人工智能可以预测高效液相色谱条件，但化学参数仍需人工修正。

一项针对人工智能在反相高效液相色谱（RP-HPLC）方法开发中应用的定量研究表明，尽管人工智能平台对雷诺嗪分析的总体预测准确率达到了72.9%，但人工干预对于解析化学相互作用参数仍然至关重要。该研究引入了一个参数级定量框架，旨在系统地评估人工智能在RP-HPLC方法开发中的预测准确率，并以雷诺嗪为模型分析物，填补了现有文献中的方法学空白。

为了评估预测能力，研究人员使用标准化的色谱输入数据测试了四个不同的人工智能平台——Perplexity、Copilot、Gemini 和 YesChat。在这些系统中，YesChat HPLC 方法开发平台因其能够提供结构化、可操作的输出，并明确关注绿色化学原则，而被选中进行深入评估。研究团队通过一个结构化的三级评估系统，从七个色谱参数的角度对该平台的输出进行了评估。

评估结果显示，物理仪器设置和复杂的化学参数在预测性能方面存在显著差异。人工智能在四个仪器参数（柱温、流速、检测波长和流动相比例）上实现了100%的准确率。相比之下，流动相pH值范围的准确率仅为70%，因为该平台建议的pH值范围较宽，为3.0至4.5，而非确定一个具体的运行值。

当人工智能处理控制化学相互作用的参数时，其局限性显露无疑。该模型在缓冲液必要性方面的得分为0%，在环糊精浓度方面的得分为40%，表明其无法正确确定必要的流动相添加剂。随后，人工指导的优化通过完全去除磷酸盐缓冲液并将磺丁基醚-β-环糊精的浓度降低至4毫摩尔/升来解决这些缺陷，从而改善了色谱峰形和保留时间，最终保留时间为6.17分钟。

根据国际人用药品注册技术协调会 (ICH) Q2(R1) 指南，对所得反相高效液相色谱 (RP-HPLC) 方法进行了分析验证。验证结果表明该方法性能稳定可靠，在 10.0 至 100.0 μg/mL 的浓度范围内呈线性响应，决定系数为 0.9999，相对标准偏差低于 2%，回收率为 98.66% 至 101.20%。该方法的检测限为 1.25 μg/mL，定量限为 3.79 μg/mL。

除了分析验证外，所开发的方法还展现出良好的环境性能，其白色分析化学评分估计约为 82 分（满分 100 分）。这一绿色特性是通过去除乙腈、降低甲醇消耗量以及采用环糊精辅助优化实现的。研究结果表明，如果能够结合人类分析专业知识来调整复杂的化学参数并确保方法的稳健性，人工智能辅助的工作流程可以显著加速用于药物质量控制的可持续分析方法的开发。

研究课题：系统评价人工智能预测准确性及反相高效液相色谱法开发中人工优化措施

关键词：反相高效液相色谱法 (RP-HPLC)、高效液相色谱方法开发、雷诺嗪、人工智能、YesChat、Perplexity、Copilot、Gemini、预测准确率、磺丁基醚-β-环糊精、磷酸盐缓冲液、ICH Q2(R1)、绿色化学、WECA 白度评分、药物质量控制、检测限、定量限、色谱优化