背景介紹

為了幫助藥品生產企業、藥品檢驗機構及第三方檢測機構更好地應對2020版藥典中藥材及飲片（植物類）中禁用農藥多殘留的分析方法，島津公司已推出2020《中國藥典》中藥材及飲片農藥多殘留檢測全面解決方案。尤其在LC-MS/MS農殘數據解析方面，采用全新PeakintelligenceTM功能，運用AI技術對色譜峰自動智能積分，無需設置任何積分參數，幫助用戶大大簡化在LC-MS/MS數據處理上花費的時間，有效提升工作效率。

已于2020年12月30日正式實施的2020年版《中國藥典》（以下簡稱“2020版藥典”），在“2341 農藥殘留量測定法”中新增第五法植物類藥材中禁用農藥多殘留測定提供了GC-MS/MS和LC-MS/MS檢測的化合物清單、檢測方法、三種藥材樣品前處理。對于涉及藥材及飲片的制藥企業及藥廠，由于藥材及飲片（植物類）種類繁多，樣品基質復雜，加上無相關技術儲備，實驗人員在面對大量樣品數據處理時，難免會因分析經驗不足、目標物受基質干擾較大或人為失誤等原因，造成積分結果不準確；甚至在特定情況下，會采取手動積分操作處理。與此同時，由于中藥農殘檢測投入較高，非自檢的企業會選擇第三方檢測公司委托分析，檢測企業的操作人員由于個人數據處理的能力參差不齊，難以避免會發生篡改積分結果的風險。在合規性管理要求下，無論是制藥企業還是第三方檢測機構，在如何快速準確獲得結果報告方面面臨著巨大的挑戰。

為了幫助藥品生產企業、藥品檢驗機構及第三方檢測機構更好地應對在數據解析方面的困境，在開發的LC-MS/MS法檢測30個農藥化合物多殘留的應用方案中，對于農殘的數據解析，通過Peakintelligence^TM功能，運用AI技術對色譜峰自動智能積分，無需設置任何積分參數，幫助用戶大大簡化在LC-MS/MS數據處理上花費的時間，有效提升工作效率。

Peakintelligence™

運用AI技術實現色譜峰智能積分

準確、快速處理海量農殘數據

Peakintelligence^TM采用人工智能AI（AI：Artificial Intelligence）技術，通過深度學習，利用大量數據開展學習訓練，實現正確檢測和積分目標物色譜峰，減少了錯誤檢測或未檢測色譜峰的數量，縮短確認結果所需的時間。特別是有效解決用戶因分析經驗不足等原因，造成積分結果不準確等問題。在顯著提升數據處理效率的同時，也可獲得準確的數據結果。

按照2020版藥典通則2341《農藥殘留量測定法》第五法《藥材及飲片（植物類）中禁用農藥多殘留測定法》要求，采用LC-MS/MS配合Peakintelligence^TM技術開發了麥冬中30個農藥化合物多殘留檢測的應用方案。在麥冬樣品數據處理中，在質譜數據處理軟件LabSolutions Insight打開LC-MS/MS采集的農殘數據，在積分功能選項下拉菜單中，選擇算法“Peakintelligence_Ver2”及模型“LCMS_Model_V1”即可，無需設置任何積分參數，即可自動、快速、準確完成目標物色譜峰積分檢測。

通過運用AI技術對不同濃度點的農殘對照品進行色譜峰智能積分，30個農殘化合物的校正曲線相關系數r均大于0.999，農殘混標濃度點的準確度范圍在94%~106%之間。在各自*濃度點范圍為1~5ng/mL，其準確度分別為94%~100%。

以甲胺磷為例，應用PeakintelligenceTM的AI技術解析農殘混標的準確度%結果（濃度范圍5~200ng/mL，相關系數r=0.9992）

Peakintelligence^TM是由島津制作所與富士通株式會社、株式會社富士通研究所聯合研究開發。此外，開發過程中從大阪大學研究生院工學研究專業福崎英一郎教授、大阪大學信息科學研究專業松田史生教授處獲得研究人員需求和技術性建議。

通過深度學習訓練數據模型

在最新發表的一篇應用通訊中，研究人員使用LCMS-8060NX分析了唾液中短鏈脂肪酸等口腔細菌產生的親水性代謝產物，以對口腔菌群進行代謝組學研究。其中展示了使用Peakintelligence^TM技術對檢測到的色譜峰進行積分的案例，對于復雜組分或是色譜峰未*分離的情況下，Peakintelligence^TM也可以正確檢測和積分，減少了錯誤檢測或未檢測到峰的數量以及確認結果所需的時間。

Peakintelligence^TM技術不僅適用于中藥農殘檢測相關客戶，對于植物源性及動物源性食品中農殘檢測的用戶，也可運用AI技術的全新算法，自動快速處理海量的農殘數據。目前Peakintelligence^TM技術支持農藥殘留數據的快速解析，LC-MS/MS版初級代謝產物方法包和細胞培養上清液方法包中化合物的數據處理。