Basé sur les données chromatographiques HPLC-DAD de 75 lots de comprimés composés de réglisse, cette étude propose et valide une méthode de construction d’empreinte 3D: l’intégration spectrale complète IA de 38 longueurs d’onde allant de 200 à 348 nm, combinée au calcul de la similarité macro qualitative (S_m) et macro quantitative (P_m) via la méthode binaire trispéculaire, pour évaluer la consistance de la qualité. La quantification de 9 substances actives a été effectuée par méthode de courbe standard et méthode d’empreinte de rapport, suivie d’une comparaison des différences. Les résultats montrent qu’en comparaison au spectre à une seule longueur d’onde de 220 nm, l’empreinte 3D améliore significativement la capacité de distinction de P_m tout en maintenant la similarité qualitative macroscopique. L’analyse en composantes principales (PCA) et le graphique radar démontrent une meilleure sensibilité à la discrimination des lots et des fabricants. De plus, la méthode d’empreinte de rapport et la méthode de courbe standard sont cohérentes dans la quantification des 9 composants cibles (r > 0.99), validant la fiabilité de la stratégie quantitative. L’empreinte 3D intégrant les informations de détection sur 38 longueurs d’onde peut représenter de manière plus complète et sensible la composition chimique et les différences de qualité des comprimés composés de réglisse, augmentant significativement la capacité de discrimination des lots et des fabricants. Cette méthode combinée à la méthode binaire trispéculaire offre une approche de surveillance de la consistance de la qualité des médicaments à base de plantes basée sur les mégadonnées, fournissant un soutien empirique et une voie technique applicable à la surveillance qualité fondée sur l’intelligence artificielle et les données chromatographiques à grande échelle.

comprimés composés de réglisse;methode binaire trispéculaire;empreinte 3D;évaluation de la consistance de la qualité;détermination du contenu multi-composants;chromatographie liquide à haute performance