QbD更新：回顾和展望未来，了解QbD如何帮助制药业和其他行业简化和优化流程，以实现最新的结果。设计质量（QbD）与过程，产品和临床理解有关。五年前，我和我的同事发起了一项 QbD柱 ，其中包含九个条目。我鼓励您检查QbD列中的原始帖子，因为它们今天仍然非常相关。
在您重新访问专栏之前，请花一点时间看一下这四分钟视频未来赛诺菲工厂的一部分，将看到生物技术，化学，制造和控制（CMC）的先进实施。为了适当地生产药品，必须定义特定的生产过程，产品特性和产品测试，以确保批次之间产品的安全性，有效性和一致性。
QbD色谱柱系列简要介绍了制药行业如何开发和优化产品与工艺，从而使其能够满足未来工厂的要求。让我给您每列的概述：
- QbD概述 ，涵盖五个部分：
- 什么是QbD？
- QbD如何提高质量？
- QbD中的设计空间
- 实验在QbD中的作用
- QbD和药物开发
这些都是非常简短的部分，旨在为以下各列建立上下文。
- 一个析因设计基于仿制药类固醇乳液配方的案例研究。通过设置温度，混合时间和冷却时间，设计可以同时优化八个质量属性。这项研究显示了JMP如何模拟响应以可视化因子级设置中的可变性如何影响响应中的可变性。
- 量子点分数阶乘实验 。该实验的目的是探索制备纳米悬浮液的方法，纳米悬浮液是水不溶性药物的流行配方。纳米悬浮液涉及离散的药物颗粒的胶态分散体，其通过聚合物和/或表面活性剂稳定。实验涉及四个三级因素和一个两个二级因素。
- 使用随机仿真器实现鲁棒性。 随机仿真器最早是在贝茨（Bates）等人，2006年以实现强大的目标性能。JMP中实现了这种非常强大的方法。通过案例研究证明了该方法，该案例研究参考了FDA药品评估与研究中心（CDER）的按比例扩大和批准后变更（SUPAC）标准。
- 混合物设计 。 对于这些设计，重点在于配方中成分的相对比例的影响，而不是其绝对量。该列显示了为处理混合物量身定制的三元图和轮廓仪的示例。所使用的示例是混合粉末的案例研究。混合操作的关键问题是：
- 如何同时定量粉末混合物的成分？
- 如何通过其他快速便捷的光谱方法验证或确认过程分析技术（PAT）混合过程监控结果？
- 如何将审查的规模与原料药和辅料的同质性联系起来？
- 响应面和顺序实验。 在这篇文章中，案例研究重点介绍了Placket Burman（PB）设计和中央复合设计（CCD），该研究考虑了配方实验的三个直接结果：包封效率（EE），粒度和zeta势。另外，将每种制剂稀释并分成样品进行储存，一半在4℃下保存，一半在37℃下保存。在预定的时间（最多24个月）测试这些样品以检测活性药物在储存期间的损失。
- 分割图实验 。这些实验具有难以改变的因素，这些因素难以随机化，只能在块级应用。设置难以更改的因子的水平后，将使用其他几个保持该水平固定的因子进行实验。本专栏中使用的案例研究来自动物模型的临床前研究，其中测试了几种用于治疗严重慢性皮肤刺激的方法，该方法演示了如何设计和分析此类实验。
- QbD是否适用于开发分析方法？这篇文章是基于我与当时在Teva的兄弟（ Kenett和Kenett，2008年）。 案例研究来自高效液相色谱（HPLC）方法的发展。
- 应用QbD使分析方法更强大 。这篇文章展示了如何使用确定性筛选设计（DSD）来评估和改进分析方法。
QbD列中包含的材料和示例仍然相关。其他一些发展说明了传感器技术，大数据，机器学习和混合模型的日益增长的影响。
最终，挑战在于从实验室和工厂车间收集的所有数据中生成信息。更大的挑战是确保这些信息的质量。与安妮·米尔利的对话 （可以提供笔录这里 ）。提供了在哥本哈根JMP QbD发现活动中更正式演示的视频。这里 。
2020年，第四次工业革命将继续在先进制造业中发展，它将广泛的传感器数据与灵活的制造业和先进的分析技术相结合。一本新的综合书籍涵盖了系统工程和第四次工业革命的最新元素。在这里可用。 我在ENBIS上就此主题进行了介绍，您可以看到显示JMP的部分这里 。
我与安妮·米尔利（Anne Milley）谈了有关“分析黄金时代”视频系列的“质量保证”。
