutiska kemister använder ofta spektrofotometri – en teknik som sänder ultraviolett ljus genom en lösning och mäter hur mycket som absorberas – för att identifiera och kvantifiera läkemedel. Den är billig, snabb och kräver endast små provmängder. För paret solifenacin–mirabegron överlappar dock ljussignalerna kraftigt: mirabegron ger en bred, intensiv kurva över det användbara området, medan solifenacin bara ger en svag topp nära lösningsmedlets gräns. Denna överlappning gör det svårt att avgöra hur mycket av varje läkemedel som finns med standardmetoder, särskilt i resursbegränsade laboratorier som inte har råd med komplex kromatografisk utrustning.

Använda smart matematik och AI för att reda ut blandade signaler

Författarna fokuserar på ett viktigt matematiskt knep kallat en ”divisor” som hjälper till att separera signalerna från de två läkemedlen. I praktiken divideras den blandade spekt­rumbilden av båda substanserna med ett referensspektrum av en komponent, vilket omformar kurvorna så att dolda detaljer blir tydligare. Studien jämför systematiskt tre sätt att välja denna referens: en normaliserad version av mirabegrons spektrum (oberoende av koncentration), fixerade mirabegronlösningar vid flera koncentrationer, och ett ”extraherat” rent spektrum av mirabegron återvunnen från blandningen med en metod kallad absorbansupplösning. Dessa divisorstrategier kombineras med två signalbehandlingsscheman — konstant-centrum och enhetlig konstant subtraktion — som rekonstruerar de ursprungliga spekt­ra för varje läkemedel från de manipulerade data.

Låta AI avgöra vilken strategi som fungerar bäst

I stället för att förlita sig på en forskares intuition använder teamet en AI-assistent (Microsoft Copilot) för att utvärdera vilken divisorval som ger de mest tillförlitliga resultaten. AI:n bearbetar tabeller med återvinningsprocent, variabilitet och ett sammansatt risktal kallat kumulativt valideringspoäng, som kombinerar bias, repeterbarhet och känslighet för små våglängdsförskjutningar. Den rankar sedan varje divisor‑scenario mot internationella riktlinjer. Den tydligaste vinnaren är det extraherade mirabegron­spektrumet, som ger återvinningar mycket nära 100 %, mycket låg spridning och den lägsta riskklassningen. Att använda en högkoncentrerad mirabegronlösning som divisor (14 mikrogram per milliliter) är en stark tvåa: den högre signalen jämnar ut brus och förbättrar noggrannheten på bekostnad av en liten förlust i känslighet.

Göra kvalitetskontrollen grönare och mer balanserad

Utöver teknisk prestanda undersöker författarna hur ”bra” deras metod är för människor och planeten. De introducerar ett bredare begrepp som de kallar Sustainable & Smart Analytical Chemistry, vilket förenar grön kemi (minskad avfall och faror), ”vit” analytisk kemi (balansering av praktik, prestanda och etik) och AI. Med två strukturerade poängverktyg — Multi-Color Assessment Tool och Sustainability of Analytical Methods Index — jämförs deras nya UV‑metod med en tidigare publicerad metod. Båda bedöms som hållbara överlag, tack vare låg användning av lösningsmedel (etanol), måttliga energibehov och låga kostnader. Den AI‑optimerade metoden utmärker sig dock genom bättre känslighet, lägre detektionsgränser och starkare innovationspoäng. Hållbarhetsanalysen lyfter också fram en social blindfläck: obalans i könsfördelningen bland forskarna, vilket knyter laboratoriemetoden till den bredare diskussionen om jämlikhet inom vetenskapen.

Vad detta betyder för patienter och laboratorier

I praktiska termer visar studien att med rätt matematiska verktyg och AI‑stöd kan en vanlig UV–vis‑spektrofotometer noggrant övervaka en utmanande tvåsubstanstablett utan dyr ny hårdvara eller komplicerad programvara. Genom att välja divisor med omsorg — helst ett rent, extraherat spektrum av mirabegron, eller i annat fall dess högst testade koncentration — kan laboratorier erhålla precisa, robusta mätningar under enkla, grönare förhållanden. För patienter bidrar detta till att säkerställa att kombinationspiller för överaktiv blåsa doseras pålitligt. För det bredare samhället erbjuder det en modell för hur framtida läkemedelsprovning kan vara både vetenskapligt stringent och förenlig med globala hållbarhetsmål.

Citering: 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

Nyckelord: Läkemedel mot överaktiv blåsa, Spektrofotometrisk analys, Artificiell intelligens i kemi, Gröna analytiska metoder, kombinationen solifenacin mirabegron