会议推荐
2026第三届中国医药企业项目管理大会
2026第二届中国AI项目管理大会
2026第十五届中国PMO大会
2026第五届中国项目经理大会
本
文
目
录
1、eCOA质量源于设计:理念与质量管理实践
2、细胞工艺的QbD简介
3、切向流过滤的QbD研究思路
一、eCOA质量源于设计:理念与质量管理实践
(原创 eCOA/DCT 信华医药)
《中国新药注册临床试验进展年度报告(2023年)》显示,我国药物临床试验的年度登记总量2021年为3358项,2022年为3410项,2023年为4300项,数量持续增长;而且近几年数字化转型是当前临床试验领域面临的重要变革之一,随着数字化转型的加速,质量管理也应随之更新迭代。
在传统的临床试验数据填报时,常常有五大痛点:①较低的患者依从性;②难以保证的时效性;③数据录入以及缺失的潜在风险高,且数据澄清时其流程又较为复杂;④对于某些具有复杂跳转逻辑的量表或问卷,不可避免地会对患者以及研究者带来很多负担;⑤为了保证数据采集的准确,尽量避免以上问题带来困扰,获得更多更好更准确的试验数据,很多试验在运营中又不得不花费更多人力以及时间成本。
在2017年Alzheimer's Association International Conference发表关于阿尔茨海默病使用eCOA的相关研究中的报道,也反映出了纸质填报容易出现较高的出错率:在其研究中表明,使用纸质版本的量表进行数据收集时ADAS-Cog的错误率高达32%,MMSE的错误率高达23%。而对比实验组中,使用电子临床结局评估(eCOA)平台将ADAS-Cog和MMSE的错误率分别降低到11.3%和10.8%。
那么在数字化转型的浪潮下,该如何在临床试验设计阶段就前置化质控—结合数字化(电子化)的方法以提高中数据采集方面的质量呢?
1
通过电子采集方式可有效提高受试者的依从性
所有临床试验中,受试者的依从性常常是最不可控的变量。特别是在现代人年轻人生活节凑快,而老年人记忆力相对较差的情况下,我们怎么能通过数字化的方式提高依从性呢?
(1)我们可以通过系统或者平台,分享其疾病相关患教视频、推文等;这样能有效增加受试者的参与感,填报意识,以及了解其填报数据的重要性,以此增加受试者的依从性;
(2)如果使用ePRO系统进行数据填报,那么依据试验方案科学设置的定时提醒,如:每天的填报提醒、每次访视的访视提醒、未填写的填报提醒……,都可以有效提高患者的依从性;
(3)同时,通过使用ePRO系统,能实时了解受试者是否按时、及时完成日志记录;如未完成,系统可自动出发受试者以及研究者双向提醒,受试者可及时介入,了解情况,沟通跟进,增加受试者的参与感。
2
通过电子采集方式可有效提高COA的数据质量
数据质量的改善主要是在四个方面体现:
(1)规范性:质量源于设计,规范数据采集的过程和要求,且数据溯源轨迹完整清晰、易追溯;
(2)完整性:实时的逻辑检查,可避免漏题/跳题等数据遗漏的情况。且电子采集的方式可直接避免纸质数据在存储、转运过程中,可能面临的缺失/破坏等风险;
(3)准确性:所有数据(COA/Diary)都可根据其填写规则实现相应的逻辑判断(如跳过、量表条目间的逻辑核查等),减少二次转录的错误;
(4)及时性:填写完成的数据皆可实时查看,动态(如AE)即使监测,可实现实时评分计算。
3
如何降低患者以及研究者的负担
以圣乔治呼吸问卷SGRQ为例—减低患者负担以及提高数据准确性:
受试者在家用纸质填写时,很有可能存在填写不及时、漏填等潜在风险。如图中第六题,若遇到有逻辑判断的题目,受试者很容易填写错误(错误判断是否需要跳过该题),但通过系统进行的电子化数据收集可以帮助受试者完成:1. 填报提醒;2. 自动逻辑跳转;3. 漏填提醒。以此协助受试者能按时,准确的完成填报。
图示:以圣乔治呼吸问卷SGRQ中的第六题为例
以连线测试TMT为例—减少人为误差,提高数据标准化:
该量表的需要收集的关键数据是:
①受试者操作总耗时;
②受试者连线错误的次数和评分员提示的次数;
③部分地区的试验还会手机分析受试者第一分钟达到数字以及连线错误的分类。
针对于这些数据都需要评分员高度一致的操纵性以避免计时器误差。所以针对于该量表需要对评分员的操作、分类标准、数据的采集范围做一致化的培训。但是电子化采集模式可以从设计上直接解决一致性的问题:
(1)首先,在ePRO设计时,可以加入练习以及指导的智能化—针对练习题目及指导方式的展现,电子系统可以根据需求设计进行智能化设计,以提高受试者对测试内容的理解度。
(2)其次,使用ePRO可以简便操作—电子系统可以自动计时,简化评分员手动计时,降低人工误差。
(3)再者,数字化可以统一评定标准—传统的基于纸笔的测验中,即使经过了培训,评分员在操作中对于连线错误的评估仍可能存在差异。而电子系统可以通过数字化技术将评定标准统一。
(4)最后,ePRO数据记录更加完整准确——传统的基于纸笔的测验,由于条件限制,评分员只能记录总耗时、连线错误的次数等有限信息,可能会遗漏其他有意义的信息。而电子系统可以完整且准确地记录受试者练习和执行任务的全过程,便于所需评定数据的收集。
图示:以连线测试TMT为例
信华一直致力于助力中国临床试验的发展,在过往的50+项目经验中国,我们一直致力于与客户深入沟通讨论,以质控前置,充分发挥数字化的优势,系统性减少‘人为干扰’;并且在过程中不断优化产品,持续保障试验质量,让理念和技术充分融合,信华与客户共同参与,携手共赢。
二、细胞工艺的QbD简介
(原创 晨曦 药启程)
过去十年使用细胞作为治疗药物的细胞治疗领域得到了空前的增长。和其他生物产品类似,坚实的科学研究和风险评估方法来研发CGTP产品会增加生产的质量保证。合适的风险识别和理解风险如何影响产品质量,CGTP开发者可以有效地设计耐用的生产控制策略来有效保证产品质量。
新的ATMP的欧盟GMP指导原则也是设计风险评估策略来设计组织、技术和实施GMP法规的方法。根据具体识别的风险通过控制和降低措施来确认了CGTP开发的新框架,表示已建立范式的转变并确保产品和生产过程的质量的机会展示。
如同ICH Q11中体现的原则,通过前言知识、实验数据和风险评估,识别能影响药物质量的原材料因素和工艺参数,基于这个风险,必须制定相应的控制策略。
生产临床应用的细胞治疗产品通常需要以下步骤:获取或生成起始细胞株;培养;改造;收获;浓缩;纯化;制剂,最终罐装(以特定浓度和成分条件制备细胞治疗产品, 分装到最弱产品的“容器”中,以及其它分装后过程);储存;以及产品运输。
虽然这些步骤与从哺乳细胞中生产治疗蛋白的过程是相似的,但因为活体细胞的高度复杂性,对其作用机制的不完全了解,产品性质的不同以及初始材料的多样性使得细胞治疗产品的生产更为挑战。而以上这些严峻的挑战都可以利用QbD来进行解决,而在新的技术方案的放大实现中,产品的研发和生命周期的管理都是监管机构所推崇的。
本文的重点放在基于风险的工具的执行上以创建制造控制策略。风险评估值,以评估可能影响产品质量的潜在故障或偏差;它包括使用基本的风险管理促进方法,采用通常用于确定风险优先级的简单技术,组织数据以及促进决策的制定。说明了基于风险的方法如何能够高度保证所有产品质量通过系统定义的控制策略来实现目标。
为了证明该方法的实际应用,计划使用了一个自体CAR-T的细胞治疗产品为示例来作为学习案例,该案例包括体外感染T细胞,自体 CAR-T细胞扩增到目标回输数量后,运输到医院解冻后回输。自体CAR-T产品的制造过程在图1.0-1中以图形形式表示。
图 1. 通用患者特异性过继免疫治疗工作流程。供体白细胞电泳样本经过选择以富集目标的细胞(例如,T细胞)。添加已制造的病毒载体对免疫细胞进行基因改造,赋予新的癌症识别受体。然后将修饰的细胞扩大到治疗相关的数量,然后进行洗涤、配制、装袋和冷冻,制成可输注的患者剂量。细胞产品被运送到临床现场,在那里解冻并施用于患者。
QbD包括产品和工艺描述,表征,设计,监控和持续改进(见图2)。而这些都由对基本生物学和某一产品及其工艺工程的深入了解来指导。
图2 QbD流程
QbD由目标产品质量概况(目标产品的质量指标; QTPP),直接影响产品安全性和有效性的定义属性(关键质量属性),通过定义这些会影响性能的参数(关键过程参数)和建立设计空间来限制影响质量属性的参数变异。接下来,开发控制策略来保持过程参数在一个范围内来确保产品质量,并且在放大过程中进行工艺验证。相对于传统的基于离散点的控制策略,QbD标识了一个可以生产出高质量产品的可以接受的操作区域或多元设计空间。一旦实施,这个生产工艺被监控且随着对工艺的深入理解可以被不断改进(图3)。
QbD是指导CGT开发和制造的有用框架。开发人员使用已识别的TPP和CQA来建立流程设计空间。这是指可以优化过程以实现CQA的参数空间。在产品开发周期的开始,这个设计空间可能非常大,因为CQA的细节可能未知或了解甚少。例如,开发人员可能正在探索大范围的细胞密度、多种培养基和添加剂成分,以及细胞培养过程的各种补料方案。
在这个初始阶段,应收集数据以更好地了解这些过程参数如何影响细胞产量、活力、表型、基因表达谱和功能输出。在这个阶段,最低限度可接受的TPP的标准相当广泛。随着过程输入和单元输出之间的这些相关性的发展,可以识别关键过程参数(CPP)(通常是其敏感性对TPP影响最显着的参数),并且通过反馈循环进一步细化CQA。这反过来又减小了设计空间的大小,并且工艺优化的下一次迭代可以专注于对较少数量的参数进行细化。反映了TPP的细化,设计空间也随着时间的推移变得更加集中。
参考文献:
1、Quality cell therapy manufacturing by design doi:10.1038/nbt.3525
2、PDA TR81
3、Industrializing Autologous Adoptive Immunotherapies: Manufacturing Advances and Challenges doi: 10.3389/fmed.2018.00150
4、Potency assay development for cellular therapy products: an ISCT* review of the requirements and experiences in the industry doi: 10.1016/j.jcyt.2012.10.008
5、Predicting T-cell quality during manufacturing through an artificial intelligence-based integrative multiomics analytical platform doi:10.1002/btm2.10282
6、Cell Therapy Products: Focus on Issues with Manufacturing and Quality Control of Chimeric Antigen Receptor T-cell therapies doi: 10.1002/jctb.5829
三、切向流过滤的QbD研究思路
(原创 星辰君 星辰纯视界)
切向流过滤(Tangential Flow Filtration, TFF)广泛应用于生物制药行业的多个领域,比如抗体、重组蛋白、疫苗、血液制品,甚至现在更为火热的细胞治疗和基因治疗。TFF可实现产品的浓缩、缓冲液的置换,以及部分的分离纯化效果,尤其是在产品体积很大的情况下,很有优势。
有很多的文献介绍过层析步骤的QbD研究思路,但是极少有文献介绍如何对TFF的QbD研究思路。部分文献举例使用机械模型的方法进行TFF的QbD研究,但也未涉及实际的实验设计(DoE)。
本文则采用经典的QbD研究思路方法进行TFF的工艺表征研究,从质量风险管理工具的应用,到实验设计结果的分析。尽管该文献也没有完全展现QbD的思路,但是对于如何从QbD的角度进行TFF工艺表征研究提供了一个清晰的路线。
1. 风险评估
该文献首先对TFF工艺参数进行风险评估,采用的是失败模式与效应分析(FMEA)的工具。作者首先评估了TFF工艺参数对每一个涉及的质量属性的影响性,将所有的影响性数值的加和作为该工艺参数的影响性数值,然后评估该工艺参数的发生频率和可探测度,作为该工艺参数最终的风险顺序数(RPN),从而筛选出潜在的关键工艺参数。
图1 工艺参数对质量属性影响性的打分标准。
图2 工艺参数的发生频率和可探测度打分标准。
图3 工艺参数的关键性分类。
图4 工艺参数对每一个质量属性影响性的评估表。
图5 工艺参数的FMEA评估结果表。
2. 实验设计
该文献对风险评估中筛选的潜在工艺参数,载量、进料蛋白浓度、通量、跨膜压和洗滤体积进行了实验设计,软件使用MODDE,选择了部分析因设计,分辨率为V,这样可以精确区分工艺参数的主效应和二阶交互效应。质量属性选择了单体含量、pH、收率和终产品浓度。
通过对实验设计的结果进行分析,发现所有的工艺参数水平的组合,得到的质量属性结果都在质量标准范围之内,大多数的质量属性(除pH外)都没有获得一个有显著性意义的模型。从结果上来看,这是一个理想的稳健性研究设计的案例,可以证明现在所设定的工艺参数水平范围是一个稳健的工艺。
图6 实验设计(DoE)实验数据及实验结果。
图7 针对单体含量的实验设计分析,效应图(上图)和方差分析表(下图)。
3. 星辰君想法
根据大多数同行的经验,在单抗、重组蛋白领域的TFF工艺操作是比较稳健的,除个别稳定性较差的蛋白以外,但是在病毒性疫苗以及细胞治疗和基因治疗领域中应用的TFF工艺操作,大多数的工艺并没有那么稳健,因为产品自身的稳定性所致。
采用QbD的研究思路,对TFF工艺中的关键工艺参数,比如跨膜压、切向流速、进料浓度以及洗滤体积的研究就显得至关重要。一个重要的点是采用蠕动泵和膜包的操作方法无法精确的控制这些工艺参数,是现在对TFF工艺进行QbD研究的限制点。
一些能够精确控制TFF工艺参数的系统设备,比如AKTA Crossflow,则有助于对TFF工艺参数的QbD研究。相信未来对生物制品整个生产工艺的QbD研究方法,包括风险评估和实验设计,终将成为生物制品行业工艺开发的标准操作。
4. 参考文献
(1)Hyun Wee, KeunHoe Koo, EunJeong Bae, TaekYeol Lee Quality by Design approaches to assessing the robustness of tangential flowfiltration for MAb Biologicals 63 (2020) 53–61
end
本公众号声明:
1、如您转载本公众号原创内容必须注明出处。
2、本公众号转载的内容是出于传递更多信息之目的,若有来源标注错误或侵犯了您的合法权益,请作者或发布单位与我们联系,我们将及时进行修改或删除处理。
3、本公众号文中部分图片来源于网络,版权归原作者所有,如果侵犯到您的权益,请联系我们删除。
4、本公众号发布的所有内容,并不意味着本公众号赞同其观点或证实其描述。其原创性以及文中陈述文字和内容未经本公众号证实,对本文全部或者部分内容的真实性、完整性、及时性我们不作任何保证或承诺,请浏览者仅作参考,并请自行核实。