-
Die vorliegende Erfindung bezieht
sich im Allgemeinen auf eine Vorrichtung zur Charakterisierung von
Pflanzenextrakten, deren pharmakologische Wirkung nicht einzelnen
bekannten Inhaltsstoffen zugeordnet werden kann. Erreicht wird dadurch die
Beurteilung der Wirksamkeit von Pflanzenextrakten mittels multivariater
statistischer Analyse spektroskopischer und chromatographischer
Daten.
-
Pflanzen waren und sind der Ursprung
einer Vielzahl medizinischer Produkte und werden als Extrakt zur
Heilung unterschiedlicher Krankheiten eingesetzt. Diese Extrakte
sind in den meisten Fällen Mischungen
von vielen unterschiedlichen Inhaltsstoffen in sehr komplexen Matrices.
Nur in den wenigsten Fällen
kann die pharmakologische Wirkung einzelnen Verbindungen zugeordnet
werden. Meistens gilt deshalb der pflanzliche Extrakt in der Gesamtheit
als Wirkstoff.
-
Daraus ergeben sich Probleme bezüglich der
für alle
Arzneimittel geforderten gleich bleibenden und gesicherten pharmazeutischen
Qualität:
Der gesamte pflanzliche Wirkstoff muss von Charge zu Charge einen
gleichmäßigen therapeutischen
Erfolg garantieren. Zwingende Voraussetzung hierfür sind Phytopharmaka
mit reproduzierbaren Qualitätsprofilen,
d.h. pflanzliche Arzneimittel mit möglichst gleich bleibender Zusammensetzung
ihres gesamten Inhaltsstoffspektrums.
-
Wegen der Komplexität des Inhaltsstoftspektrums
werden bei der Qualitätsprüfung von
Phytopharmaka nur die Inhaltsstoffe geprüft und bewertet, die nach heutigem
Erkenntnisstand pharmazeutisch, pharmakologisch und toxikologisch
relevant sind. Dabei kann in drei unterschiedliche Arten von Extrakten
unterschieden werden:
- (1) Extrakte mit bestimmten
Inhaltsstoffen (einzelne oder Gruppen), die ausschließlich für die bekannte
und dokumentierte Wirkung verantwortlich sind, das heißt mit Inhaltsstoffen,
die im isolierten Zustand einen ähnlichen
therapeutischen Effekt ergeben wie der Gesamtextrakt.
- (2) Extrakte mit pharmazeutisch relevanten Inhaltsstoffen. Diese
Inhaltsstoffe haben im isolierten Zustand nicht den gleichen Effekt
wie der Gesamtextrakt, tragen aber zur Gesamtwirkung des Extraktes
bei.
- (3) Extrakte, bei denen keine Inhaltsstoffe bekannt sind, die
nach dem aktuellen Erkenntnisstand einen Beitrag zur beanspruchten
Wirksamkeit leisten.
-
Eindeutig ist die Charakterisierung
von Pflanzenextrakten, die der ersten Gruppe zugeordnet werden können. Hier
kann die Substanz bzw. die Substanzgruppe, die als wirksamkeitsbestimmend gilt,
auf einen festgelegten Normwert mit Angabe des Mindest- und Höchstgehaltes
eingestellt werden. Auf diese Weise wird über alle Ernte- und Herstelljahre hinweg
ein gleichmäßiger Gehalt
an wirksamkeitsbestimmenden Inhaltsstoffen garantiert.
-
Dieses Verfahren lässt sich
jedoch nicht auf die Extrakte der zweiten und dritten Gruppe übertragen.
Die Reproduzierbarkeit der Wirksamkeit eines Phytopharmakons, dessen
wirksamkeitsbestimmende Inhaltsstoffe nicht bekannt sind, kann nur über eine
Standardisierung erfolgen. Sie beinhaltet die Festlegung von Standards
für das
Pflanzenmaterial, das Herstellverfahren der Extrakte, die Inprozeßkontrollen
sowie eine detaillierte Beschreibung der Zubereitung des Phytopharmakons.
Durch Einhalten dieser Standards wird auf die Qualität bzw. Wirksamkeit der
Zubereitung zurückgeschlossen.
-
Der Stand der Technik bezüglich der
Beurteilung von Qualität
und Wirksamkeit von Pflanzenextrakten lässt sich somit folgendermaßen zusammenfassen:
Bei einigen Pflanzenextrakten (Gruppe 1) lässt sich die Wirkung über den
Gehalt von einzelnen Substanzen/Substanzgruppen nachweisen. Für den weitaus
größten Teil
(Gruppe 2 und 3) trifft das jedoch nicht zu. Eine Normierung auf
einzelne Inhaltsstoffe ist hier nicht zufriedenstellend.
-
Die Analysen der Pflanzenextrakte
werden mit dem Fachmann bekannten Analysegeräten durchgeführt und
anschließend
z. B. die erhaltenen Spektren untersucht.
-
Ausgehend von diesem Stand der Technik hat
sich die Erfindung die Aufgabe gestellt eine Analysevorrichtung
für Pflanzenextrakte
dahingehend zu verbessern, daß sie
selbsttätig
die pharmakologische Wirksamkeit des untersuchten Pflanzenextrakts
ermittelt und dabei alle Inhaltsstoffe des Extraktes berücksichtigt.
-
Gelöst wird diese Aufgabe durch
die Merkmale des Patentanspruchs 1. Weitere Ausführungsformen sind Gegenstand
von Unteransprüchen.
-
Der Kerngedanke der Erfindung besteht
darin, dass z. B. das von einer an sich bekannten Analysevorrichtung
ermittelte Spektrum des Pflanzenextrakts mit einem vorher in der
Analysevorrichtung abgelegten Referenzspektrum verglichen wird.
Stimmen die wesentlichen Parameter des ermittelten Spektrums mit
dem Referenzspektrum zumindest innerhalb gewisser Parameter überein so
wird das Pflanzenextrakt als in gewünschter Weise pharmakologisch
wirksam bewertet.
-
Dazu ist an der Analyseeinrichtung
eine Bewertungseinheit vorgesehen, die das ermittelte Spektrum selbsttätig mit
einem Referenzspektrum vergleicht. Das Referenzspektrum wird dazu
vor der Analyse in eine Speichereinrichtung der Analysevorrichtung
eingelesen.
-
Das Referenzspektrum wird vor der
Analyse weiterer Pflanzenextrakte mit der Analysevorrichtung von
einem Pflanzenextrakt ermittelt von dem die gewünschte pharmakologische Wirksamkeit
bekannt ist.
-
Es ist nicht notwendig, dass die
Spektren exakt übereinstimmen.
Eine Abweichung innerhalb gewisser Grenzen muss nicht notwendigerweise
die pharmakologische Wirksamkeit beeinträchtigen. Diese Grenzwerte der
Abweichungen können
vor der Analyse bestimmt oder festgelegt werden und ebenfalls in
der Bewertungseinheit abgelegt werden wobei die Wirksamkeit des
ermittelten Spektrums dann festgestellt wird, wenn die Werte innerhalb
dieser Grenzwerte liegen.
-
Die hier beschriebene Erfindung verfolgt eine
neue Strategie bezüglich
der Standardisierung von Pflanzenextrakten. Kriterium für das Reproduzieren
der Qualität
und Wirksamkeit ist der Pflanzenextrakt in seiner komplexen Gesamtheit,
das heißt
ohne die Berücksichtigung
einzelner Inhaltsstoffe.
-
Mit Hilfe von spektroskopischen bzw.
chromatographischen Methoden, oder deren Kombination werden Gesamtspektren
bzw. -chromatogramme der Extrakte erstellt. Diese erfassen sämtliche
(wirksame und unwirksame) Inhaltsstoffe und sind dementsprechend
sehr komplex und nicht visuell auswertbar. Andererseits stellt aber
jedes dieser Spektren/Chromatogramme ein individuelles Abbild des entsprechenden
Extraktes dar und gibt damit ein charakteristisches Profil seiner
Inhaltsstoffe. Mit Methoden der multivariaten statistischen Datenanalyse werden
diese Spektren, auf diejenigen Bereiche komprimiert, die mit den
Werten der pharmakologischen Untersuchungen in direktem Zusammenhang stehen,
das heißt
das Inhaltsstoffprofil wird mit der pharmakologischen Wirkung der
Extrakte korreliert. Ein entsprechendes Kalibrationsmodell erlaubt
es, die Wirkung von unbekannten Extrakten auf Grund ihres Gesamtspektrums
bzw, -chromatogramms vorherzusagen.
-
Die vorteilhafte Anwendung der Erfindung wird
am Beispiel von Johanniskraut (Hypericum perforatum) demonstriert.
Die antidepressive Wirkung von Hypericum perforatum gilt heute als
gesichert und auch die Schulmedizin setzt Johanniskraut in der Phytotherapie
erfolgreich bei depressiven Verstimmungszuständen bis zu mittelschweren
Depressionen, bei nervöser
Unruhe und Schlafstörungen
ein. Obwohl sehr viele Arbeiten zur Isolierung und Strukturaufklärung der
Inhaltsstoffe vorliegen, konnte eine direkte Zuordnung des Wirkprinzips
zu bestimmten Inhaltsstoffen nicht erfolgen. Johanniskrautextrakte enthalten
wenigstens 10 Stoffe oder Stoffgruppen, die zu den pharmakologischen
Wirkungen beitragen. Eine zufrieden stellende Qualitätskontrolle
von Johanniskrautzubereitungen muss daher eine robuste Methode für die Analyse
des Gesamtextraktes beinhalten.
-
Die Erfindung wird im Folgenden anhand
von Beispielen und Figuren näher
erläutert.
Es zeigen:
-
1:
Beispiel für
ein 1H-NMR – Spektrum von einem Pflanzenextrakt
-
2:
Der 3D score plot beschreibt 85% der gesamten Varianz des Datensatzes
und 92% der Varianz innerhalb der Y – Werte (IC-50). Jede Probe stellt
einen Punkt (score) dar und wird ihrem IC-50 Wert aus der pharmakologischen
Untersuchung zugeordnet. Auf der linken Seite befinden sich in erster Linie
wenig aktive Extrakte, während
weiter rechts die Wirksamkeit der Extrakte zunimmt.
-
3:
In den beiden Regressionsplots (oben für die Kalibrierung, unten für die Validierung) werden
die vorhergesagten Y-Werte (IC-50 Werte) gegen die gemessenen Y-Werte
aufgetragen. Sie verdeutlichen in welchem Maße das Modell zu den Daten
passt. Besonders aussagekräftig
sind die Korrelationskoeffizienten, die mit 0,99 und 0,98 ein gutes Modell
belegen.
-
4:
Beispiel für
ein Dünnschichtchromatogramm
eines Johanniskrautextraktes.
-
5:
Der 3D score plot beschreibt 75% der gesamten Varianz des Datensatzes.
Jede Probe stellt einen Punkt (score) dar und wird ihrem IC-50 Wert
aus der pharmakologischen Untersuchung zugeordnet. Auf der linken
Seite befinden sich in erster Linie wenig aktive Extrakte, während weiter
rechts die Wirksamkeit der Extrakte zunimmt.
-
8:
In den beiden Regressionsplots (oben für die Kalibrierung, unten für die Validierung) werden
die vorhergesagten Y-Werte (IC-50 Werte) gegen die gemessenen Y-Werte
aufgetragen. Sie verdeutlichen in welchem Maße das Modell zu den Daten
passt. Besonders aussagekräftig
sind die Korrelationskoeffizienten, die mit 0,98 (Kalibrierung)
und 0,94 (Validierung) ein gutes Modell belegen.
-
7: Überblick über die
Vorgehensweise
-
8:
Gesamtdarstellung der Vorrichtung
-
Beispiel 1
-
Charakterisierung
von Johanniskrautextrakten mittels multivariater Datenanalyse von
Kernresonanzspektroskopischen Daten
-
Die Kernresonanzspektroskopie (NMR)
erscheint besonders geeignet für
die Analyse von Pflanzenextrakten, da ein sehr großer Bereich
von Inhaltsstoffen gleichzeitig und quantitativ erkannt werden kann.
Fast alls aus Pflanzenmaterial isolierten Substanzklassen haben
charakteristische NMR Spektren. Der limitierende Faktor, der die
Interpretation von Spektren von Gesamtextrakten erschwert, liegt
in der Komplexität
der Datenmenge begründet. Ein
Spektrum eines beliebigen Gesamtextraktes umfasst tausende von aufgelösten und
teilweise überlappenden
Resonanzen, siehe 1
-
Der Begriff Chemometrie ist seit
den 80er Jahren bekannt. Er umschreibt allgemein computerunterstützte mathematische
Verfahren, die zur Planung und Auswahl optimaler Messverfahren und
Experimente, sowie zur Gewinnung maximaler Information bei der Analyse
von chemischen Daten verwendet werden (Otto M.; Chemometrie, Statistik
und Computereinsatz in der Analytik; Weinheim VCH-Verlagsgesellschaft
mbH; 1997). Die Systematisierung von komplexen Merkmalsmustern innerhalb der
spektralen Daten ist das Ziel chemometrischer Verfahren in der hier
beschriebenen NMR – Analyse. Hierbei
kommen multivariate Verfahren zum Einsatz. Multivariat bedeutet
in diesem Fall, dass viele Resonanzwerte (Proben) bei verschiedenen
Stärken
des magnetischen Feldes (ppm-Werte) gemessen werden und in die chemometrische
Auswertung eingehen.
-
Beim hier eingesetzten PLS Verfahren
handelt es sich um eine bilineare Regressionsmethode, die eine kleine
Anzahl von Faktoren (Hauptkomponenten) aus einem spektralen Datensatz
extrahiert. Die genaueren mathematischen Grundlagen und der zugrunde
liegende NIPALS Algorithmus sind umfassend in der Literatur beschrieben
(Lorber A, Wangen L, Kowalski B. J. Chemom. 19-31 (1987); Haaland DM,
Thomas EV. Anal. Chem. 60, 1193 – 1202 (1988)).
-
Eine Probe eines multivariaten Datensatzes kann
man graphisch als Punkt in einem p-dimensionalen Raum darstellen,
wobei p für
die Anzahl der X-Variablen (ppm – Werte) steht. Hauptkomponenten stellen
Linearkombinationen dieser ursprünglichen X-Variablen
dar und werden zur Regression der Y-Matrix (IC-50 Werte) verwendet.
-
Mit Hilfe des PLS-Verfahrens ist
es möglich, den
spektralen Datensatz auf diejenigen Daten zu konzentrieren, die
in direktem Zusammenhang mit vorgegebenen Konzentrationswerten stehen.
Im vorliegenden Beispiel wurden diese Konzentrationswerte durch
Angaben zur pharmakologischen Wirksamkeit der Extrakte, das heißt den entsprechenden IC-50
Werten ersetzt. Das bedeutet, dass im berechneten Modell sämtliche
Unterschiede innerhalb des spektralen Datensatzes mit den Unterschieden
in der Wirksamkeit der Proben korreliert werden. Spektren von Extrakten
mit hoher Wirksamkeit werden von den weniger bzw. nicht wirksamen
getrennt, siehe 2.
-
Um einen ersten Anhaltspunkt für die Robustheit
des Modells zu erhalten, wurde in die Berechnung eine Kreuzvalidierung
implementiert: Bei der Berechnung jeder Hauptkomponente wurde jeweils
ein spektraler Datensatz entfernt und anschließend durch das berechnete Modell
vorhergesagt. Dieser Schritt wurde für jede neu hinzukommende Hauptkomponente
wiederholt. Daraus ergibt sich, dass die Berechnung der Modelle
grundsätzlich
in zwei Schritten verläuft.
Zuerst findet der Kalibrationsschritt mit der Entwicklung des Modells
der Beziehung zwischen spektralen Daten und pharmakologischen Werten
statt. Anschließend
wird der Vorhersageschritt, der Angaben über die Wirkung neuer Datensätze aufgrund
ihrer Spektren ermöglicht,
durchgeführt.
Dieses wird durch zwei Regressionsgeraden, eine für den Kalibrations-,
die andere für
den Validierungsschritt in 3 dargestellt.
-
Eine weitergehende und realistische
Prüfung des
Kalibrationsmodells kann nur durch externe, das heißt nicht
im Modell enthaltene Proben erfolgen. Aus diesem Grund wurden zehn
weitere Extrakte, jeder anders und verschieden von den modellierten Proben,
als externes Test-Set hergestellt. Die NMR-Spektren dieser Proben
wurden als Kriterium für
die pharmakologische Wirkung herangezogen: Mit Hilfe des beschriebenen
Modells wurde entschieden, ob der jeweilige Extrakt wirksam war
oder nicht.
-
Beispiel 2
-
Charakterisierung von
Johanniskrautextrakten mittels multivariater Datenanalyse von dünnschichtchromatographischen
Daten
-
Die Dünnschichtchromatographie (DC)
spielt eine große
Rolle in der Qualtitätskontrolle
pflanzlicher Arzneimittel in der pharmazeutischen Industrie. Mittels
DC erhält
man schnell und kostengünstig
ein charakterisches Bild jedes Pflanzenextraktes, einen sog. Fingerprint.
So kann ein sehr großer
Bereich von Inhaltsstoffen gleichzeitig erkannt werden, und falls nötig quantitativ
bestimmt oder abgeschätzt
werden. Der limitierende Faktor, der die Interpretation von DC-Platten
von Gesamtextrakten erschwert, liegt in der Komplexität des Pflanzenextraktes
begründet. Ein
Fingerprint eines beliebigen Gesamtextraktes umfaßt viele
Flecken, die sich oftmals überlappen
bedingt durch die hohe Anzahl von Inhaltsstoffen, was zu komplexen
Daten führt
siehe 4
-
Die Auswahl der chemometrischen Verfahren
für die
Analyse dieser Datenmenge erfolgt nach gleichen Gesichtspunkten
wie in Beispiel 1 beschrieben. Der Datensatz besteht aus vielen
Messungen (Proben) der jeweiligen Absorptionen bei vielen Wellenlängen (nm)
einer bestimmten Laufstrecke (mm). Daraus ergibt sich, dass im Gegensatz
zu Beispiel 1 eine zusätzliche
Dimension des Datensatzes vorliegt und eine dreidimensionale Matrix
erhalten wird. Für die
weitere Bearbeitung muss die dreidimensionale Matrix in eine zweidimensionale
Matrix entfaltet werden.
-
Es folgt eine Datenvorbehandlung,
um Fehler, die durch die Aufnahme der Spektren oder durch Ungleichheiten
der DC-Platten hervorgerufen worden sind, zu minimieren. Hierzu
wird eine multiplikative Streulichtkorrektur (MSC) verwendet. Mittels
eines PLS1-Algorithmus, wie in Beispiel 1 beschrieben, werden anschließend die
Unterschiede in den Chromatogrammen mit den Unterschieden in der Wirksamkeit
der Extrakte korreliert. Jeder Extrakt wird in dem sog. Score Plot
als Punkt im Raum dargestellt. Je näher dieser Punkt einem anderen
ist, desto ähnlicher
sind sich die entsprechenden Extrakte. So werden Chromatogramme
von Extrakten mit hoher Wirksamkeit von den weniger bzw. nicht wirksamen
getrennt dargestellt, siehe 5.
-
Da, wie in Beispiel 1 erklärt, zur
Prüfung
des Kalibrationsmodells nur ein externes Probenset verwendet werden
kann, werden weitere Extrakte, jeder anders und verschieden von
den modellierten Proben, hergestellt und eine Vorhersageberechnung durchgeführt. Die
vorhergesagten und tatsächlich
gemessenen IC-50 Werte erlaubten eine übereinstimmende Beurteilung
zur Wirksamkeit der Extrakte.
-
Die vorliegende Erfindung beruht
auf einem Verfahren, das spektroskopische und/ oder chromatographische
Daten statistisch und multivariat auswertet. Dabei sind viele unterschiedliche
Methoden zur Aufnahme der Daten möglich. Neben den zwei, in den
beiden Beispielen, gezeigten Methoden NMR (Kernresonanzspektroskopie)
und DC (Dünschichtchromatographie)
ist eine Erweiterung auf folgende, in der pharmazeutischen Analytik
angewendeten Methoden möglich:
Kernresonanzspektroskopie, HMR:
Zweidimensionale Aufnahme von
NMR – Spektren, z.B.
H,H – COSY
Kopplung
mit Chromatographie: HPLC – NMR
Massenspektrometrie,
MS:
Verschiedene Ionisierungsmethoden (EI, ESI, APCI)
Kopplung
mit Chromatographie: HPLC – MS
Nahe
Infrarot Spektroskopie, NIR
-
Alblauf der
Messungen
-
Das Schema in 7 gibt einen Überblick über die Abfolge der einzelnen
Schritte in den oben beschriebenen Beispielen. Anschließend wird
das Vorgehen genauer beschrieben.
-
Herstellung der Extrakte
-
Johanniskraut (Hypericum perforatum)
aus vier verschiedenen Herkünften
(Firma Vitaplant, Witterswil, CH) wurde mit Ethanol-Wasser- und
Methanol-Wasser-Mischungen
in unterschiedlichen Polaritätsstufen
(Ethanol 100%, 80%, 60%, 40%, 20% und Methanol 90%) 24 Stunden im
Dunklen bei Raumtemperatur gerührt,
anschließend
abfiltriert und das Lösungsmittel
bei vermindertem Druck entfernt. Die daraus resultierenden 24 Johanniskrautextrakte
wurden über
Nacht lyophilisiert.
-
Aufnahme der NMR-Spektren
-
Die Aufnahme der NMR-Spektren erfolgte bei
400 MHz, mit 64 scans (Messzeit ca. 15 min). 10 mg jedes Extraktes
wurden dafür
in 500 μl
MeOH-D4 gelöst. Um pH-Unterschiede, bedingt durch die unterschiedliche
Polarität
der Extraktionlösemittel
auszugleichen, wurden diese mit 0,1 % Trifluoressigsäure korrigiert.
-
Aufnahme der Chromatogramme
-
Es werden 50 mg der Extrakte in 10
ml Methanol gelöst.
Nach 3 minütiger
Ultraschallbehandlung werden die Lösungen jeweils durch einen
Membranfilter mit der Porenweite 0,25 um filtriert und mittels eines
Auftragegerätes
(Linomat IV, Camag) auf HPTLC-Platten (Kieselgel 60 F254, Merck)
aufgetragen. Die Entwicklung findet, um gleichbleibende Bedingungen
zu halten, in einer automatischen Entwicklungskammer (ADC, Camag)
statt. In der Kammer wird 5 min vorkonditioniert ehe die Platte
mit folgendem Fließmittel
entwickelt wird (Heptan : Aceton : tert. Butylmethylether : Ameisensäure (33:35:30:2)). Zur
Aufnahme der Chromatogramme wurde mit einem DC-Scanner der Firma
J&M (Aalen) gearbeitet. Dabei
wird, wenn der Scanner jede einzelne Bahn abfährt, die Absorption über die
gesamte Laufstrecke von 45 mm in einem Wellenlängenbereich von 200-600nm erfaßt. Es resultiert
ein dreidimensionales Chromatogramm wie in 1 gezeigt.
-
Pharmakologische Untersuchung
-
Die pharmakologische Wirkung der
Johanniskrautextrakte wurde durch Bindungsstudien an Opioidrezeptoren
festgestellt. Die entsprechenden Tests wurden in Tris Puffer mit
0,1% Rinderserumalbumin, bei Raumtemperatur, 1 Stunde lang mit 15 – 20 μg Protein
durchgeführt.
Unspezifische Bindung wurde in Gegenwart von 1 μM Naloxon definiert. Die Johanniskrautextrakte
wurden in einem Konzentrationsbereich von 0.4 – 400 μg/ml getestet. Die IC-50 Werte
geben diejenige Konzentration an, bei der halbmaximale Wirkung vorliegt.
-
Datenvorbehandlung
-
Die Datenvorbehandlung der NMR – Spektren
wurde mit Hilfe des Programms AMIX (Bruker, Rheinstetten) durchgeführt. Die
Spektren wurden in 0,04 ppm Bereiche segmentiert und anschließend integriert.
Die normierten Werte der Integrale gingen in die Matrix ein.
-
Datenanalyse
-
Die Datenanalyse wurde mit dem Statistikprogramm
Unscrambler® (Camo)
durchgeführt.
-
In 8 ist
eine erfindungsgemäße Analysevorrichtung
schematisch dargestellt. Die an sich bekannte Analyseeinrichtung 1 ist
eines der oben beschriebenen Geräte
zum Erfassen des Spektrums von wässrigen
Lösungen
insbesondere von Pflanzenextrakten. Die Analyseeinrichtung ist mit
einer Speichereinrichtung 2 verbunden in der die Reverenzwerte
eines vorher ermittelten Spektrums eines Pflanzenextrakts, dessen
pharmakologische Wirksamkeit bekannt ist, abgelegt werden. Mit einer
Vergleichseinheit 3 werden die ermittelten Spektren, die
z. B. mit Hilfe multivariater datenanalyse ermittelt werden, mit
den Referenzspektren verglichen. Die Bewertungseinheit 4 bewertet
dann das ermittelte Spektrum als pharmakologisch wirksam, wenn das
ermittelte Spektrum zumindest innerhalb vorher festgelegter Parameter
mit dem Referenzspektrum übereinstimmt.
Die hier schematisch dargestellten Einrichtungen 2, 3, 4 sind
in einfacher Weise in einer gesamten Auswerteeinheit 5,
z. B. ein separater PC, zusammengefaßt.