ドラッグチェックサービスのフェンタニル定量化モデルの開発と検証

科学分野:

• 法医学化学 法医学化学
• データサイエンス データサイエンス
• 公衆衛生は公衆衛生である.

背景:

• コミュニティの薬物検査サービスは,害の軽減に不可欠ですが,フェンタニル濃度の正確な定量化に課題があります.
• 規制されていないオピオイド供給は,フェンタニル含有量の有意な変動を示し,分析を複雑にします.
• 既存の薬物検査技術は,フェンタニルアナログの正確な定量化のために強化する必要があります.

研究 の 目的:

• コミュニティの薬物検査サンプルで複数のフェンタニル類似体を分類し,定量化できる最初の機械学習モデルを開発する.
• 規制されていない医薬品の供給におけるフェンタニル濃度測定の精度を向上させる.
• 先進的な分析技術をコミュニティベースの害の軽減ツールと統合する.

主な方法:

• フーリエ変換赤外線光譜法 (FTIR) は,有害性削減サイトでの薬剤サンプル初期分析に使用されました.
• ヘルス・カナダの薬物分析サービスの実験室での分析により,金色の基準である定量的核磁気共鳴 (qNMR) の結果が得られました.
• リッジ回帰とランダムフォレストモデルを含む機械学習パイプラインが開発され,フェンタニルとフッ素フェンタニルの定量化に最適化されました.

主要な成果:

• ハイブリッドの機械学習パイプラインは,フェンタニル (平均誤差=3.74;R2=0.94) とフッ素フェンタニル (平均誤差=1.22;R2=0.97) の濃度を推定する際に高い精度を示した.
• モデル性能はサンプル組成によって異なるが,異なるアルゴリズムが純フェンタニルと混合アナログのサンプルで優れている.
• 6年間の期間中,131,096の薬物チェックが行われ,2032のユニークなサンプルが分析され,モデルトレーニングのための堅牢なデータセットを提供しました.

結論:

• 機械学習モデルは,フェンタニルの定量化のための伝統的なコミュニティの薬物チェック技術を大幅に拡張することができます.
• フェンタニル類の正確な定量化は,効果的な有害性削減戦略に不可欠です.
• 予測の不確実性を伝達することは,これらの高度なツールの責任ある実装に不可欠です.