کنترل کیفیت متفورمین در نمونه‌های پودری با استفاده از تصویربرداری ابرطیفی و مدل‌های یادگیری ماشین

نویسندگان

1 دانشکده شیمی، دانشگاه صنعتی شریف، تهران، ایران

2 دانشکده شیمی، دانشگاه صنعتی شریف، تهران، ایران

3 دانشکده شیمی، دانشگاه صنعتی شریف، تهران، ایران

doi
10.22075/chem.2025.37869.2370
چکیده

با توجه به رشد فزاینده تولید و مصرف داروهای ژنریک در سطح جهانی و افزایش خطر ورود محصولات دارویی تقلبی و غیراستاندارد، ابداع روش‌های نوین، سریع و غیرمخرب برای کنترل کیفیت داروها از اهمیت ویژه‌ای برخوردار است. در این پژوهش، از فناوری تصویربرداری ابرطیفی در محدوده مرئی تا زیر قرمز نزدیک (Vis-NIR HSI) به‌همراه روش‌های کمومتریکس /یادگیری ماشین برای ارزیابی دوز ماده مؤثره متفورمین در نمونه‌های پودری استفاده شد. نمونه‌ها در سه دسته با دوز استاندارد(SD)، غیر استاندارد پایین(LD) و غیر استاندارد بالا (HD) تهیه شدند. پس از جمع‌آوری داده‌های تصویری ابرطیفی، از میانگین‌گیری طیفی، تحلیل مؤلفه‌های اصلی (PCA)، روش حداقل مربعات جزئی-تحلیل تمایزی (PLS-DA) و دو الگوریتم یادگیری ماشین شامل شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) برای تحلیل و طبقه‌بندی داده‌ها بهره گرفته شد. نتایج نشان داد که مدل‌های کمومتریکسی، به‌ویژه شبکه عصبی مصنوعی و حداقل مربعات جزئی-تحلیل تمایزی ، توانسته‌اند سه گروه مورد نظر را با دقت و صحت بالا از یکدیگر تفکیک نمایند. تصویربرداری ابرطیفی در بازه طول‌موجی 400 تا 950 نانومتر، در کنار پردازش‌های آماری، ابزاری مؤثر و کارآمد در شناسایی کیفیت متفورمین و تمایز نمونه‌های استاندارد و غیراستاندارد فراهم کرده است.