在可持续智能分析化学中整合人工智能以分析溶媒分割子对索利那辛与米拉贝隆联用紫外分光光度效率的影响

这对日常药物为何重要

患有膀胱过度活动症的人常依赖将两种药物——索利那辛和米拉贝隆——合并为每日片剂以减少紧迫感和失禁。确保每片含有正确剂量的每种药物对安全至关重要，但在实验室中检测这点有时会很慢、昂贵且产生浪费。本研究展示了一种以光学为基础的简单检测方法，结合人工智能与可持续性理念，能够同时准确测定两种药物，同时使用更少的溶剂、更少的能量，并采用更透明的质量判据。

用光而非复杂仪器“看见”药物

制药化学家常用分光光度法——将紫外光照射溶液并测量吸收量——来鉴别和定量药物。该方法成本低、速度快且仅需少量样品。然而，对于索利那辛与米拉贝隆这对组合，光谱信号高度重叠：米拉贝隆在有用波段给出宽而强的曲线，而索利那辛仅在接近溶剂极限处呈现微弱峰。这种重叠使得采用标准方法难以区分各药物的含量，尤其是在无法负担复杂色谱设备的资源受限实验室中更为棘手。

用智能数学和人工智能解开混合信号

作者关注一种关键的数学技巧，称为“分割子”（divisor），用于帮助分离两种药物的信号。实际操作中，将混合的光谱除以一个组分的参考光谱，从而重塑曲线以突出隐藏细节。研究系统性地比较了三种选择该参考光谱的方式：归一化的米拉贝隆光谱（与浓度无关）、若干固定浓度的米拉贝隆溶液，以及通过吸光度分解法从混合物中“提取”出的干净米拉贝隆光谱。他们将这些分割子策略与两种信号处理方案——恒定中心与统一恒定减法——结合，用以从处理后的数据重构每种药物的原始光谱。

让人工智能判断哪种策略最好

团队没有仅依赖研究者直觉，而是使用人工智能助手（Microsoft Copilot）来评估哪种分割子选择能够产生最可信的结果。人工智能处理恢复率、变异性以及一个称为累积验证评分的综合风险数值的表格，该评分综合了偏差、重复性和对微小波长漂移的敏感性。随后它根据国际指南对每种分割子情景进行排名。最明确的优胜者是提取出的米拉贝隆光谱：其恢复率非常接近100%、散布极低且风险评估最低。以高浓度米拉贝隆溶液（14微克/毫升）作为分割子则是有力的亚军：更高的信号平滑了噪声，提高了准确性，但以敏感性略有下降为代价。

让质量控制更绿色与更均衡

除了技术性能外，作者还评估了他们的方法对人类与地球的“好处”。他们提出了一个更广泛的概念——可持续与智能分析化学（Sustainable & Smart Analytical Chemistry），将绿色化学（减少废物与危害）、“白色”分析化学（在实用性、性能与伦理之间寻求平衡）和人工智能结合起来。利用两种结构化评分工具——多色评估工具（Multi-Color Assessment Tool）和分析方法可持续性指数（Sustainability of Analytical Methods Index），他们将新提出的紫外法与先前发表的方法进行比较。两者总体上都被评为可持续，得益于低溶剂用量（乙醇）、适中的能耗与低成本。然而经人工智能优化的方法在灵敏度、更低检出限与更强的创新得分方面表现突出。可持续性分析还指出了一个社会盲区：研究者中性别代表性不平衡，将实验室方法与科学领域的公平性议题联系起来。

这对患者与实验室意味着什么

在实际层面上，研究表明借助合适的数学工具与人工智能支持，普通的紫外-可见分光光度计就能在无需昂贵新硬件或复杂软件的情况下准确监控这种具有挑战性的双药片剂。通过谨慎选择分割子——优先选择干净的、提取出的米拉贝隆光谱，或在没有该选项时选用其最高测试浓度——实验室能够在简单且更环保的条件下获得精确、稳健的测量结果。对患者而言，这有助于确保膀胱过度活动组合药片的剂量可靠。对更广泛的社会而言，该研究提供了一个范例，说明未来药物检测如何既具科学严谨性，又符合全球可持续发展目标。

引用: 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

关键词: 膀胱过度活动药物, 分光光度分析, 化学中的人工智能, 绿色分析方法, 索利那辛 米拉贝隆 组合