QbD update: a look back and to the future to see how QbD can help pharma and other industries streamline and optimize processes for state-of-the-art results.QbD 更新：回顧和展望未來，了解 QbD 如何幫助製藥和其他行業簡化和優化流程以獲得最先進的結果。質量源於設計 (QbD) 是關於流程、產品和臨床理解的。 五年前，我和我的同事發起了一個QbD 列,其中包括九個條目。 我鼓勵您查看 QbD 專欄中的原始帖子，因為它們今天仍然非常相關。
在您重新訪問該專欄之前，請花點時間觀看這四分鐘視頻未來賽諾菲工廠的生物技術、化學、製造和控制 (CMC) 的先進實施。 為了適當地製造藥品，必須定義特定的製造工藝、產品特性和產品測試，以確保產品在批次之間是安全、有效和一致的。
QbD 色譜柱系列讓您深入了解製藥行業如何開發和優化產品和工藝，從而滿足未來工廠的要求。 讓我為您概述每一列：
- QbD 概述，其中包括五個部分：
- 什麼是 QbD？
- QbD 如何提高質量？
- QbD 中的設計空間
- 實驗在 QbD 中的作用
- QbD 和藥物開發
這些都是非常簡短的部分，旨在為以下列設置上下文。
- 一個因子設計基於仿製藥類固醇乳液配方的案例研究。 該設計旨在通過設置溫度、混合時間和冷卻時間同時優化八種質量屬性。 本研究展示了 JMP 如何模擬響應以可視化因子水平設置的可變性如何影響響應的可變性。
- 一個QbD部分因子實驗. 該實驗的目的是探索製備納米混懸劑的過程，這是一種流行的水不溶性藥物製劑。 納米混懸劑涉及離散藥物顆粒的膠體分散體，其用聚合物和/或表面活性劑穩定。 實驗涉及四個三水平因素和一個二水平因素。
- 使用隨機仿真器實現穩健性。 隨機模擬器最早是在貝茨等人，2006以實現穩健的目標性能。 這種非常強大的方法在 JMP 中實現。 該方法通過參考 FDA 藥物評估和研究中心 (CDER) 的擴大和批准後變更 (SUPAC) 標準的案例研究進行了演示。
- 混合設計. 對於這些設計，重點是配方中成分的相對比例的影響，而不是它們的絕對量。 該列顯示了專為處理混合物而設計的三元圖和刻畫器的示例。 使用的示例是混合粉末的案例研究。 混合操作的關鍵問題是：
- 如何同時量化粉末混合物的成分？
- 如何通過其他快速便捷的光譜方法驗證或確認過程分析技術（PAT）調合過程監測結果？
- 如何將審查的規模與原料藥和輔料的同質性聯繫起來？
- 響應面和順序實驗。 在這篇文章中，在一個案例研究中介紹了一個 Placket Burman (PB) 設計，然後是一個中央複合設計 (CCD)，該案例研究考慮了配方實驗的三個直接結果：封裝效率 (EE)、粒度和 zeta 電位。 此外，將每種配方稀釋並分成樣品儲存，一半在 4⁰ C，一半在 37⁰ C。 在預定時間（最長 24 個月）對這些樣品進行測試，以檢測儲存期間活性藥物的損失。
- 裂區實驗. 這些實驗具有難以改變的因素，難以隨機化，只能在塊級別應用。 一旦設置了難以改變的因素的水平，就會使用其他幾個保持該水平固定的因素進行實驗。 本專欄中使用的案例研究來自對動物模型的臨床前研究，其中測試了幾種治療嚴重慢性皮膚刺激的方法，展示瞭如何設計和分析此類實驗。
- QbD 是否適用於開發分析方法？ 這篇文章是基於我和當時在梯瓦 (Teva) 的兄弟一起寫的一篇論文（肯內特和肯內特，2008）。 該案例研究來自高效液相色譜 (HPLC) 方法的開發。
- 應用 QbD 使分析方法更加穩健. 這篇文章展示瞭如何使用確定性篩選設計 (DSD) 來評估和改進分析方法。
QbD 欄中包含的材料和示例仍然具有相關性。 一些額外的發展說明傳感器技術、大數據、機器學習和混合模型的影響越來越大。
最終，挑戰是從實驗室和工廠車間收集的所有數據中生成信息；一個更大的挑戰是確保這些信息的質量，我在與安妮·米利的對話（可提供成績單這裡）。 可獲取在哥本哈根舉行的 JMP QbD 發現活動中更正式的演示視頻這裡.
2020 年，第四次工業革命在先進製造領域繼續發展，將廣泛的傳感器數據與靈活製造和先進分析相結合。 一本涵蓋系統工程和第四次工業革命的最新要素的新綜合性書籍是在這裡可用。
I spoke with Anne Milley about "Quality Assurance in the Golden Age of Analytics" for the Analytically Speaking video series.我與 Anne Milley 就分析性演講視頻系列的“分析黃金時代的質量保證”進行了交談。
