Janet Alvarado , Leitende Spezialistin für quantitative Wissenschaften, Merck
Nelson Lee Afanador , PhD, Stellvertretender Direktor für Quantitative Wissenschaften, Merck
Es ist eine regulatorische Anforderung, die Vergleichbarkeit von Produkten vor und nach Prozessänderungen in der Impfstoff-, Biologika- und Arzneimittelherstellung nachzuweisen. Der Nachweis der Vergleichbarkeit, wie in ICH Q5E beschrieben, bedeutet nicht, dass Produkte vor und nach der Änderung identisch sein müssen, sondern vielmehr, dass sie sich stark ähneln. In dieser Arbeit untersuchen wir die Verwendung eines neuartigen Ansatzes zur Bewertung der Vergleichbarkeit. Dieser multivariate Ansatz nutzt die Disähnlichkeitsmatrix eines Random-Forest-Modells als Input für eine Hauptkoordinatenanalyse, um die Ähnlichkeit von Beobachtungen aus Prozessänderungen vor und nach der Änderung zu untersuchen. Konfidenzellipsen unterstützen die visuelle Bewertung der Vergleichbarkeit, wobei stark überlappende Ellipsen auf Ähnlichkeit schließen lassen. Wir bewerten die Variablenwichtigkeit, um herauszufinden, welche Variablen am meisten zur Trennung zwischen Gruppen beitragen. Dies hilft anschließend zu entscheiden, ob ein fokussierterer Ansatz erforderlich ist. Es werden mehrere Fallstudien vorgestellt, darunter eine Live-Demonstration in JMP.
