A Comparative Evaluation of Sample Selection Algorithms for Multivariate Calibration in Near-Infrared Spectroscopic Analysis of Pharmaceutical Formulations

Resumen Técnico: Evaluación Comparativa de Algoritmos de Selección de Muestras para la Calibración Multivariante en Espectroscopía NIR

Planteamiento del Problema
El desarrollo de modelos de calibración multivariante robustos para el análisis espectroscópico de infrarrojo cercano (NIR) en el control de calidad farmacéutico depende críticamente de la partición racional de las muestras disponibles en conjuntos de calibración (entrenamiento) y de validación. Una selección de muestras inadecuada conduce al sobreajuste (overfitting) del modelo, donde la excelente estadística de calibración no se traduce en una precisión predictiva para muestras nuevas. Si bien existen diversos algoritmos para optimizar esta partición —tales como Kennard–Stone, Honigs, Duplex y Naes—, la literatura previa carece a menudo de una validación estadística rigurosa de las diferencias de rendimiento, de una investigación sistemática de los efectos de las métricas de distancia (Euclidiana frente a Mahalanobis) y de un análisis exhaustivo del impacto de las proporciones del conjunto de entrenamiento. Este estudio aborda estas brechas mediante la evaluación de cuatro algoritmos establecidos aplicados a un conjunto de datos de NIR farmacéutico.

Metodología
La investigación utilizó un conjunto de datos de 58 tabletas comerciales de paracetamol (500 mg) adquiridas en farmacias de Bamako, Mali. Las concentraciones de referencia de paracetamol se determinaron mediante espectrofotometría UV-Vis validada según la farmacopea. Los espectros NIR se adquirieron en modo de reflectancia (800–1700 nm) y se preprocesaron utilizando la Variación de la Normal Estándar (SNV), derivadas y suavizado de Savitzky–Golay, seleccionándose los espectros suavizados para un rendimiento óptimo.

El diseño experimental central consistió en:

1. Implementación de Algoritmos: Se implementaron cuatro algoritmos de selección de muestras:
   • Kennard–Stone: Selecciona muestras para maximizar la cobertura del espacio espectral.
   • Honigs: Selecciona iterativamente muestras espectralmente distintas basadas en la proyección de residuos.
   • Duplex: Construye simultáneamente conjuntos de calibración y validación equilibrados.
   • Naes: Utiliza agrupamiento por k-means para asegurar la representación de subtipos.
2. Marco de Modelado: La Regresión de Procesos Gaussianos (GPR) con un núcleo de función de base radial sirvió como marco de modelado.
3. Métricas de Desempeño: Los modelos se evaluaron mediante el coeficiente de determinación ($R^2$) y el Error Cuadrático Medio de Predicción (RMSEP).
4. Análisis Estadístico: Se emplearon métodos estadísticos no paramétricos para validar las diferencias de rendimiento. La prueba de Kruskal–Wallis evaluó las diferencias globales, seguida de pruebas post-hoc de Mann–Whitney U con corrección de Bonferroni para comparaciones por pares.
5. Variables: El estudio varió sistemáticamente las proporciones del conjunto de entrenamiento (del 60% al 90%) y comparó las métricas de distancia Euclidiana frente a Mahalanobis donde fuera aplicable.

Resultos Clave

• Desempeño de los Algoritmos: El algoritmo Kennard–Stone empleando la métrica de distancia de Mahalanobis demostró un desempeño superior, obteniendo un $R^2$ de validación de 0.99999 y un RMSEP de $1.74 \times 10^{-6}$. El algoritmo Honigs mostró un desempeño comparable ($R^2 = 0.999996$, RMSEP = $1.76 \times 10^{-6}$). Ambos superaron significativamente a los métodos Duplex, Naes y de partición aleatoria.
• Significancia Estadística: Las pruebas de Kruskal–Wallis confirmaron diferencias altamente significativas entre los algoritmos ($p < 0.001$). El análisis post-hoc reveló que, si bien Kennard–Stone y Honigs son estadísticamente equivalentes entre sí ($p = 1.000$), ambos son significativamente superiores a Duplex, Naes y la partición aleatoria.
• Indicadores de Sobreajuste: Los algoritmos Naes y Duplex exhibieron estadísticas de calibración excelentes, pero un desempeño de validación degradado, lo que indica una tendencia hacia el sobreajuste y una representación inadecuada de la variabilidad del conjunto de validación.
• Tamaño del Conjunto de Entrenamiento: Se observó una relación monotónica entre el tamaño del conjunto de entrenamiento y la precisión predictiva. El desempeño mejoró a medida que la proporción de entrenamiento aumentó del 60% al 90%, con un comportamiento asintótico que sugiere rendimientos decrecientes más allá del rango del 80–90%.
• Métricas de Distancia: Para el algoritmo Kennard–Stone, la métrica de distancia de Mahalanobis produjo resultados de validación superiores en comparación con la distancia Euclidiana, debido a su capacidad para contabilizar las correlaciones entre longitudes de onda en los datos espectrales. Para el algoritmo Honigs, ambas métricas funcionaron de manera comparable.

Significancia y Reivindicaciones
El artículo afirma que sus hallazgos proporcionan una guía basada en evidencia para optimizar los protocolos de selección de muestras en aplicaciones de NIR farmacéutico. Las principales contribuciones incluyen:

1. Validación de la Selección Racional: Demostrar que los algoritmos de selección sistemática de muestras superan significativamente a la partición aleatoria, lo que requiere su inclusión en los flujos de trabajo de desarrollo de métodos.
2. Equivalencia Estadística: Establecer que los métodos Kennard–Stone y Honigs son estadísticamente equivalentes para este conjunto de datos, ofreciendo a los profesionales flexibilidad en la elección del algoritmo basada en preferencias de implementación o computacionales.
3. Rigor Metodológico: Destacar la importancia crítica de la validación externa sobre las métricas de calibración por sí solas, como lo evidencia el sobreajuste observado en los métodos Naes y Duplex.
4. Selección de Métricas: Subrayar la necesidad de seleccionar métricas de distancia apropiadas, específicamente la ventaja de la distancia de Mahalanobis para Kennard–Stone en espacios espectrales correlacionados.

Los autores concluyen que el algoritmo Kennard–Stone con la distancia de Mahalanobis representa un enfoque bien validado para la partición de conjuntos de muestras en este dominio, reconociendo al mismo tiempo que el trabajo futuro debería extender estos hallazgos a diversas clases de productos farmacéuticos.