Dans le domaine de l'analyse et la détection de produits pharmaceutiques contrefaits, différentes techniques
analytiques ont été appliquées afin de discriminer les produits authentiques des contrefaçons. Parmi celles-ci,
les spectroscopies proche infrarouge (NIR) et Raman ont fourni des résultats prometteurs.
L'objectif de cette étude était de développer une méthodologie, basée sur l'établissement de liens chimiques
entre les saisies de produits contrefaits, permettant de fournir des informations utiles pour les acteurs impliqués
dans la lutte à la prolifération de ces produits. Une banque de données de spectres NIR et Raman a été créée
et différents algorithmes de classification non-supervisée (i.e., analyse en composantes principales (ACP) et
analyse factorielle discriminante (AFD) - elus ter onolysis) ont été utilisées afin d'identifier les différents groupes
de produits présents. Ces classes ont été comparées aux profils chimiques mis en évidence par la spectroscopie
infrarouge à transformée de Fourier (FT-IR) et par la chromatographie gazeuse couplée à la spectrométrie de
masse (GC -MS).
La stratégie de classification proposée, fondée sur les classes identifiées par spectroscopie NIR et Raman,
utilise un algorithme de classification basé sur des mesures de distance et des courbes Receiver Operating Characteristics (ROC).
Le modèle est capable de comparer le spectre d'une nouvelle contrefaçon à ceux des
saisies précédemment analysées afin de déterminer si le nouveau spécimen appartient à l'une des classes
existantes, permettant ainsi de le lier à d'autres saisies dans la base de données.