QbDの最新情報：QbDが製薬業界やその他の業界が最先端の結果を得るためにプロセスを合理化および最適化するのにどのように役立つかを知るための過去と未来を振り返ってください。 Quality by Design（QbD）は、プロセス、製品、および臨床的理解に関するものです。5年前、同僚と私は QbD列 、 9つのエントリで構成されています。QbD列の元の投稿は、今日でも非常に関連性があるため、確認することをお勧めします。
コラムに戻る前に、この4分間をご覧ください。ビデオバイオテクノロジー、化学、製造および制御（CMC）の高度な実装を見るために、将来のサノフィ工場を訪問しました。医薬品を適切に製造するには、特定の製造プロセス、製品の特性、および製品のテストをすべて定義して、製品が安全で効果的で、バッチ間で一貫していることを確認する必要があります。
QbDカラムシリーズは、製薬業界が製品とプロセスをどのように開発および最適化し、将来の工場の要件を満たすかについて、内部を垣間見ることができます。各列の概要を説明しましょう。
- QbDの概要 、5つのセクションをカバーします。
- QbDとは何ですか？
- QbDはどのように品質を向上させますか？
- QbDのデザインスペース
- QbDにおける実験の役割
- QbDと医薬品開発
これらはすべて、次の列のコンテキストを設定するために設計された非常に短いセクションです。
- あ要因計画ジェネリック製品のステロイドローションの配合に基づくケーススタディ。設計は、温度、混合時間、および冷却時間を設定することにより、8つの品質属性を同時に最適化するように設定されました。この調査では、因子レベル設定の変動が応答の変動にどのように影響するかを視覚化するために、JMPが応答をシミュレーションする方法を示します。
- QbD 分数階乗実験 。実験の目的は、水不溶性薬物の一般的な製剤であるナノ懸濁液の調製プロセスを調査することです。ナノ懸濁液は、ポリマーおよび/または界面活性剤で安定化された個別の薬物粒子のコロイド分散を含みます。実験には、4つの3レベル因子と1つの2レベル因子が含まれます。
- 確率的エミュレータで堅牢性を実現します。 確率的エミュレーターは、ベイツら、2006 堅牢で目標どおりのパフォーマンスを実現します。この非常に強力なアプローチは、JMPに実装されています。この方法は、FDAの薬物評価研究センター（CDER）のスケールアップおよび承認後の変更（SUPAC）に関する基準を参照するケーススタディで示されています。
- 混合物のデザイン 。 これらの設計では、製剤の成分の絶対量ではなく、相対比率の影響に重点が置かれます。この列は、混合物を処理するために調整された三元プロットとプロファイラーの例を示しています。使用した例は、粉末の混合に関するケーススタディです。ブレンド操作の主な質問は次のとおりです。
- 粉末ブレンドの成分を同時に定量化する方法は？
- 他の高速で便利な分光法を介してプロセス分析技術（PAT）混合プロセス監視結果を検証または確認する方法は？
- 精査の規模とAPIと賦形剤の両方の均一性をリンクするにはどうすればよいですか？
- 応答曲面と逐次実験。 この投稿では、プラケットバーマン（PB）設計とそれに続く中央複合設計（CCD）が、製剤に関する実験からの3つの直接的な結果（カプセル化効率（EE）、粒子サイズ、ゼータ電位）を考慮したケーススタディで取り上げられています。さらに、各製剤を希釈して保存用のサンプルに分け、半分を4℃で、半分を37℃で保存しました。これらのサンプルを所定の時間（最大24か月）でテストして、保存中の活性薬物の損失を検出しました。
- 分割プロット実験 。これらの実験には、ランダム化が難しく、ブロックレベルでのみ適用できる変更が難しい要素があります。変更が難しい因子のレベルが設定されると、そのレベルを固定したままにする他のいくつかの因子で実験が実行されます。このコラムで使用されているケーススタディは、重度の慢性皮膚炎症の治療のためのいくつかの方法がテストされている動物モデルの前臨床研究からのもので、そのような実験を設計および分析する方法を示しています。
- QbDは分析メソッドの開発に適用できますか？この投稿は、当時テバにいた兄と一緒に書いた紙に基づいています（ ケネットとケネット、2008）。 ケーススタディは、高速液体クロマトグラフィー（HPLC）メソッドの開発によるものです。
- QbDを適用して分析メソッドを堅牢にする 。この投稿では、確定的スクリーニング設計（DSD）を使用して分析方法を評価および改善する方法を示します。
QbD列に含まれている資料と例は引き続き関連があります。いくつかの追加の開発は、センサーテクノロジー、ビッグデータ、機械学習、ハイブリッドモデルの影響の増大を説明しています。
最終的には、実験室と工場で収集されたすべてのデータから情報を生成することが課題になります。さらに大きな課題は、この情報の品質を確保することです。アンミルリーとのこの会話 （筆記録が利用可能ですここに ）。コペンハーゲンでのJMP QbD発見イベントでのより正式なプレゼンテーションのビデオが利用可能ですここに 。
2020年、第4次産業革命は高度な製造業で成長し続け、広範なセンサーデータと柔軟な製造業および高度な分析を組み合わせています。システムエンジニアリングと第4次産業革命の最先端の要素をカバーする新しい包括的な本は、こちらから入手できます。 ENBISでこのトピックを紹介しましたが、JMPを表示している部分をご覧いただけますここに 。
分析的に話すビデオシリーズの「分析の黄金時代における品質保証」についてアンミルリーと話しました。
