Le materie prime che arrivano in uno stabilimento per integratori possono avere nomi simili e caratteristiche chimiche differenti. Una polvere botanica privata della forma originale della pianta è particolarmente difficile da riconoscere a vista. La spettroscopia NIR, cioè nel vicino infrarosso, viene studiata e utilizzata per acquisire rapidamente una firma spettrale del materiale e confrontarla con campioni noti mediante modelli matematici. Può contribuire ai controlli di accettazione, purché il campo di applicazione sia circoscritto e ogni decisione si fondi su prove rappresentative.
Questa guida spiega che cosa misura davvero lo strumento, come si costruiscono i modelli di identificazione, quali errori possono verificarsi e come inserire lo screening in un sistema di qualità per integratori. È una trattazione scientifica e operativa: non attribuisce benefici fisiologici ai prodotti finiti e non presenta una tecnica analitica come garanzia assoluta di conformità. Per orientarsi, vale la pena partire dalla domanda più importante: lo spettro che vediamo è sufficiente a decidere che questo lotto sia proprio quello ordinato?
Perché identificare una polvere botanica è più difficile di quanto sembri
Un nome commerciale sulla confezione del fornitore non equivale a un’identificazione certa della materia prima. Quando una pianta viene essiccata, triturata, estratta e infine trasformata in polvere, buona parte dei caratteri morfologici utili al riconoscimento scompare. Il controllo in accettazione deve quindi mettere insieme provenienza, documentazione del lotto, caratteristiche della sostanza e prove analitiche adeguate. La spettroscopia nel vicino infrarosso, indicata con la sigla NIR, può offrire un’informazione rapida su campioni solidi o in polvere, spesso con preparazione limitata. È interessante soprattutto dove si ricevono molti lotti e la decisione di avviare una lavorazione richiede tempi compatibili con la produzione, senza rinunciare alla qualità.
La domanda corretta, tuttavia, non è se uno strumento NIR riconosca qualunque pianta. È se un metodo sviluppato con campioni rappresentativi sia in grado di distinguere proprio le categorie richieste dalla specifica, entro limiti documentati. Una polvere botanica autentica ma essiccata diversamente può assomigliare meno al campione di riferimento di quanto il suo nome suggerisca; al contrario, due specie affini o due miscele simili possono produrre segnali in parte sovrapposti. La tecnica ha valore quando questa variabilità è stata studiata, non quando si considera lo spettro una fotografia infallibile dell’identità.
Che cosa misura lo spettro nel vicino infrarosso
La regione del vicino infrarosso raccoglie risposte legate principalmente a sovratoni e combinazioni delle vibrazioni molecolari, in particolare dei legami che coinvolgono idrogeno, come O–H, C–H e N–H. Acqua, lipidi, proteine, carboidrati e componenti vegetali contribuiscono con intensità diverse alla forma complessiva del segnale. Nello spettro di una polvere non compare necessariamente un picco esclusivo che riporti il nome botanico: compare una somma di informazioni chimiche e fisiche, influenzata anche dalla diffusione della luce sulle particelle. L’identificazione pratica si fonda pertanto sul confronto del profilo con una popolazione di profili già caratterizzati.
Le acquisizioni si possono realizzare mediante riflettanza diffusa, con geometrie che dipendono dalla configurazione dello strumento. Il contenitore, l’altezza del campione, la granulometria, la compressione e l’umidità incidono sul risultato; perciò le condizioni di misura vanno specificate prima di confrontare i lotti. Vedere in pochi secondi una curva non significa avere immediatamente un giudizio di accettazione. Tra acquisizione e decisione opera un modello che deve essere addestrato, verificato e mantenuto nel tempo. Proprio questa componente statistica rende possibile usare segnali complessi, ma introduce anche il rischio di classificazioni errate se il modello viene impiegato fuori dal proprio campo di applicazione.
Dalla curva spettrale alla decisione: il ruolo della chemiometria
La chemiometria utilizza metodi matematici e statistici per estrarre informazioni da molte variabili correlate, come le intensità misurate alle diverse lunghezze d’onda. L’analisi delle componenti principali, o PCA, può aiutare a osservare raggruppamenti e campioni anomali; non è, da sola, una prova definitiva dell’identità del materiale. Modelli supervisionati quali SIMCA o PLS-DA vengono invece istruiti mediante campioni la cui classe è già nota e possono assegnare un nuovo campione a una classe, oppure rifiutarlo quando non corrisponde in modo credibile alle classi previste. La qualità della risposta dipende molto più dal disegno della banca dati che dall’aspetto sofisticato del software.
Nel caso di un modello quantitativo, per esempio destinato a stimare una caratteristica compositiva, è frequente l’uso della regressione ai minimi quadrati parziali, PLS. Una stima numerica deve poi essere confrontata con un metodo di riferimento indipendente: senza questo confronto non è possibile conoscere l’errore di previsione. Anche la scelta dei pretrattamenti, come correzione della diffusione, normalizzazione o derivate spettrali, è parte del metodo e non un dettaglio puramente informatico. Una trasformazione può migliorare la separazione dei campioni di sviluppo e peggiorare le previsioni su forniture nuove; per questo la verifica esterna resta essenziale.
Il problema reale dei campioni di riferimento
Un archivio costruito con poche aliquote provenienti da un solo sacco non rappresenta l’intera variabilità di una specie botanica. Per sviluppare un modello credibile si dovrebbero selezionare materiali identificati con metodi appropriati, includendo fornitori e origini differenti, raccolte in stagioni diverse, variazioni ragionevoli di processo e campioni che non devono essere riconosciuti come conformi. Il numero necessario non è universale: dipende dalla domanda analitica, dalle specie in gioco e dalla variabilità delle materie prime. È particolarmente importante conservare la prova dell’identità assegnata a ciascun riferimento, perché il modello imparerebbe come vera anche un’etichetta sbagliata.
Il secondo problema è evitare la falsa indipendenza. Se più scansioni dello stesso campione finiscono casualmente sia nell’insieme di addestramento sia in quello di prova, la prestazione può apparire eccellente senza dimostrare che il metodo riconoscerà davvero un nuovo lotto. La suddivisione va pensata per lotti indipendenti e, quando opportuno, per fornitori o periodi di acquisizione; una verifica con campioni raccolti in seguito è ancora più informativa. Per l’operatore interessato alla produzione conto terzi conta la capacità di distinguere una spedizione nuova da materiali non coerenti con la sua specifica, non la percentuale ottenuta ripetendo la lettura di ciò che lo strumento conosce già.
Che cosa dicono le ricerche su botanici e integratori
La ricerca offre esempi promettenti, ma i numeri pubblicati non vanno trasformati in promesse valide per qualunque matrice. Uno studio di Deconinck e colleghi su integratori botanici adulterati ha confrontato dati nel medio e vicino infrarosso associati a modelli chemiometrici; in quello specifico disegno sperimentale la migliore classificazione è stata ottenuta dal medio infrarosso con PLS-DA e ha raggiunto il 98,3% di classificazioni corrette nel set esterno. Il risultato dimostra la possibile utilità dello screening, non che qualunque sensore NIR riconosca il 98,3% degli adulteranti. È una distinzione fondamentale quando si devono acquistare strumenti o definire una procedura di rilascio.
Un lavoro del 2024 sulle tisane in polvere ha studiato la combinazione NIR e PLS-DA per individuare aggiunte di sabbia in matrici come camomilla e finocchio. Altre ricerche hanno verificato la discriminazione di materiali botanici e possibili sostituzioni di specie medicinali mediante NIR e modelli dedicati. Ciascuno di questi esperimenti riguarda campioni, preparazioni, strumenti e soglie specifici. In un impianto che tratta decine di ingredienti differenti, il modello utile per una radice polverizzata non si trasferisce automaticamente a un estratto titolato, a un sale minerale o a una miscela con eccipienti. Il passaggio dallo studio all’uso quotidiano richiede una valutazione interna coerente con la matrice.
Identità, autenticità e composizione non sono sinonimi
Un materiale può corrispondere alla specie botanica dichiarata e avere comunque una composizione non conforme alla specifica di acquisto. Un estratto di una determinata pianta, per esempio, può differire per rapporto droga/estratto, solvente impiegato, vettori aggiunti, grado di essiccazione e contenuto dei marcatori caratteristici. La classificazione NIR può essere utile a individuare uno scostamento globale, ma la capacità di misurare un singolo composto deve essere dimostrata con una calibrazione quantitativa appropriata. Un responso del tipo «compatibile» non dovrebbe essere tradotto nella frase «contiene sicuramente la quantità di principio dichiarata».
Analogamente, l’autenticità riguarda anche la possibilità di escludere sostituzioni o aggiunte intenzionali. Un modello può riconoscere alcune adulterazioni incluse nel suo archivio e non altre mai incontrate. L’assenza di un’anomalia spettrale non fornisce quindi una garanzia generale di assenza di sostanze estranee. La qualità deve essere valutata sul profilo di rischio del materiale, con test mirati a quelle caratteristiche che la NIR non osserva con selettività sufficiente. La distinzione è ancora più importante nella comunicazione al cliente: una tecnologia di screening è un ausilio al controllo di un processo, non un certificato universale di sicurezza dell’integratore finito.
Acqua, granulometria, temperatura e confezione: i fattori confondenti
Le bande dell’acqua possono incidere fortemente sullo spettro NIR. Un campione conservato in un magazzino umido o aperto ripetutamente può dunque apparire diverso dalla stessa materia prima mantenuta in condizioni controllate. Anche la distribuzione granulometrica cambia la diffusione della radiazione, mentre la temperatura e la disposizione delle particelle contribuiscono alla variabilità della misura. La definizione di un intervallo operativo non è un adempimento burocratico: serve a non scambiare una differenza fisica per una sostituzione botanica. Dove opportuno, le variabili si controllano con modalità standardizzate o si rappresentano nella calibrazione.
L’acquisizione attraverso una busta trasparente può essere praticabile in alcune configurazioni, ma il materiale del sacchetto, lo spessore, le pieghe e la distanza dalla sonda modificano la misura. Non è corretto presumere che tutti gli imballaggi consentano una prova equivalente al contatto diretto. Il protocollo dovrebbe definire se la scansione avviene nel contenitore originale, in una coppetta o su un’aliquota campionata; se avviene attraverso l’imballo, occorre verificarne l’effetto con dati sperimentali. Per le materie prime botaniche, i lotti con spettri anomali richiedono una procedura di approfondimento documentata e non una semplice ripetizione finché il software restituisce un esito favorevole.
Come si imposta un controllo NIR in accettazione
Il percorso inizia da una specifica di acquisto sufficientemente precisa: denominazione botanica, parte di pianta, forma della materia prima, eventuale rapporto di estrazione, vettori consentiti, marcatori e criteri di identità. Segue la scelta della domanda misurabile. Si vuole distinguere una radice da un’altra? Riconoscere un fornitore non autorizzato? Verificare che una polvere rientri nella variabilità di un materiale già qualificato? Solo dopo questa scelta si definiscono campioni, strumento, frequenza di acquisizione e criteri statistici. Senza un obiettivo delimitato, un programma NIR rischia di produrre molti dati ma poche decisioni difendibili.
Una procedura ordinaria può comprendere verifica dello strumento, identificazione del campione, controllo dell’integrità dell’unità ricevuta, acquisizione secondo istruzioni scritte, controllo degli indicatori di qualità spettrale, confronto con il modello e archiviazione del responso. Un risultato non conforme o non classificabile dovrebbe bloccare la sola scorciatoia analitica: il materiale resta in stato appropriato fino a un approfondimento condotto con metodi idonei. È utile che il sistema conservi versione del modello, data di lettura, file grezzo, operatore e decisione finale, così da ricostruire le ragioni di un rilascio o di una non conformità anche a distanza di mesi.
Verifica e validazione: che cosa deve dimostrare il metodo
Per l’identificazione qualitativa bisogna valutare selettività, probabilità di assegnazione errata, comportamento dei materiali estranei e stabilità dell’esito in presenza delle variazioni operative previste. Per un metodo quantitativo occorre anche conoscere accuratezza, precisione, intervallo di lavoro, robustezza e incertezza pertinente alla decisione. I termini sono noti nella validazione analitica, ma le prove concrete dipendono dalla finalità. La linea guida ICH Q2(R2), in vigore nel settore dei medicinali nell’Unione europea dal giugno 2024, contiene anche esempi per i metodi multivariati e NIR: è una fonte metodologica utile, non una norma che trasformi automaticamente gli integratori alimentari in medicinali.
La guida richiama tra l’altro l’uso di riferimenti ben caratterizzati, test di selettività e valutazioni degli outlier. Nell’esempio di analisi NIR considera fattori fisici e chimici, riposizionamento del campione, errori di previsione e confronto con una tecnica ortogonale. Per un laboratorio di alimenti questi principi possono aiutare a progettare la verifica interna, fermo restando che gli obblighi applicabili dipendono dal quadro giuridico degli alimenti e dai requisiti contrattuali. Nessun documento sostituisce la dimostrazione sperimentale che lo strumento, con quel modello e su quelle materie prime, generi risultati adatti allo scopo dichiarato.
L’uso corretto degli indicatori: sensibilità, specificità ed errori
Un modello che riconosce bene i campioni autentici potrebbe riconoscere come autentici anche alcuni campioni non conformi. Perciò è necessario leggere separatamente le prestazioni sulle due classi e considerare le conseguenze degli errori. Il falso positivo operativo, inteso come accettazione di un materiale da respingere, può essere critico; il falso rifiuto comporta verifiche aggiuntive e possibili ritardi, ma può essere meno grave per la sicurezza. La matrice di confusione, espressa in numeri assoluti oltre che in percentuali, è spesso più comprensibile di un unico indice di accuratezza globale.
Quando un fornitore presenta cento lotti simili fra loro, la distribuzione dei casi reali può essere molto sbilanciata. Un modello che dichiara conformi quasi tutti i campioni potrebbe apparire accurato pur essendo incapace di intercettare la sostituzione che interessa davvero. Per questo si costruiscono prove con materiali negativi realistici, miscele e lotti marginali. Il livello di rischio accettato deve essere definito prima dell’impiego, con regole di escalation e con valutazioni periodiche. Neppure una percentuale eccellente ottenuta in letteratura permette di dispensarsi da questa analisi nel proprio stabilimento.
Quando uno spettro è fuori modello
Il responso «fuori modello» è spesso più informativo di un’etichetta forzata. Significa che il nuovo campione non trova una corrispondenza accettabile nella popolazione con cui il sistema è stato istruito, oppure che non supera i criteri di qualità della misura. Le spiegazioni possibili includono un cambiamento di umidità, un lotto proveniente da una filiera nuova, una diversa granulometria, un’anomalia strumentale e una vera sostituzione del materiale. Dallo spettro, da solo, non si deve scegliere automaticamente una delle ipotesi. Serve un percorso che distingua ripetizione tecnica giustificata, nuova misura su aliquota indipendente e invio a prove di conferma.
Un caso ricorrente è l’introduzione di una materia prima ottenuta con un nuovo processo di essiccazione. Se il fornitore documenta la modifica e i test convenzionali confermano l’identità, il nuovo spettro può contribuire ad ampliare la banca dati dopo revisione controllata. Inserirlo immediatamente come campione conforme, senza indagine, rischia invece di contaminare il modello. Ogni aggiornamento andrebbe versionato e confrontato con un insieme fisso di campioni indipendenti, per verificare che il miglioramento sulla nuova fornitura non peggiori il riconoscimento di altre classi. La manutenzione del modello è una parte del metodo, non un evento occasionale.
Che cosa la NIR non può promettere su contaminanti e sicurezza
Un esame NIR progettato per riconoscere una materia prima non dimostra automaticamente la conformità microbiologica, l’assenza di residui di pesticidi, metalli pesanti, contaminanti fungini o contaminanti emergenti. La concentrazione di interesse per una sostanza indesiderata può essere troppo bassa per creare una firma spettrale distinguibile; altri composti possono avere bande sovrapposte e la complessità della matrice può nascondere segnali deboli. Anche quando una correlazione statistica sembra possibile in un particolare studio, prima di trasformarla in criterio di accettazione occorre dimostrare un limite di prestazione coerente con il rischio e con l’intervallo di concentrazione reale.
I risultati dello screening vanno quindi integrati con le analisi prescritte o ritenute necessarie dopo la valutazione del rischio. Per l’identità si possono usare cromatografia, spettrometria, microscopia o test molecolari, secondo la materia prima; per contaminanti differenti servono metodi dedicati, spesso accreditati o validati in modo appropriato. Se un lotto è conforme al modello NIR ma presenta documenti incompleti o segnali di rischio, non dovrebbe essere rilasciato per il solo risultato dello spettro. È utile chiarirlo anche nelle relazioni tecniche offerte ai committenti: la NIR è una componente del sistema qualità, non il suo sostituto.
Il rapporto con HPLC, FTIR e identificazione botanica
La NIR e la cromatografia liquida ad alte prestazioni, HPLC, rispondono spesso a domande diverse. La prima osserva una firma globale e può classificare rapidamente campioni quando dispone di un buon archivio; la seconda separa componenti e, con standard e metodi adeguati, può misurare specifici marcatori. Anche FTIR, soprattutto nel medio infrarosso, acquisisce un’impronta molecolare ma con sensibilità e preparazione del campione differenti. Le tecniche non si collocano automaticamente in una graduatoria assoluta: la scelta dipende dalla sostanza, dalla caratteristica e dalla decisione che il laboratorio deve prendere.
Nei botanici può essere utile affiancare un metodo morfologico o genetico per l’identificazione della specie, tenendo conto del fatto che alcuni processi estrattivi degradano o rimuovono il DNA. Il confronto NIR non sostituisce neppure la verifica documentale relativa al titolo dei componenti caratteristici. Per approfondire si possono consultare le nostre guide sull’identificazione botanica delle materie prime e sull’analisi HPLC degli integratori. Il valore di un piano di controllo nasce dalla complementarità delle prove, non dal moltiplicare esami ridondanti senza una domanda precisa.
Campionamento rappresentativo prima della scansione
La qualità dello spettro è inutile se il campione analizzato non rappresenta ciò che è arrivato in magazzino. Una fornitura composta da più sacchi o contenitori può presentare differenze tra unità: umidità, segregazione delle particelle, irregolarità di miscelazione o possibili sostituzioni locali. Occorre pertanto scegliere un piano di campionamento coerente con il materiale e con il rischio, evitando di confondere un’unica lettura superficiale con l’esame dell’intero lotto. La modalità di prelievo, l’attrezzatura usata e le condizioni di conservazione dell’aliquota possono incidere tanto quanto la tecnologia analitica.
La NIR permette spesso misure rapide e ripetute, ma le scansioni multiple di una sola porzione non compensano l’assenza di campioni provenienti da altre unità rilevanti. Si può definire quando acquisire repliche tecniche e quando lavorare su aliquote indipendenti, conservando la tracciabilità dei risultati. Un articolo specifico approfondisce il campionamento delle materie prime per integratori. L’obiettivo è semplice: evitare che un controllo condotto perfettamente sul materiale sbagliato produca una falsa sicurezza.
Documentazione di fornitura e certificato di analisi
Lo spettro non contiene le condizioni commerciali e regolatorie della fornitura. Il certificato di analisi, le specifiche concordate, i riferimenti del lotto, la provenienza e le informazioni sugli ingredienti usati per l’estrazione restano indispensabili. Il CoA deve essere esaminato criticamente: verifica di metodi, unità, risultati e limiti applicabili, non semplice presenza di un timbro. Se uno spettro risulta coerente con il materiale atteso ma il documento manca di un parametro critico, la mancanza non viene sanata dalla NIR. Lo stesso vale per la tracciabilità della filiera e per le condizioni di trasporto.
È utile collegare digitalmente il file spettrale all’identificativo del campione e ai documenti. Quando un cliente chiede chiarimenti a posteriori, questa unione permette di dimostrare se il sistema ha letto quel particolare lotto, con quale modello e quale responso, e quali altre prove hanno concorso alla decisione. La guida al certificato di analisi delle materie prime affronta i punti che meritano più attenzione. Il risultato NIR dovrebbe essere uno dei dati nel fascicolo del lotto, non una sostituzione delle informazioni di base che permettono di identificare la materia prima.
Conservazione degli spettri e integrità dei dati
Un’immagine del grafico o un semplice esito verde sullo schermo non bastano a dimostrare che il controllo possa essere ricostruito. È opportuno conservare il dato di partenza in formato riutilizzabile, l’identificativo del modello, la sua versione, i parametri di pretrattamento, l’esito della classificazione e l’eventuale motivazione del riesame. Se la misura viene ripetuta dopo un responso anomalo, il primo file dovrebbe rimanere disponibile; cancellarlo priva l’indagine di una parte importante della storia del campione. La corretta gestione dipende dal sistema informatico e dalle procedure di qualità applicabili.
La disponibilità dei dati facilita controlli di tendenza e audit. Per esempio, una lenta deriva degli spettri di un fornitore potrebbe motivare una verifica di cambiamenti tecnologici prima che si manifesti una vera non conformità. Non bisogna però attribuire automaticamente una causa specifica a una variazione statistica: la revisione con il fornitore e analisi di riferimento possono essere necessarie. La conservazione delle versioni dei modelli evita che risultati storici vengano reinterpretati come se fossero stati prodotti da un algoritmo aggiornato anni dopo. È un aspetto spesso meno visibile dell’acquisto dello strumento, ma essenziale per usare i dati in modo responsabile.
Esempio pratico: due lotti di estratto vegetale
Immaginiamo un produttore che riceve due lotti dello stesso estratto vegetale nominale. Il primo proviene da un fornitore già qualificato; il secondo da una nuova origine produttiva, con specifica apparentemente identica. Una banca dati NIR contiene lotti caratterizzati del primo fornitore e alcuni campioni di confronto non conformi. Il primo lotto rientra nella regione di accettazione e prosegue attraverso gli altri controlli previsti. Il secondo riceve l’esito «non classificabile»: il segnale non corrisponde abbastanza ai riferimenti. Sarebbe un errore definirlo automaticamente adulterato, perché il modello potrebbe non rappresentare la nuova origine.
La decisione prudente consiste nel conservare il secondo lotto in uno stato controllato, chiedere informazioni di processo e verificare identità, titolo o altre caratteristiche con un metodo indipendente. Se le analisi confermano la conformità e la variabilità è compresa, si valuta l’aggiornamento del modello secondo regole formalizzate, mantenendo il precedente risultato e le evidenze. Se emergono differenze incompatibili con la specifica, si gestisce una non conformità. L’esempio illustra perché un sistema capace di dire «non so» può essere più utile di uno che assegna ogni campione alla classe numericamente più vicina.
Costi, tempi e criteri di scelta per lo stabilimento
La convenienza economica non dipende solo dal prezzo di acquisto del dispositivo. Occorrono tempo e risorse per creare riferimenti autentici, gestire i modelli, formare operatori, verificare le prestazioni e mantenere la tracciabilità. Se si ricevono grandi volumi di pochi materiali molto ripetitivi, un sistema NIR ben configurato può semplificare lo screening. Se i lotti sono rari, molto variabili o caratterizzati da specifiche particolarmente complesse, il costo di costruire un modello robusto può ridurre il vantaggio apparente di una lettura veloce. Sono scenari diversi, da valutare con dati propri e un progetto pilota limitato.
Prima dell’acquisto è ragionevole chiedere al fornitore dello strumento una prova con campioni reali dello stabilimento, includendo materiali simili ma non equivalenti, diverse granulometrie e campioni di origine indipendente. Bisogna vedere come vengono riconosciuti gli outlier, se i modelli sono esportabili, come sono conservati i dati e che assistenza è prevista per la manutenzione della calibrazione. Un’interfaccia semplice conta per ridurre gli errori dell’operatore, ma non può compensare un archivio di addestramento inadatto. La scelta del metodo va collegata alle esigenze del controllo qualità e alla gestione delle materie prime in quarantena.
Responsabilità normativa e comunicazione dei risultati
Gli integratori alimentari sono alimenti e restano soggetti agli obblighi generali di sicurezza e tracciabilità previsti dal regolamento (CE) n. 178/2002, oltre al quadro igienico applicabile e alla disciplina specifica degli integratori. Nessuno di questi testi impone in via generale di usare uno spettrometro NIR per ogni materia prima. Un’azienda può decidere di adottarlo come parte del proprio piano di controlli, documentando perché è adatto al rischio considerato e come si integra con le verifiche richieste. Le linee guida ICH sui medicinali possono essere consultate per i criteri scientifici di validazione, purché la loro natura e il loro ambito non vengano confusi con un obbligo legale specifico per gli alimenti.
Quando si descrive il controllo al pubblico, frasi come «materia prima verificata con analisi NIR» hanno senso soltanto se la prova è stata effettivamente eseguita sul materiale indicato e se il suo significato non viene gonfiato. Da tale esame non derivano benefici fisiologici dell’integratore finito, né indicazioni terapeutiche. Eventuali indicazioni nutrizionali o sulla salute devono rispettare le condizioni del regolamento (CE) n. 1924/2006 e delle autorizzazioni pertinenti: non sono deducibili dalla tecnologia impiegata in accettazione. La descrizione più corretta resta quella di una misura analitica utilizzata per una specifica finalità di controllo.
Domande frequenti sulla spettroscopia NIR
La NIR può identificare qualunque botanico senza aprire il sacco?
No. L’identificazione richiede un modello sviluppato per quel materiale e verificato nelle condizioni di misura previste. La lettura attraverso un imballaggio può alterare il segnale; è ammissibile come procedura solo se l’effetto dell’involucro è stato studiato. Inoltre uno spettro inconcludente non dovrebbe essere trasformato in una conferma.
Un risultato conforme sostituisce il certificato di analisi?
No. Lo screening spettrale risponde alla domanda per cui il modello è stato costruito, mentre il certificato di analisi e le prove di riferimento documentano parametri anche molto differenti. Possono essere necessari controlli di sicurezza, purezza, composizione o tracciabilità separati.
La NIR è una tecnica adatta anche agli estratti standardizzati?
Può esserlo per obiettivi circoscritti, ma i diversi rapporti di estrazione, solventi, supporti e contenuti di marcatori modificano la matrice. Per quantificare un principio caratteristico occorre dimostrare l’accuratezza di una calibrazione in confronto a metodi affidabili.
È sufficiente un modello che distingue perfettamente i campioni usati per costruirlo?
No. La prestazione sul set di addestramento dice poco sull’affidabilità con forniture nuove. Sono necessarie prove indipendenti, incluse classi non conformi realistiche, e controlli nel tempo quando cambiano strumento, materie prime o processo.
Come leggere una relazione NIR senza equivoci
Una relazione utile dichiara il materiale esaminato, la modalità di campionamento, lo scopo del metodo, la versione del modello e il significato del responso. Se l’analisi è di classificazione, deve essere chiaro quali classi sono effettivamente comprese e con quali limiti. Se è quantitativa, occorre conoscere intervallo, confronto con la tecnica di riferimento, precisione ed errore di previsione. La dicitura «analisi avanzata» non aggiunge informazione quando mancano questi elementi. Il richiamo a percentuali di accuratezza tratte da studi su altri botanici non sostituisce dati pertinenti al materiale ricevuto.
Per chi produce integratori conto terzi, il punto operativo è collegare il controllo alla decisione sul lotto: chi verifica il risultato, quali anomalie richiedono blocco, a quali test si ricorre e come si conserva la storia della valutazione. Il metodo efficace è quello che identifica presto una possibile differenza senza imporre conclusioni superiori a ciò che i dati consentono. In questa prospettiva la NIR può essere una risorsa concreta di selezione e sorveglianza dei materiali, all’interno di un sistema fatto di specifiche, campionamento, competenze e controlli complementari.
Fonti
- Deconinck E. e coll., Detection and identification of multiple adulterants in plant food supplements using attenuated total reflectance-Infrared spectroscopy, Journal of Pharmaceutical and Biomedical Analysis, 2018. Studio comparativo su ATR-IR/NIR e classificazione: DOI 10.1016/j.jpba.2018.01.047.
- Ricerca sperimentale del 2024 su tisane in polvere, Chemometrics coupled with near infrared spectroscopy for detecting adulteration levels in herbal teas, Journal of Food Composition and Analysis. DOI 10.1016/j.jfca.2024.106637.
- Rapid identification and determination of adulteration in medicinal Arnebiae Radix by combining near infrared spectroscopy with chemometrics, Spectrochimica Acta Part A, 2024. DOI 10.1016/j.saa.2024.124437.
- Ma X. e coll., Nondestructive discrimination of Potentilla anserina L. from different production areas based on near-infrared spectroscopy, Phytochemical Analysis, 2024. DOI 10.1002/pca.3324.
- EMA, ICH Q2(R2), Validation of analytical procedures; linee guida di settore medicinale, citate come riferimento scientifico di metodo e non come obbligo autonomo per gli alimenti.
- Regolamento (CE) n. 178/2002, principi della legislazione alimentare; Regolamento (CE) n. 852/2004, igiene degli alimenti.
- Direttiva 2002/46/CE sugli integratori alimentari; Regolamento (CE) n. 1924/2006 sulle indicazioni nutrizionali e sulla salute.
Nota editoriale: approfondimento realizzato con assistenza di intelligenza artificiale e controllo delle fonti citate. L’immagine è una rappresentazione illustrativa, non la prova di un’analisi effettivamente condotta da Noebis Pharma. Le informazioni non sostituiscono il parere tecnico del responsabile qualità, la validazione della procedura o le analisi di laboratorio applicabili al caso concreto. Aggiornamento: ottobre 2026.
