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 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 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 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-Update: Ein Blick zurück und in die Zukunft, um zu sehen, wie QbD der Pharmaindustrie und anderen Branchen dabei helfen kann, Prozesse zu rationalisieren und zu optimieren, um Ergebnisse auf dem neuesten Stand der Technik zu erzielen. Bei Quality by Design (QbD) geht es um Prozesse, Produkte und klinisches Verständnis. Vor fünf Jahren haben meine Kollegen und ich eine gestartet QbD-Spalte , welches aus neun Einträgen bestand. Ich empfehle Ihnen, die Originalbeiträge in der QbD-Kolumne zu lesen, da sie auch heute noch sehr relevant sind.
Bevor Sie sich die Kolumne noch einmal ansehen, nehmen Sie sich einen Moment Zeit und schauen Sie sich diese vierminütige Sendung an Video der Sanofi-Fabrik der Zukunft, um eine fortschrittliche Implementierung von Biotechnologie, Chemie, Fertigung und Kontrollen (CMC) zu sehen. Um ein Arzneimittel ordnungsgemäß herzustellen, müssen ein spezifischer Herstellungsprozess, Produkteigenschaften und Produkttests definiert werden, um sicherzustellen, dass das Produkt sicher, wirksam und zwischen den Chargen konsistent ist.
Die QbD-Säulenserie gibt einen Einblick, wie die Pharmaindustrie Produkte und Prozesse entwickelt und optimiert, damit sie den Anforderungen der Fabrik der Zukunft gerecht werden. Lassen Sie mich Ihnen einen Überblick über jede Spalte geben:
- Überblick über QbD , das fünf Abschnitte umfasst:
- Was ist QbD?
- Wie verbessert QbD die Qualität?
- Designraum in QbD
- Rolle von Experimenten in QbD
- QbD und Arzneimittelentwicklung
Dies sind alles sehr kurze Abschnitte, die den Kontext für die folgenden Spalten schaffen sollen.
- A faktorielles Design Fallstudie basierend auf der Formulierung einer Steroidlotion eines Generikums. Das Design sollte acht Qualitätsmerkmale gleichzeitig optimieren, indem Temperatur, Mischzeit und Abkühlzeit eingestellt werden. Diese Studie zeigt, wie JMP Antworten simuliert, um zu visualisieren, wie sich die Variabilität der Einstellungen auf Faktorebene auf die Variabilität der Antworten auswirkt.
- Ein QbD fraktioniertes faktorielles Experiment . Ziel des Experiments ist es, den Prozess der Herstellung von Nanosuspensionen zu untersuchen, einer beliebten Formulierung für wasserunlösliche Medikamente. Bei Nanosuspensionen handelt es sich um kolloidale Dispersionen einzelner Arzneimittelpartikel, die mit Polymeren und/oder Tensiden stabilisiert werden. Das Experiment umfasst vier dreistufige Faktoren und einen zweistufigen Faktor.
- Robustheit mit stochastischen Emulatoren erreichen. Stochastische Emulatoren wurden erstmals in vorgeschlagen Bates et al., 2006 um eine robuste, zielgerichtete Leistung zu erzielen. Dieser sehr leistungsstarke Ansatz ist in JMP implementiert. Die Methode wird anhand einer Fallstudie demonstriert, die sich auf den Standard zu Scale-Up and Post-Approval Changes (SUPAC) des FDA Center for Drug Evaluation and Research (CDER) bezieht.
- Mischungsdesigns . Bei diesen Designs liegt der Schwerpunkt auf der Wirkung der relativen Anteile der Inhaltsstoffe in einer Formulierung und nicht auf deren absoluten Mengen. Die Spalte zeigt Beispiele für ternäre Diagramme und Profiler, die auf die Behandlung von Mischungen zugeschnitten sind. Bei dem verwendeten Beispiel handelt es sich um eine Fallstudie zum Mischen von Pulvern. Leitfragen für den Mischbetrieb sind:
- Wie können Komponenten von Pulvermischungen gleichzeitig quantifiziert werden?
- Wie kann man die Ergebnisse der Prozessanalysetechnik (PAT) mit anderen schnellen und bequemen spektroskopischen Methoden validieren oder bestätigen?
- Wie lässt sich der Umfang der Prüfung mit der Homogenität von API und Hilfsstoffen verknüpfen?
- Reaktionsoberflächen und sequentielles Experimentieren. In diesem Beitrag wird ein Placket-Burman-Design (PB) gefolgt von einem Central-Composite-Design (CCD) in einer Fallstudie vorgestellt, die drei unmittelbare Ergebnisse eines Experiments mit Formulierungen berücksichtigt: Verkapselungseffizienz (EE), Partikelgröße und Zeta-Potenzial. Darüber hinaus wurde jede Formulierung verdünnt und zur Lagerung in Proben aufgeteilt, die Hälfte bei 4⁰ C und die andere Hälfte bei 37⁰ C. Diese Proben wurden zu vorgegebenen Zeitpunkten (bis zu 24 Monate) getestet, um den Verlust des Wirkstoffs während der Lagerung festzustellen.
- Split-Plot-Experimente . Diese Experimente weisen schwer veränderbare Faktoren auf, die schwierig zu randomisieren sind und nur auf Blockebene angewendet werden können. Sobald das Niveau eines schwer zu ändernden Faktors festgelegt ist, werden Experimente mit mehreren anderen Faktoren durchgeführt, die dieses Niveau festhalten. Die in dieser Kolumne verwendete Fallstudie, die aus präklinischer Forschung an Tiermodellen stammt, in der verschiedene Methoden zur Behandlung schwerer chronischer Hautreizungen getestet werden, zeigt, wie solche Experimente konzipiert und analysiert werden.
- Ist QbD für die Entwicklung analytischer Methoden anwendbar? Dieser Beitrag basiert auf einer Arbeit, die ich zusammen mit meinem Bruder geschrieben habe, der damals bei Teva war ( Kenett und Kenett, 2008). Die Fallstudie stammt aus der Entwicklung einer Methode der Hochleistungsflüssigkeitschromatographie (HPLC).
- Anwendung von QbD, um Analysemethoden robust zu machen . Dieser Beitrag zeigt, wie definitive Screening-Designs (DSD) zur Bewertung und Verbesserung von Analysemethoden eingesetzt werden können.
Das in den QbD-Spalten enthaltene Material und die Beispiele sind weiterhin relevant. Einige zusätzliche Entwicklungen sind für den wachsenden Einfluss von Sensortechnologie, Big Data, maschinellem Lernen und Hybridmodellen verantwortlich.
Letztendlich besteht die Herausforderung darin, aus allen im Labor und in der Fabrikhalle gesammelten Daten Informationen zu generieren; Eine noch größere Herausforderung besteht darin, die Qualität dieser Informationen sicherzustellen, die ich in bespreche dieses Gespräch mit Anne Milley (Eine Abschrift liegt vor Hier ). Ein Video einer formelleren Präsentation bei einer QbD-Entdeckungsveranstaltung von JMP in Kopenhagen ist verfügbar Hier .
Im Jahr 2020 wächst die vierte industrielle Revolution weiter in der fortschrittlichen Fertigung und kombiniert umfangreiche Sensordaten mit flexibler Fertigung und fortschrittlicher Analytik. Ein neues umfassendes Buch, das modernste Elemente der Systemtechnik und der Vierten Industriellen Revolution abdeckt, ist hier verfügbar.
I spoke with Anne Milley about "Quality Assurance in the Golden Age of Analytics" for the Analytically Speaking video series.I spoke with Anne Milley about "Quality Assurance in the Golden Age of Analytics" for the Analytically Speaking video series.I spoke with Anne Milley about "Quality Assurance in the Golden Age of Analytics" for the Analytically Speaking video series.I spoke with Anne Milley about "Quality Assurance in the Golden Age of Analytics" for the Analytically Speaking video series.Ich habe mit Anne Milley für die Videoreihe „Analytical Speaking“ über „Qualitätssicherung im Goldenen Zeitalter der Analytik“ gesprochen.
