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.Aggiornamento QbD: uno sguardo indietro e al futuro per vedere come QbD può aiutare il settore farmaceutico e altri settori a semplificare e ottimizzare i processi per risultati all'avanguardia. Quality by Design (QbD) riguarda processi, prodotti e comprensione clinica. Cinque anni fa, io e i miei colleghi abbiamo lanciato a colonna QbD , che consisteva in nove voci. Ti incoraggio a rivedere i post originali nella colonna QbD poiché sono ancora molto rilevanti oggi.
Prima di rivedere la colonna, prenditi un momento per guardare questi quattro minuti video della fabbrica Sanofi del futuro per vedere un'implementazione avanzata di biotecnologie, chimica, produzione e controlli (CMC). Per fabbricare in modo appropriato un prodotto farmaceutico, è necessario definire uno specifico processo di fabbricazione, caratteristiche del prodotto e test del prodotto per garantire che il prodotto sia sicuro, efficace e coerente tra i lotti.
La serie di colonne QbD offre uno sguardo nascosto su come l'industria farmaceutica sviluppa e ottimizza prodotti e processi, in modo che soddisfino i requisiti della fabbrica del futuro. Lascia che ti dia una panoramica di ogni colonna:
- Panoramica di QbD , che comprende cinque sezioni:
- Cos'è la QbD?
- In che modo QbD migliora la qualità?
- Spazio di progettazione in QbD
- Ruolo degli esperimenti in QbD
- QbD e sviluppo di farmaci
Queste sono tutte sezioni molto brevi progettate per impostare il contesto per le colonne seguenti.
- UN disegno fattoriale caso di studio basato sulla formulazione di una lozione steroidea di un prodotto generico. Il design è stato impostato per ottimizzare otto attributi di qualità contemporaneamente impostando la temperatura, il tempo di miscelazione e il tempo di raffreddamento. Questo studio mostra come JMP simula le risposte per visualizzare come la variabilità nelle impostazioni a livello di fattore influisce sulla variabilità nelle risposte.
- Un QbD esperimento fattoriale frazionario . L'obiettivo dell'esperimento è esplorare il processo di preparazione delle nanosospensioni, una formulazione popolare per farmaci insolubili in acqua. Le nanosospensioni comportano dispersioni colloidali di particelle di farmaco discrete, che sono stabilizzate con polimeri e/o tensioattivi. L'esperimento coinvolge quattro fattori a tre livelli e un fattore a due livelli.
- Raggiungere robustezza con emulatori stocastici. Gli emulatori stocastici furono proposti per la prima volta in Bates et al, 2006 per ottenere prestazioni solide e in linea con gli obiettivi. Questo approccio molto potente è implementato in JMP. Il metodo è dimostrato con un caso di studio che fa riferimento allo standard su Scale-Up and Post-Approval Changes (SUPAC) del Center for Drug Evaluation and Research (CDER) della FDA.
- Disegni di miscele . Per questi modelli, l'enfasi è sull'effetto delle proporzioni relative degli ingredienti in una formulazione, piuttosto che sulle loro quantità assolute. La colonna mostra esempi di plot ternari e profiler su misura per il trattamento di miscele. L'esempio utilizzato è un caso di studio sulla miscelazione di polveri. Le domande chiave per l'operazione di miscelazione sono:
- Come quantificare simultaneamente i componenti delle miscele di polveri?
- Come convalidare o confermare i risultati del monitoraggio del processo di miscelazione della tecnologia analitica di processo (PAT) tramite altri metodi spettroscopici rapidi e convenienti?
- Come collegare la scala di controllo e l'omogeneità di API ed eccipienti?
- Superfici di risposta e sperimentazione sequenziale. In questo post, un progetto Placket Burman (PB) seguito da un progetto composito centrale (CCD) è descritto in un caso di studio che considera tre risultati immediati da un esperimento sulle formulazioni: efficienza di incapsulamento (EE), dimensione delle particelle e potenziale zeta. Inoltre, ciascuna formulazione è stata diluita e suddivisa in campioni per la conservazione, metà a 4⁰C e metà a 37⁰C. Questi campioni sono stati testati a tempi predeterminati (fino a 24 mesi) per rilevare la perdita di farmaco attivo durante la conservazione.
- Esperimenti a trama divisa . Questi esperimenti hanno fattori difficili da modificare, difficili da randomizzare e possono essere applicati solo a livello di blocco. Una volta impostato il livello di un fattore difficile da modificare, gli esperimenti vengono eseguiti con molti altri fattori che mantengono fisso quel livello. Il caso di studio utilizzato in questa colonna, che deriva dalla ricerca preclinica su modelli animali in cui vengono testati diversi metodi per il trattamento di gravi irritazioni cutanee croniche, dimostra come progettare e analizzare tali esperimenti.
- QbD è applicabile per lo sviluppo di metodi analitici? Questo post è basato su un articolo che ho scritto con mio fratello, che all'epoca era a Teva ( Kenett e Kenett, 2008). Il caso di studio deriva dallo sviluppo di un metodo di cromatografia liquida ad alte prestazioni (HPLC).
- Applicazione di QbD per rendere robusti i metodi analitici . Questo post mostra come i disegni di screening definitivi (DSD) possono essere utilizzati per valutare e migliorare i metodi analitici.
Il materiale e gli esempi contenuti nelle colonne QbD sono ancora rilevanti. Alcuni sviluppi aggiuntivi spiegano il crescente impatto della tecnologia dei sensori, dei big data, dell'apprendimento automatico e dei modelli ibridi.
Alla fine, la sfida è generare informazioni da tutti i dati raccolti in laboratorio e in fabbrica; una sfida ancora più grande è garantire la qualità di queste informazioni, di cui parlo questa conversazione con Anne Milley (è disponibile una trascrizione qui ). È disponibile un video di una presentazione più formale a un evento JMP QbD discovery a Copenaghen qui .
Nel 2020, la quarta rivoluzione industriale continua a crescere nella produzione avanzata, combinando dati di sensori estesi con produzione flessibile e analisi avanzate. Un nuovo libro completo, che copre gli elementi all'avanguardia dell'ingegneria dei sistemi e la Quarta Rivoluzione Industriale, è disponibile qui.
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.Ho parlato con Anne Milley di "Assicurazione della qualità nell'età d'oro dell'analisi" per la serie di video Analytically Speaking.
