近红外光谱法在药物分析领域中的应用范围相当广泛，它不仅适用于药物的多种不同状态如原料[10]、完整的片剂、胶囊与液体等制剂[11]，还可用于不同类型的药品，如蛋白质[12]、中草药[13]、抗生素[14]等药物的分析。NIR更适用于对原料药纯度、包装材料等的分析与检测以及生产工艺的监控[15，16];利用不同的光纤探头可实现生产工艺的在线连续分析监控[17，18，19，20，21]。
定性、定量分析
现代近红外光谱技术不是通过观察供试品谱图特征或测量供试品谱图参数直接进行定性或定量分析，而是首先通过测定样品校正集的光谱、组成或性质数据(组成或性质数据需通过其它认可的标准方法测定)，采用合适的化学计量学方法建立校正模型，再通过建立的校正模型与未知样品进行比较，实现定性或定量分析。
定性分析
近红外光谱谱带较宽，特征性不强，因此很少像其它光谱(如紫外光谱和红外光谱)那样用于化合物基团的识别及结构的鉴定。近红外光谱的定性分析一般是用于确定分析样品在已知样品集中的位置[22]。常用的方法包括:
(1)判别分析法：判别分析是经典的定性识别方法，其基本思路是相同样品在不同波长下具有相近的光谱吸收，这种光谱间的比较可以是原始光谱，也可以是经过处理的光谱。
(2)主成分分析(PrincipalComponentAnalysisPCA)法：利用PCA方法将多波长下的光谱数据压缩到有限的几个因子空间内，再通过样品在各因子空间的得分确定其归属类别，但PCA对样本与校正集间的确切位置缺乏定量的解释。任玉林等采用此方法研究了*[23]的近红外漫反射光谱，总结出对标化后的数据进行主成分分析可减小颗粒大小的变化所产生的散射影响，并且用第二主成分得分对*主成分作图可以将合格样品与不合格样品区分开来。其缺点是当真药与劣药的含量相当接近时此法容易分错[24]。
(3)马氏距离(MahalanobisDistanceMD)法：该方法的核心是通过多波长下的光谱距离定量描述出测量样本离校正集样本的位置，因而在光谱匹配异常点检测和模型外推方面都很有用。但应用该方法时，波长位置的选择非常重要，波长点过少，光谱得不到合理的描述;波长点过多，计算量大，为此，徐广通提出将PCA与马氏距离相结合解决模型的适用性判断，可以充分利用PCA对大量光谱数据进行降维处理，也较好地解决了马氏距离计算时波长点的选择问题，避免了大量光谱数据直接进行马氏距离计算出现的共线性或计算量大等问题，且克服了采用PCA自身进行判断界限不易量化的问题[25]。
定量分析
近红外光谱测量时一般不需对样品进行预处理，但测定的光谱可能受到各种干扰因素的影响。利用单一波长下获得的光谱数据很难获得准确的定量分析结果。NIR光谱结构复杂，谱图重叠较多，所以在进行定量分析时，一般采用多波长下获得的数据并进行一定的数据处理才能获得准确可靠的分析结果。常用方法如下：
(1)主成分回归(PrincipalComponentRegression，PCR)：原理与PCA相同。吉林大学的任玉林等在此方面进行了深入研究[26]。PCR在解释光谱数据时起着重要作用，从主成分权重图中能够确定主成分与哪个组份有关，但确切而全面地解释每个主成分代表什么迄今仍是zui难解决的问题。
(2)偏zui小二乘法(PartialLeastSquarePLS)：该法是一种全光谱分析方法，充分利用多个波长下的有用信息，无需刻意的选择波长，并能滤去原始数据噪音，提高信噪比，解决交互影响的非线性问题，很合适在NIR中使用[27]。实验证明，PLS法同近红外漫反射光谱法结合，直接分析固态粉末药品磺胺甲基异唑[28]、安体舒通[29]、*[30]、*[31]是可行的，同其它方法相比具有速度快、简便、且不破坏样品的优点。
(3)人工神经网络法(ArtificialNeuralNetworksANN)：近年来兴起的ANN法研究，根据样品各组分的光谱数据建立人工神经网络模型，预测未知样品并讨论影响网络的各参数。采用ANN法对*[32]、*[33]、美的康[34]等药物定量分析的结果表明，ANN法的zui大优点是其抗干扰、抗噪音及强大的非线性转换能力，对于某些特殊情况ANN会得到更小的校正误差和预测误差，并且它的预示结果要稍优于PLS(t检验无显著差异)。这可能是由于ANN法具有更强的非线性处理能力所致。
此外还有多元线性回归(MultipleLinearRegressionMLR)、拓扑(TopologyTP)等方法也在近红外光谱分析中得到应用。
