正面交鋒：LCMS檢測開發中最優DOE與貝葉斯學習的比較（2026-EU-30MP-2771）為cobas®質譜系統並行開發多種濫用藥物檢測 (DAT) 分析方法需要高效率的最佳化工作流程。本次演講將詳細介紹我們優化 HPLC 梯度的方法，這是 LCMS 方法開發中典型的挑戰，因為需要考慮的因素非常多。
我們首先設計了一個包含 80 多次運行的約束性 I 最優實驗，以產生建立穩健模型所需的豐富資料集。本次報告的核心內容著重於經典分析，詳細闡述如何建構多種反應的預測模型，並將其整合到一個統一的最佳化框架中，從而確定穩健的運作條件。
同時，我們探索了一種貝葉斯學習方法。這種雙重策略旨在優化現有檢測方法，並了解哪種建模理念更適合未來的專案。本次演講將對這兩種工作流程進行獨特的比較，深入探討它們的實際應用以及最終經實驗驗證的結果。與會者將了解在工業研發環境中，傳統DOE方法與貝葉斯學習方法各自的優勢和權衡取捨。
請注意，本次演講沒有錄製，也不提供點播觀看。
進階統計建模實驗設計
