Bei der Entwicklung pharmazeutischer Wirkstoffe ist es notwendig, robuste Herstellungsverfahren zu etablieren, um eine stabile Versorgung mit qualitativ hochwertigen Arzneimitteln zu niedrigen Kosten zu gewährleisten. In diesem Vortrag werden zwei Fallstudien zur Anwendung statistischer Optimierungsmethoden mit JMP und JMP Pro am CMC-Forschungsinstitut von Kyorin Pharmaceutical vorgestellt.
Das erste Beispiel ist eine Analyse eines optischen Trennprozesses mittels der Response-Surface-Methode. Es wurden Experimente durchgeführt, um wichtige Faktoren zu identifizieren und die Robustheit nachzuweisen. Statistisch gesehen wurde die Kühltemperatur als kritischer Prozessparameter identifiziert, der Ausbeute und Qualität (optische Reinheit) beeinflusst.
Das zweite Beispiel ist die schnelle Optimierung von Reaktionsbedingungen mittels Bayes'scher Optimierung. Angesichts des dringenden Bedarfs an einer Maßstabsvergrößerung optimierten wir erfolgreich vier Faktoren – Temperatur, Lösungsmittelvolumen und weitere – gleichzeitig und erreichten die Zielbedingungen in nur 15 Experimenten.
Die ermittelten optimalen Bedingungen zeigten in allen Fällen eine gute Reproduzierbarkeit in Scale-up-Experimenten von 50 g bis 500 g. In diesem Vortrag erläutern wir, wie datengestützte Entscheidungsfindung mithilfe von Versuchsplanung und Bayes'scher Optimierung zur Effizienz der pharmazeutischen Prozessentwicklung beiträgt.
