多组分光谱分析中人工智能与传统方法的比较

这对日常用药为何重要

许多皮肤乳膏将多种药物混合在一起，同时对抗感染和炎症。核实每种成分是否以正确剂量存在对安全性至关重要，但它们的化学“指纹”常常互相重叠，难以区分。本研究展示了免费且广泛可得的人工智能（AI）工具如何与传统实验室仪器配合，更快、更便宜、更可持续地解开这些信号——尤其是在缺乏昂贵软件和设备的实验室中。

从拥挤的化学图谱中分离信号

研究者集中研究一种常见处方乳膏，该乳膏包含四种活性药物——一种抗真菌药、一种抗炎类固醇和两种抗生素——外加一种防腐剂。用标准紫外-可见（UV–Vis）分光光度计检测该混合物时，得到的谱线严重重叠，很难分别测量每种成分。该团队以往的工作已经解决了两种成分的问题。这次，他们攻克了最困难的三组分组合，形成了一个高度拥挤的三药信号，代表了许多复杂药物混合物的情形。

传统工具与智能助理的比较

传统上，化学家依赖专有仪器软件通过一系列手动步骤逐步去除重叠——选择波长、变换光谱并逐步建立校准曲线。这个过程缓慢、因操作者而异，且通常需要有许可的软件。在本研究中，团队将这种经典路径与使用诸如ChatGPT和Microsoft Copilot等免费可用工具的AI辅助路线进行了比较。原始光谱数据被导出为简单的电子表格文件，化学家通过结构化提示引导AI执行相同的数学处理：谱线相除、求导、寻找干扰最小的干净区段，以及生成将信号大小与浓度联系起来的回归方程。

看清噪声中真正信号的新方法

为了清晰分辨这三种重叠药物，作者改进了一种数学技术，分为两种形式：经过精心调校的手动版本和AI驱动的版本。两者都依赖于巧妙组合的光谱，这些组合能有效抵消不需要的部分，留下每种成分更清晰的信号。完全手动的方法引入了“因子化”光谱，在最佳峰值处提高灵敏度。自动化方法则要求AI执行相同步骤，甚至建议哪些波长能在信号与含量之间给出最可靠的线性关系。经过多次交互，包括通过向AI展示传统工作流程的屏幕截图来“教导”它，自动化方法得到了与可信专有软件几乎相同的数值结果——在准确度、精密度和检出限方面相匹配，同时大大减少了人工操作量。

可靠性和环境影响的检验

为了确保这些捷径不会损害质量，研究者按照国际指南严格验证了手动和AI辅助两种方法。他们确认测量在所需浓度范围内具有线性，重复测量结果一致，并且新方法在统计学上与官方药典方法和先前发表的技术一致。除了性能评估外，他们还使用一种现代的“白色分析化学”评分系统评估可持续性，该系统将环境影响、实用性和创新性综合为一个“白度得分”。在Copilot的帮助下加速完成51项清单后，得到的得分约为61%，显示出良好的实用性，同时指出样品制备是主要的环境负担，也是未来改进的关键目标。

对未来的意义

简言之，这项工作表明，免费AI助理可以帮助普通的UV–Vis仪器以通常与更昂贵技术相关的精妙程度处理复杂的药物混合物。在经验丰富的化学家监督下，AI能迅速梳理密集的光谱数据，提取更清晰的信号，并生成可靠的数据，同时记录并评估方法的环境足迹。对患者而言，这有助于多成分乳膏的准确质量控制；对实验室，尤其是资源有限的实验室，这为更快速、更环保、更易获取的检测路径提供了可能，而不牺牲科学严谨性。

引用: Fahmy, N.M., Obaydo, R.H. & Lotfy, H.M. Artificial intelligence versus traditional approaches in multicomponent spectral analysis. Sci Rep 16, 7835 (2026). https://doi.org/10.1038/s41598-026-39433-3

关键词: 分光光度法, 药物分析, 人工智能, 多组分混合物, 绿色分析化学