机构名称：
¥ 1.0
由于澳大利亚国内和周边地区贩运的毒品数量巨大，对非法毒品进行高效和准确的分析仍然是澳大利亚面临的持续挑战。便携式药物检测技术促进了法医实验室的分散化，使分析数据能够更有效地处理。近红外 (NIR) 光谱与化学计量建模（机器学习算法）相结合已被强调为一种快速准确的便携式药物检测技术。然而，它的有效性取决于一个代表市场的化学相关样本数据库。不同国家的药物之间存在化学差异，需要将这些差异纳入数据库，以确保准确的化学计量模型预测。本研究旨在优化和评估近红外光谱与机器学习模型相结合的实施，以在澳大利亚背景下快速识别和量化非法药物。MicroNIR（Viavi Solutions Inc.）用于扫描澳大利亚联邦警察缴获的 608 个非法药物样本，主要包括结晶甲基苯丙胺盐酸盐 (HCl)、可卡因 HCl 和海洛因 HCl。还扫描了许多其他传统药物、新型精神活性物质和掺假物以评估选择性。将 3673 次 NIR 扫描与从参考实验室获得的身份和定量值进行比较，以评估化学计量模型的熟练程度。结晶甲基苯丙胺盐酸盐、可卡因盐酸盐和海洛因盐酸盐样本的鉴别非常准确，准确率分别为 98.4%、97.5% 和 99.2%。这三种药物的灵敏度差异较大，其中海洛因盐酸盐鉴别灵敏度最低（甲基苯丙胺 = 96.6%、可卡因 = 93.5% 和海洛因 = 91.3%）。对于这三种药物，NIR 技术提供了准确的定量，99% 的数值在相对不确定度 ± 15% 的范围内。具有 NIRLAB 基础设施的 MicroNIR 已证明可以实时提供准确的结果这有潜力提高澳大利亚前线和主动警务的明智决策、安全性、效率和有效性。
国际法医科学
主要关键词
相关文件推荐
