This study investigates the applicability of six transition metal dichalcogenides to efficient therapeutic drug monitoring of ten antiepileptic drugs using laser desorption/ionization-mass spectrometry. We found that molybdenum ditelluride and tungsten ditelluride are suitable for the sensitive quantification of therapeutic drugs. The contribution of tellurium to the enhanced efficiency of laser desorption ionization was validated through theoretical calculations utilizing an integrated model that incorporates transition-metal dichalcogenides and antiepileptic drugs. The results of our theoretical calculations suggest that the relatively low surface electron density for the tellurium-containing transition metal dichalcogenides induces stronger Coulombic interactions, which results in enhanced laser desorption and ionization efficiency. To demonstrate applicability, up to 120 patient samples were analyzed to determine drug concentrations, and the results were compared with those of immunoassay and liquid chromatography–tandem mass spectrometry. Agreements among these methods were statistically evaluated using the Passing–Bablok regression and Bland–Altman analysis. Furthermore, our method has been shown to be applicable to the simultaneous detection and multiplexed quantification of antiepileptic drugs.

Abstract This study investigated the applicability of the area of spheroids and hypoxic regions for efficient evaluation of drug efficacy using machine learning. We initially developed a high-throughput detection method to obtain the area of spheroids and hypoxic regions that can handle over 10,000 images per hour with an error rate of 2-3 %. The machine learning models were trained using cell growth of six cell lines ( i.e. , HepG2, A549, Hep3B, BEAS-2B, HT-29, and HCT116) and hypoxic region variations of two cell lines ( i.e. , HepG2 and BEAS-2B); our model can predict the area of spheroids and hypoxic region of certain growth date with high precision. To demonstrate the applicability, HepG2 spheroids were treated with sorafenib, and the efficacy of the drug was evaluated through a comparison of differences in areas of cell size and hypoxic regions with the predicted results. Furthermore, our ML approach has been shown to be applicable to provide the model-driven evaluative criterion for toxicity and drug efficacy using spheroids.