中藥提取工藝是中藥制備中的關鍵環節，穩定高效的提取工藝是保證中藥臨床效果的重要前提。中藥學院折改梅研究員團隊以中藥復方提取工藝參數為優化對象，以次生代謝產物和多糖的定量核磁、指紋圖譜和分子量等多類型數據為目標，以NSGA-Ⅱ為框架構建了一個機器學習輔助下數據驅動的多目標優化模型，該模型預測了設定工藝參數范圍內的所有工藝參數最優解組合并通過實驗驗證了所建立模型的高效和穩健性。該項研究在機器學習輔助下建立了一個可用于多種不同類型指標、多過程優化過程的模型，利用來自經典正交試驗方法的少量試驗數據完成預測參數空間范圍內的所有可行組合，突破了優化工藝中只能考察少量指標卻需要大量反復實驗測定的瓶頸，為多類型指標的高效中藥提取及其智能工業化生產提供了新的方法和模式。
相關研究結果以“Machine learning-assisted data-driven optimization and understanding of the multiple stage process for extraction of polysaccharides and secondary metabolites from natural products”為題發表在中科院一區TOP期刊Green Chemistry（https://pubs.rsc.org/en/content/articlelanding/2023/gc/d2gc04574e）。論文被選做該期刊封底文章及2023年熱門文章刊出。中藥學院碩士研究生馬嘉慕為論文第一作者，中藥學院折改梅研究員和袁瑞娟副教授為該論文的通訊作者。
