為了幫助確保急救人員的安全，佛羅里達大學的研究人員開發了一種人工智能方法，該方法不僅可以快速，遠程地檢測強大的藥物芬太尼，而且還可以自我檢測以秘密批次生產的任何以前未知的衍生物。

該方法最近在《科學報告》(Scientific Reports)雜志上發表，使用紅外光譜法，可用于便攜式臺式設備。

UCF統計與數據科學系助理教授，該研究的主要作者徐夢玉說：“芬太尼是藥物過量死亡的主要原因。” “它及其衍生物的致死劑量低，可能導致使用者死亡，可能對急救人員構成危險，甚至可能被氣霧化。”

芬太尼的效價比疾病控制和預防中心的嗎啡強50到100倍，可以合法地處方來治療嚴重疼痛的患者，但有時還是非法制造和使用。

UCF機械和航空航天工程系副教授Subith Vasu共同主持了這項研究。

他說，快速識別已知和新出現的阿片類藥物芬太尼物質的方法可以提高執法人員和人員的安全，他們必須盡量減少與該物質的接觸。

Vasu說：“這種AI算法將用于我們為國防高級研究計劃局制造的檢測設備中。”

對于這項研究，研究人員使用了有機分子數據庫來鑒定具有母體化合物芬太尼中至少一個官能團的分子。他們根據這些數據構造了機器學習算法，以根據其紅外光??譜特性識別這些分子。然后他們測試了算法的準確性。AI方法正確識別與芬太尼有關的分子的準確率為92.5%。

徐說，這是首次進行系統分析，從紅外光譜數據中識別與芬太尼相關的官能團，并使用機器學習和統計分析工具。

該研究的合著者王春紅是UCF納米科學技術中心的博士后學者，并幫助研究了該化合物的光譜特性。他說，由于存在多種芬太尼和卡芬太尼類似物，因此很難鑒定芬太尼。

UCF納米科學技術中心和化學系的合著者，副教授Artem Masunov研究了芬太尼及其類似物的化學結構所共有的官能團。

他說，盡管類似物存在差異，但它們具有共同的官能團，它們的結構相似性使化合物能夠結合體內的受體并執行相似的功能。

UCF機械和航空航天工程系的研究合著者和研究工程師Anthony Terracciano與Wang一起研究了紅外光譜的特性。他說，紅外光譜的分析和分析是快速，高度準確的，并且可以通過臺式設備完成。

當前的研究使用了氣體形式的化合物的紅外光譜數據，但是研究人員正在進行類似的研究，以使用機器學習來檢測粉末形式的芬太尼及其衍生物。預計到2021年，該技術的產品將會成熟，可以進行實際的現場快速識別。