对用于赛马中兴奋剂控制的人工智能平台的分析数据审查
Chun Sing Lai1, April S Y Wong1, Kin-Sing Wong1
1Racing Laboratory, The Hong Kong Jockey Club, Shatin Racecourse, Shatin, N.T., Hong Kong 999077, China.
Analytical chemistry
|June 10, 2025
概括
人工智能 (AI) 可以将马的兴奋剂控制染色图分类为禁止物质 (PS) 的阳性或阴性. 这种人工智能模型实现了超过90%的准确性,提高了效率,但在分析时间和工作流程灵活性方面面临挑战.
科学领域:
- 分析化学 分析化学
- 法医科学 法医科学 法医科学
- 生物技术是生物技术.
背景情况:
- 赛马中的兴奋剂控制从GC/MS和LC/MS分析中产生了大量的染色图.
- 对这些染色体图进行禁止物质 (PS) 的手动审查是劳动密集型和耗时的.
- 人工智能 (AI) 提供了基于图像的数据分析自动化的潜力,包括染色图.
研究的目的:
- 探索使用人工智能用于马匹兴奋剂控制中染色体的初始分析的可行性.
- 开发和评估一种人工智能模型,用于将染色图分类为PS的阳性 (POS) 或阴性 (NEG).
- 评估AI在提高兴奋剂控制数据审查效率和准确性方面的潜力.
主要方法:
- 使用Alteryx Designer的图像识别工具开发了一个预测模型.
- 在6000多个手动分类染色图 (POS/NEG) 上训练模型.
- 在大约700个手动分类的染色图上评估了模型准确性,达到90%以上的预测准确性.
主要成果:
- 在两种查方法中,人工智能模型准确地识别了可疑/正和负色谱,没有假阴性.
- 该模型在马尿液LC/MS分析的染色图分类方面表现出高准确度.
- 将其应用于覆盖300多个药物标的选方法,显示出可靠的性能.
结论:
- 人工智能具有显著的潜力,可以提高马匹兴奋剂控制中初始染色体分析的效率.
- 开发的AI模型表现出高准确度和没有假负值,有助于更快地对数据进行审查.
- 减少分析时间和增加工作流的灵活性,以便在常规测试中广泛实施,仍然存在挑战.
