La richiesta di processi di produzione di vettori lentivirali robusti e scalabili per la terapia cellulare e genica ha spinto l'adozione di metodologie avanzate. Questa presentazione approfondisce un approccio innovativo allo sviluppo dei processi, focalizzandosi su una strategia di Qualità tramite Progettazione (QbD), con particolare attenzione alle potenti funzionalità del software JMP.
In conformità con i rigorosi requisiti normativi per la qualificazione delle prestazioni di processo, la nostra metodologia integra perfettamente principi tradizionali e moderni, sfruttando al contempo JMP come strumento fondamentale durante la fase di progettazione del processo di Fase 1 del ciclo di vita della convalida del processo. L'utilizzo di JMP per la progettazione degli esperimenti (DOE) facilita la caratterizzazione completa del processo di produzione dei vettori lentivirali, consentendo l'identificazione precisa dei parametri critici di processo (CPP) e la definizione di intervalli di accettabilità comprovati (PAR).
Sfruttando le funzionalità di analisi statistica e visualizzazione del software, garantiamo un approccio basato sui dati al processo decisionale, migliorando la comprensione e il controllo dei processi. Questo intervento sottolinea il ruolo chiave che JMP svolge nel promuovere l'applicazione dei principi QbD per soddisfare le esigenze in continua evoluzione del settore bioprocessing.
Benvenuti al mio intervento. Mi chiamo Johann-Christoph Dettmann e oggi vorrei presentarvi il nostro approccio all'utilizzo della progettazione sperimentale per accelerare lo sviluppo di processi per la produzione di vettori lentivirali. Questo approccio è attualmente applicato con successo in progetti per clienti presso il nostro reparto di sviluppo processi a Gaithersburg ed è stato sviluppato in collaborazione con Thomas Little Consulting.
Nella mia presentazione odierna, integrerò la strategia di analisi dei dati consolidata introducendo anche alcuni spunti alternativi aggiuntivi, che, a mio avviso, sono molto utili. La presentazione sarà suddivisa in due parti. Nella prima parte, fornirò un'introduzione generale all'argomento e, in seguito, fornirò anche una breve dimostrazione di come utilizziamo JMP per valutare i DOE.
Ma prima di iniziare, vorrei fornire una breve panoramica delle competenze chiave che offriamo. Miltenyi Bioindustry è impegnata come CDMO (Center for Mobility) per la terapia cellulare e genica e fa parte del Gruppo Miltenyi Biotec. Poiché applichiamo la nostra competenza anche ai nostri prodotti CAR-T, abbiamo fondato le nostre conoscenze su una consolidata esperienza nella produzione di vettori lentivirali e di prodotti cellulari conformi alle GMP.
Offriamo anche un'ampia piattaforma di produzione per vettori lentivirali e, oltre a questo, possiamo anche offrire... Il nostro team PD supporta un'ulteriore ottimizzazione nello sviluppo dei processi o studi di caratterizzazione specifici, che possono davvero aiutare verso la commercializzazione.
Offriamo anche piattaforme analitiche standard che possono essere ulteriormente sviluppate per stabilire ulteriori analisi e possiamo anche supportare il trasferimento della tecnologia e delle analisi alle strutture di produzione cellulare interne dei nostri clienti, oltre a fornire consulenza con i nostri esperti normativi.
La nostra sede centrale si trova qui a Bergisch Gladbach, con stabilimenti per lo sviluppo di processi di vettori lentivirali e per la lavorazione delle cellule. Abbiamo anche stabilimenti di produzione di cellule a Gaithersburg, San Jose e Shanghai. Il nostro stabilimento principale per la produzione di vettori conformi alle GMP in Germania si trova qui a Teterow. Disponiamo anche di impianti su larga scala per la produzione di vettori a Gaithersburg, dove si trova anche la sede centrale per lo sviluppo di processi di vettori lentivirali.
Per la produzione di vettori, offriamo un sistema di terza generazione, il che significa che seguiamo i più elevati standard di sicurezza. Il nostro processo è privo di siero e in sospensione, può essere scalato e gestito negli Stati Uniti o a Teterow. In qualità di produttore globale di vettori conformi alle GMP, vantiamo una vasta esperienza nella produzione di centinaia di lotti GMP con il nostro processo di piattaforma.
Queste diapositive mostrano ora una panoramica generale del ciclo di vita del prodotto, che dovreste seguire se volete portare il vostro prodotto, ad esempio quello per la terapia cellulare e genica, verso la commercializzazione. Sulla base di questo grafico, vorrei mostrarvi quale fase del ciclo di vita del prodotto vogliamo analizzare più approfonditamente.
Inizialmente, si inizia con la raccolta di informazioni sul prodotto e sul processo da sviluppare, con l'obiettivo di compilare un elenco di attributi di qualità che riflettano adeguatamente la qualità del prodotto. Successivamente, si svolgeranno le fasi di sviluppo e caratterizzazione del processo, che porteranno alla definizione della strategia di controllo e dello spazio di progettazione.
Successivamente, avrà luogo la qualificazione delle prestazioni del processo, nota anche come convalida del processo. Tuttavia, questa fase non deve essere considerata una qualificazione finale, bensì il punto di partenza di una verifica continua di questo stato di qualificazione, nota anche come verifica continua del processo.
Naturalmente, non potremo parlare di tutti gli aspetti di questo diagramma di flusso in questa sede, ma oggi vorrei concentrarmi sulla generazione dello spazio di progettazione e sui metodi che utilizziamo per generarlo. Parleremo anche di come definire i parametri di processo critici per il vostro processo, ovvero quei parametri la cui variabilità ha un impatto sugli attributi di qualità critici e che pertanto devono essere monitorati e controllati. Parleremo anche di come definire intervalli di accettabilità comprovati per i parametri di processo, ovvero un intervallo caratterizzato di un parametro di processo per il quale operare entro tale intervallo, mantenendo costanti gli altri parametri, porterà alla produzione di un materiale di qualità rilevante.
Ma prima di entrare nel dettaglio, vorrei aggiungere qualche parola in più sullo spazio di progettazione. Una panoramica schematica è riportata qui a sinistra, con l'area bianca che rappresenta la nostra area in-spec e l'area ombreggiata la nostra area fuori-spec. Per quanto ne so, lo spazio di progettazione non è un requisito obbligatorio per la convalida del processo. Tuttavia, le autorità ne raccomandano vivamente la presenza.
Si tratta di un concetto delineato nell'ICH Q8 come una combinazione e interazione multidimensionale di variabili di input che garantiscono la qualità. Viene definito attraverso un approccio sistematico che prevede l'ottimizzazione degli attributi critici dei materiali e dei parametri di processo, utilizzando strumenti come la progettazione sperimentale. Lo spazio di progettazione garantisce inoltre che il processo operi entro parametri definiti per soddisfare costantemente gli standard di qualità e le specifiche di prodotto.
Permette inoltre flessibilità e controllo di processo, mantenendo inalterata la qualità del prodotto, poiché consente di identificare efficacemente potenziali modalità di guasto e limiti operativi. Ciò significa che, a partire dallo spazio di progettazione, siamo finalmente in grado di definire i nostri intervalli di parametri specifici, i nostri intervalli di accettabilità comprovati.
Ma come si genera il nostro spazio di progettazione? Inizialmente, inizieremo con una valutazione del rischio di basso livello. Naturalmente, prima di questa valutazione del rischio, ci sono diversi passaggi che riguardano la definizione dell'ambito di prodotto e processo. Tuttavia, questo non sarà oggetto della discussione odierna.
La valutazione del rischio di basso livello prevede in questo caso una stima basata sul rischio di parametri di processo potenzialmente influenti. Inizieremo elencando i parametri di processo rilevanti e correlandoli alla rispettiva risposta. Successivamente, la valutazione si baserà sulla valutazione della misura in cui la variazione di un parametro di processo potrebbe avere un impatto sulle nostre risposte.
Ad esempio, se si ipotizza un impatto molto elevato di un parametro di processo, o se non si dispone di alcuna conoscenza pregressa di una potenziale influenza, definiremmo di conseguenza un punteggio di rischio elevato. Tuttavia, se sappiamo già che questo parametro di processo non è influente, o se vi è un'elevata certezza al riguardo, allora possiamo definire o annotare un punteggio di rischio basso. Questo aiuta davvero questa mitologia a isolare potenziali parametri di processo non influenti, che potrebbero quindi essere esclusi dallo studio del DOE.
Lo stesso esercizio può essere svolto anche per termini di ordine superiore, ovvero interazioni bifattoriali o quadratiche. Anche in questo caso, le motivazioni scientifiche e le conoscenze pregresse possono essere di grande aiuto nell'identificare quali termini di ordine superiore debbano essere inclusi nello studio e quali no.
In entrambe le valutazioni, la valutazione degli effetti principali e anche la valutazione delle interazioni ci consentono in definitiva una definizione molto chiara del progetto di studio DOE, perché in parole povere, si può dire che per ogni termine del modello che si desidera analizzare è necessaria un'ulteriore esecuzione sperimentale e, attraverso questo approccio, diventa realmente possibile creare un progetto specifico che sia realmente adattato alle proprie esigenze specifiche.
Per generare il nostro studio DOE, utilizziamo la piattaforma DOE personalizzata di JMP. Una volta progettato il nostro studio DOE, possiamo andare in laboratorio ed eseguire tutti gli esperimenti, raccogliere tutti i dati e utilizzarli per definire il nostro modello statistico, ovvero la rappresentazione che descrive la relazione tra le variabili di input, i fattori e la nostra risposta. Questo può quindi essere utilizzato per definire i parametri critici del processo, poiché partiamo dal presupposto che la sola valutazione del rischio non debba essere utilizzata per rilevare e controllare i CPP. Questo può essere basato solo su misurazioni di come i fattori influenzano direttamente la risposta. Il DOE è chiaramente il metodo di scelta, poiché aiuta davvero a isolare l'influenza di ogni fattore e interazione sulla risposta critica.
Per definire ora i nostri CPP, avremmo bisogno, da un lato, delle nostre stime in scala per ottenere finalmente la dimensione dell'effetto dei nostri fattori, e poi avremmo anche bisogno dell'intervallo di tolleranza, ovvero l'area tra il limite di specifica superiore e quello inferiore. Infine, determiniamo i fattori che spostano la media della risposta di oltre il 20% della tolleranza nel nostro studio DOE, e li consideriamo quindi come parametri di processo critici. Lo ripeto, i fattori che spostano la media della risposta di oltre il 20% della tolleranza nel nostro studio DOE sono considerati parametri di processo critici.
Dopo aver definito i nostri CPP per le nostre operazioni unitarie, lo spazio di progettazione viene utilizzato per definire gli intervalli di fattori specifici per il nostro processo. Poiché lo spazio di progettazione è molto dinamico e dipende dalle impostazioni dei rispettivi fattori, utilizziamo simulazioni Monte Carlo per simulare le variazioni da lotto a lotto ed esplorare la natura dinamica dello spazio di progettazione.
La simulazione includerà tre fonti chiave di variazione. Da un lato, la variazione derivante dal modello, dalla risposta o dal prodotto caratterizzato, nonché la variazione di ciascun fattore che abbiamo analizzato, e dall'altro, considereremo la variazione residua, non considerata dal modello, nota anche come errore quadratico medio. Questa potrebbe essere, ad esempio, la variazione derivante dal metodo analitico. Insieme, queste informazioni vengono poi utilizzate per generare o simulare migliaia di esperimenti, che aiutano concretamente a valutare e stimare la capacità di processo del vostro processo.
Ad esempio, in questo esempio, vediamo che abbiamo un tasso di difetti o di fuori specifica superiore al 33%, che è decisamente troppo alto, quindi è chiaro che abbiamo bisogno di un adattamento dei limiti del processo o dei limiti dei parametri.
Per definire i nostri intervalli di fattori, utilizziamo uno script del nostro consulente, molto simile al Design Space Profiler, che ci aiuta a visualizzare i dati simulati e anche i tassi di errore che si verificheranno durante il processo. I punti rossi qui rappresentati rappresentano le simulazioni sperimentali, che sono fuori specifica, mentre i punti verdi rappresentano le nostre ispezioni.
Mi piace molto questo grafico perché permette di valutare concretamente in che misura i fattori influenzano realmente la nostra risposta. Ad esempio, per il fattore D, possiamo vedere che, in correlazione con la risposta A, si nota in particolare che all'estremità superiore dell'intervallo del fattore si verifica una percentuale maggiore di cicli di ispezione. Adattando manualmente questi limiti, siamo in grado di definire intervalli di parametri di processo più significativi, più sensati e più adatti a consentire una produzione più robusta. Prima, avevamo circa il 33% di punti fuori specifica, ora siamo al di sotto dell'1%, il che soddisfa pienamente i nostri requisiti. Questi limiti, che abbiamo definito manualmente, vengono quindi utilizzati come intervalli di accettabilità comprovati per i parametri di processo.
Definiamo quindi anche il nostro normale intervallo operativo, che si basa sui dati storici, sulle attrezzature e sulle capacità personali, tenendo conto anche degli intervalli accettabili comprovati e stabiliti, il che significa che questi limiti NOR dovrebbero normalmente essere più rigorosi dei PAR.
Questa era la mia parte di presentazione. Ora cambierò argomento e inizierò la presentazione in JMP. Oggi voglio mostrarvi un esempio che è stato utilizzato anche in uno dei nostri studi di caratterizzazione. In questo DOE, abbiamo avuto cinque risposte diverse. Abbiamo anche studiato sei fattori diversi e, dalla nostra valutazione del rischio di basso livello, abbiamo finalmente concluso di indagare, ovviamente, tutti gli effetti principali, ma abbiamo anche deciso di indagare alcune delle interazioni tra due fattori e anche alcuni dei termini quadratici, portando infine a uno studio DOE di circa 16 esecuzioni.
Per valutare il nostro studio DOE, utilizziamo normalmente la piattaforma di modelli di adattamento di JMP e, prima di procedere con la valutazione specifica del modello, iniziamo sempre con un controllo della qualità dei dati. Ciò significa che esaminiamo i residui del nostro modello per verificare se vi siano pattern specifici nei residui, che indichino la presenza di un effetto attivo sconosciuto. Tuttavia, in linea di principio, i residui dovrebbero essere distribuiti casualmente attorno alla linea zero. Ecco la linea blu che indica la distribuzione normale dei residui, che è il caso della nostra situazione.
Per individuare i valori anomali, utilizziamo i residui studentizzati esternamente. Qui si consiglia di utilizzare i limiti di Bonferroni, poiché forniscono un approccio più conservativo, riducendo così il rischio di rilevare erroneamente un punto fuori tendenza, un valore anomalo.
Ecco alcune note aggiuntive sulla gestione dei punti fuori tendenza, i valori anomali, soprattutto quando si lavora in ambito normativo e si segnalano dati, ad esempio, alla FDA. Anche quando si rileva un valore anomalo, ovvero un punto dati che potrebbe essere al di fuori dei limiti di Bonferroni, ciò non significa che si debba automaticamente escludere tale punto dati dal set di dati. È sempre consigliabile avere una motivazione scientifica per questa esclusione di valori anomali, ad esempio un errore di gestione non documentato nel processo o anche un errore nel metodo analitico.
In assenza di questa possibilità, è anche possibile valutare l'esecuzione di un confronto tra modelli, ovvero il confronto tra il modello con e senza valori anomali. Tale confronto dovrebbe poi essere supportato da un'argomentazione che spieghi perché il modello senza valori anomali sia più rappresentativo del processo. Tuttavia, l'esclusione dei punti dati solo su base statistica non è raccomandata.
Dopo il controllo della qualità dei dati, eseguiremo la regressione del modello. Utilizziamo quindi la regressione a ritroso graduale, il che significa che rimuoviamo dal modello i termini non significativi e seguiamo il principio della gerarchia degli effetti, ovvero possiamo rimuovere gli effetti principali solo se non sono contenuti in un termine di ordine superiore, come in un'equazione quadratica o di interazione.
Questo, ad esempio, è contrassegnato qui con questo piccolo segno. Questo ci illustra o ci fornisce l'informazione che questo effetto principale è anche parte di un'interazione, quindi non ci sarebbe permesso escludere questo effetto principale a meno che anche questa interazione non fosse esclusa, quindi questa interazione, ma possiamo escluderla. Possiamo anche escludere questo effetto principale, che non fa parte di un termine di ordine superiore.
Sì, la nostra soglia per la rimozione dei termini dal modello è pari a un valore p di 0,1 e, nelle situazioni in cui siamo molto vicini a questa soglia, consideriamo anche l'errore quadratico medio del nostro modello, il che significa che quando rimuoviamo questo termine e l'errore quadratico medio diminuisce, questa esclusione sarebbe giustificata poiché vogliamo ridurre la variazione sconosciuta, rappresentata dall'errore quadratico medio.
Tuttavia, quando rimuoviamo questo termine e l'RMSE aumenta, come avviene ora, non escluderemo questo punto dati, poiché contribuisce ovviamente a spiegare la variazione del modello, o sì, la variazione del modello nel nostro esperimento.
Dopo aver ottenuto il modello finale, salveremo la formula di previsione e anche la formula di previsione per l'errore standard, che sarà poi importante per definire i nostri intervalli di accettabilità comprovati. Prima di procedere, però, definiremo i parametri critici del processo e, pertanto, dovremo assicurarci che la tabella di stima in scala sia aperta, come ora accade, e quindi utilizzeremo un componente aggiuntivo del nostro consulente, uno script specifico, che aiuta a identificare i parametri critici del processo.
Ecco come funziona. Per prima cosa, dobbiamo selezionare il report del modello FIT in cui è aperta la tabella delle stime in scala, quindi dobbiamo definire i limiti di specifica per la nostra risposta, attualmente in fase di analisi. Normalmente, o idealmente, i limiti di specifica dovrebbero essere già predefiniti. Tuttavia, quando, ad esempio, si analizza un'operazione unitaria all'interno del processo, questi limiti per questo prodotto intermedio potrebbero non esistere ancora. In tal caso, cerchiamo di considerare i dati in scala e quindi utilizziamo i valori minimo e massimo di questi lotti che hanno infine superato la specifica del prodotto finale.
Se anche questo non è disponibile, abbiamo un approccio predefinito per definire i limiti di specifica, che prevede che il limite di specifica inferiore utilizzi l'80% della media di processo del DOE e che il limite di specifica superiore utilizzi il 150% della media di processo. Ma nel nostro caso, siamo fortunati ad avere limiti di specifica in atto, ovvero 150 per il limite inferiore e 350 per il limite superiore.
Possiamo quindi procedere. Il passo successivo sarebbe definire la soglia per la determinazione dei parametri di processo critici. Prima ho detto che, allo scostamento medio del 20% della tolleranza, dichiariamo i parametri di processo come critici, ma è anche possibile adattare questa impostazione alle proprie esigenze, aumentando o diminuendo, a seconda delle proprie esigenze, ma rimarremo nella nostra situazione del 20%.
Infine, clicchiamo su "Esegui". Lo script esegue il calcolo del CPB, utilizzando la stima scalata o i coefficienti, noti anche come semieffetti, e li moltiplica per un moltiplicatore specifico. Per gli effetti principali, applichiamo un moltiplicatore pari a due. Questo vale anche per le interazioni, mentre per gli effetti quadratici utilizziamo un moltiplicatore pari a uno.
In questo modo, viene calcolato l'effetto completo, che viene poi correlato all'intervallo di tolleranza, ovvero all'area compresa tra il limite di specifica superiore e quello inferiore. Se l'effetto completo è superiore al 20% di questo intervallo di tolleranza, dichiareremo questo termine come parametro di processo critico, il che è vero per i primi tre termini qui nel nostro modello.
Dopo aver definito i parametri critici del nostro processo, questo esercizio viene ovviamente svolto per tutte le risposte nel nostro modello. Utilizzeremo quindi il profiler per definire i nostri intervalli accettabili comprovati per questi parametri di processo. Ho effettuato alcune operazioni preliminari, ma spiegherò brevemente cosa ho fatto. Ho aperto l'opzione simulatore qui nel menu del profiler e ho aggiunto anche i rispettivi valori RMSE, quindi il rumore casuale delle risposte.
Inoltre, ho anche definito una distribuzione triangolare. Questa viene inizialmente eseguita per i rispettivi fattori, con il picco localizzato nel punto di riferimento del processo su larga scala, e gli estremi inferiore e superiore rappresentano qui i punti estremi dello studio DOE.
Potremmo quindi simulare facilmente il nostro processo e vedere quanto è alto il nostro tasso di difettosità. Come possiamo vedere, è piuttosto alto. Si aggira intorno al 33%, quindi è evidente la necessità di apportare qualche miglioramento.
In passato, utilizzavamo lo script Edge of Failure del nostro consulente per definire i nostri intervalli di accettabilità comprovati. Attualmente, questo viene fatto anche presso la sede di Lentigen o presso il nostro sito di sviluppo processi a Gaithersburg, perché utilizzano ancora JMP 16. Tuttavia, a partire da JMP 17, è disponibile anche il Design Space Profiler, uno strumento che vorrei mostrarvi oggi.
Aprirò il Design Space Profiler e ciò che mi piace di più è che possiamo visualizzare in linea o direttamente la parte di ispezione per l'intero processo. Questa funzione è disponibile anche per le nostre rispettive risposte, quindi possiamo visualizzare la parte di ispezione individuale per ogni risposta, e ora abbiamo la possibilità di adattare manualmente i nostri intervalli di fattori, oppure di farlo automaticamente, cosa che farò ora.
Come potete vedere, la quota di ispezione sta aumentando, gli intervalli dei fattori stanno diminuendo e il nostro obiettivo è finalmente raggiungere una quota di ispezione di almeno il 99%, che ora è il nostro obiettivo. Potreste giungere alla conclusione: "Wow, questo è davvero stretto. Oddio, non è pratico per i nostri team di produzione". Poi, naturalmente, potete anche riadattare questi limiti in base alle vostre esigenze.
Ad esempio, qui abbiamo molta flessibilità, potremmo restringere un po' questo intervallo, e anche questo, e vediamo qui, mi dà ancora un po' più di flessibilità. Questo è molto utile. Si può procedere in questo modo finché non si è soddisfatti degli intervalli dei parametri e della parte di ispezione. Questi limiti li definiamo in seguito, o tramite questa procedura. Naturalmente, si ha poi la possibilità di ridurli a una cifra decimale più pertinente, i rispettivi intervalli dei fattori qui, ma questi sono infine gli intervalli accettabili comprovati per il processo.
Potremmo quindi anche tendere ai rispettivi punti medi del profiler, anche ai rispettivi limiti, e lì useremmo quindi l'opzione normale con limiti a tre sigma, e poi potremmo verificare nuovamente la nostra parte di ispezione del processo, che è, ovviamente, di nuovo, superiore al 99%, che era il nostro obiettivo, quindi molto bello.
Infine, è ovviamente molto, molto importante e necessario convalidare questi limiti con i reparti di produzione, perché questi limiti, ovviamente, devono essere pratici nell'ambito della produzione di routine, e questo viene poi discusso con alcuni reparti di produzione.
Spero di essere riuscito a dimostrarvi che abbiamo definito un approccio molto significativo all'utilizzo dello spazio di progettazione per la definizione di PAR e CPP. Inizialmente abbiamo parlato di un approccio basato sul rischio per definire un design su misura per gli studi DOE, che si basa in modo concreto sulle vostre specifiche esigenze. Abbiamo anche parlato di come definire i parametri critici di processo, considerando anche l'impatto effettivo sui nostri CQA. Abbiamo anche parlato di come definire intervalli di accettabilità comprovati per il vostro processo e di come utilizzare il Design Space Profiler per questo esercizio.
Come ho detto, utilizziamo questa mitologia anche per i nostri prodotti e siamo molto lieti che anche uno dei nostri clienti l'anno scorso abbia superato una domanda di brevetto BLA utilizzando questo approccio. Detto questo, vorrei ringraziarvi per l'attenzione.
