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：回顾和展望未来，了解 QbD 如何帮助制药和其他行业简化和优化流程以获得最先进的结果。质量源于设计 (QbD) 是关于流程、产品和临床理解的。 五年前，我和我的同事发起了一个QbD 列,其中包括九个条目。 我鼓励您查看 QbD 专栏中的原始帖子，因为它们今天仍然非常相关。
在您重新访问该专栏之前，请花点时间观看这四分钟视频未来赛诺菲工厂的生物技术、化学、制造和控制 (CMC) 的先进实施。 为了适当地制造药品，必须定义特定的制造工艺、产品特性和产品测试，以确保产品在批次之间是安全、有效和一致的。
QbD 色谱柱系列让您深入了解制药行业如何开发和优化产品和工艺，从而满足未来工厂的要求。 让我给你概述一下每一列：
- QbD 概述，其中包括五个部分：
- 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，旨在为以下列设置上下文。
- 一个因子设计基于仿制药类固醇乳液配方的案例研究。 该设计旨在通过设置温度、混合时间和冷却时间同时优化八种质量属性。 本研究展示了 JMP 如何模拟响应以可视化因子水平设置的可变性如何影响响应的可变性。
- 一个QbD部分因子实验. 该实验的目的是探索制备纳米混悬剂的过程，这是一种流行的水不溶性药物制剂。 纳米混悬剂涉及离散药物颗粒的胶体分散体，其用聚合物和/或表面活性剂稳定。 实验涉及四个三水平因素和一个二水平因素。
- 使用随机仿真器实现稳健性。 随机模拟器最早是在贝茨等人，2006以实现稳健的目标性能。 这种非常强大的方法在 JMP 中实现。 该方法通过参考 FDA 药物评估和研究中心 (CDER) 的扩大和批准后变更 (SUPAC) 标准的案例研究进行了演示。
- 混合设计. 对于这些设计，重点是配方中成分的相对比例的影响，而不是它们的绝对量。 该列显示了为处理混合物而定制的三元图和刻画器的示例。 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：
- 如何同时量化粉末混合物的成分？
- 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）调合过程监测结果？
- 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，在一个案例研究中介绍了一个 Placket Burman (PB) 设计，然后是一个中央复合设计 (CCD)，该案例研究考虑了配方实验的三个直接结果：封装效率 (EE)、粒度和 zeta 电位。 此外，将每种配方稀释并分成样品储存，一半在 4⁰ C，一半在 37⁰ C。 在预定时间（最长 24 个月）对这些样品进行测试，以检测储存期间活性药物的损失。
- 裂区实验. 这些实验具有难以改变的因素，难以随机化，只能在块级别应用。 一旦设置了难以改变的因素的水平，就会使用其他几个保持该水平固定的因素进行实验。 本专栏中使用的案例研究来自对动物模型的临床前研究，其中测试了几种治疗严重慢性皮肤刺激的方法，展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？ 这篇文章是基于我和当时在梯瓦 (Teva) 的兄弟一起写的一篇论文（肯内特和肯内特，2008）。 该案例研究来自高效液相色谱 (HPLC) 方法的开发。
- 应用 QbD 使分析方法更加稳健. 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 栏中包含的材料和示例仍然具有相关性。 一些额外的发展说明传感器技术、大数据、机器学习和混合模型的影响越来越大。
最终，挑战是从实验室和工厂车间收集的所有数据中生成信息；一个更大的挑战是确保这些信息的质量，我在与安妮·米利的对话（可提供成绩单这里）。 可获取在哥本哈根举行的 JMP QbD 发现活动中更正式的演示视频这里.
2020 年，第四次工业革命在先进制造领域继续发展，将广泛的传感器数据与灵活制造和先进分析相结合。 一本涵盖系统工程和第四次工业革命的最新要素的新综合性书籍是在这里可用。
I spoke with Anne Milley about "Quality Assurance in the Golden Age of Analytics" for the Analytically Speaking video series.我与 Anne Milley 就分析性演讲视频系列的“分析黄金时代的质量保证”进行了交谈。
