研究人员开发了一种人工智能方法来远程检测芬太尼及其衍生物

为了帮助确保急救人员的安全，中央佛罗里达大学的研究人员开发了一种人工智能方法，该方法不仅可以快速，远程地检测强大的药物芬太尼，而且还可以自我检测以秘密批次生产的任何以前未知的衍生物。

该方法最近在《科学报告》（Scientific Reports）杂志上发表，使用红外光谱法，可用于便携式台式设备。

UCF统计与数据科学系助理教授，该研究的主要作者徐梦玉说：“芬太尼是美国药物过量死亡的主要原因。” “它及其衍生物的致死剂量低，可能导致使用者死亡，可能对急救人员构成危险，甚至可能被气雾化。”

芬太尼的效价比美国疾病控制和预防中心的吗啡强50到100倍，可以合法地处方来治疗严重疼痛的患者，但有时还是非法制造和使用。

UCF机械和航空航天工程系副教授Subith Vasu共同主持了这项研究。

他说，快速识别已知和新出现的阿片类药物芬太尼物质的方法可以提高执法人员和人员的安全，他们必须尽量减少与该物质的接触。

Vasu说：“这种AI算法将用于我们为国防高级研究计划局制造的检测设备中。”

对于这项研究，研究人员使用了国家有机分子数据库来鉴定具有母体化合物芬太尼中至少一个官能团的分子。他们根据这些数据构造了机器学习算法，以根据其红外光谱特性识别这些分子。然后他们测试了算法的准确性。AI方法正确识别与芬太尼有关的分子的准确率为92.5%。

徐说，这是首次进行系统分析，从红外光谱数据中识别与芬太尼相关的官能团，并使用机器学习和统计分析工具。

该研究的合著者王春红是UCF纳米科学技术中心的博士后学者，并帮助研究了该化合物的光谱特性。他说，由于存在多种芬太尼和卡芬太尼类似物，因此很难鉴定芬太尼。

UCF纳米科学技术中心和化学系的合著者，副教授Artem Masunov研究了芬太尼及其类似物的化学结构所共有的官能团。

他说，尽管类似物存在差异，但它们具有共同的官能团，它们的结构相似性使化合物能够结合体内的受体并执行相似的功能。

UCF机械和航空航天工程系的研究合著者和研究工程师Anthony Terracciano与Wang一起研究了红外光谱的特性。他说，红外光谱的分析和分析是快速，高度准确的，并且可以通过台式设备完成。

当前的研究使用了气体形式的化合物的红外光谱数据，但是研究人员正在进行类似的研究，以使用机器学习来检测粉末形式的芬太尼及其衍生物。预计到2021年，该技术的产品将会成熟，可以进行实际的现场快速识别。