O reconhecimento qualitativo de medicamentos falsificados baseado em espectroscopia no infravermelho próximo requer o uso de computação e quimiometria para extrair informações características de espectros complexos, sobrepostos e variáveis, e construir modelos preditivos. Nessa classe de tarefas, pode haver o problema do desequilíbrio de classes devido à relativa escassez de amostras de certas categorias. Baseado na geração de amostras virtuais e na modelagem em conjunto, espera-se melhorar a precisão do reconhecimento dos modelos obtidos com conjuntos de treinamento desequilibrados. Este artigo toma a azitromicina como objeto de estudo, projetou um conjunto de amostras experimentais e utilizou um modelo integrado de análise discriminante por mínimos quadrados parciais baseado na técnica de amostras virtuais para construir um classificador que identifique a validade ou não dos medicamentos. Compararam-se o desempenho dos modelos individuais e integrados em 10 diferentes intervalos espectrais, discutindo-se os efeitos da taxa de desequilíbrio, composição das amostras e escala do conjunto, sendo que a sensibilidade do classificador integrado aumentou em média cerca de 9%. Os experimentos confirmaram as vantagens dessa estratégia integrada; quando o número de amostras da classe minoritária é muito pequeno, o algoritmo integrado proposto demonstra maior vantagem, e o método tem potencial para aplicação em outros tipos de dados.

amostras virtuais;integrado;espectroscopia no infravermelho próximo;medicamentos;reconhecimento