<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Janet Alvarado , Leitender Spezialist für quantitative Wissenschaften, Merck
Nelson Lee Afanador , PhD, Stellvertretender Direktor für Quantitative Wissenschaften, Merck
Es ist eine behördliche Anforderung, die Produktvergleichbarkeit vor und nach Prozessänderungen in der Impfstoff-, Biologika- und pharmazeutischen Herstellung nachzuweisen. Der Nachweis der Vergleichbarkeit, wie er in ICH Q5E beschrieben ist, bedeutet nicht, dass Produkte vor und nach der Umstellung identisch, sondern sehr ähnlich sein müssen. In dieser Arbeit untersuchen wir die Verwendung eines neuartigen Ansatzes zur Bewertung der Vergleichbarkeit. Dieser multivariate Ansatz nutzt die Unähnlichkeitsmatrix aus einem Random-Forest-Modell als Eingabe für eine Hauptkoordinatenanalyse, um die Ähnlichkeit von Beobachtungen aus Änderungen vor und nach dem Prozess zu untersuchen. Vertrauensellipsen werden verwendet, um bei einer visuellen Bewertung der Vergleichbarkeit zu helfen, wobei stark überlappende Ellipsen auf Ähnlichkeit hindeuten würden. Wir bewerten die Wichtigkeit der Variablen, um Aufschluss darüber zu geben, welche Variablen am meisten zur Trennung zwischen Gruppen beitragen, was anschließend hilft festzustellen, ob ein fokussierterer Ansatz erforderlich ist. Es werden mehrere Fallstudien vorgestellt, darunter eine Live-Demonstration in JMP.
