劉 偉，何 勇,3*，吳 斌,2，蔣軻磊,2

(1.點睛數(shù)據(jù)科技(杭州)有限責(zé)任公司，浙江 杭州 310027;2.浙江大學(xué)-點睛數(shù)據(jù) 智能制藥- 在線分析及監(jiān)控技術(shù)聯(lián)合實驗室，浙江 杭州 310027;3.Camo Anlytics公司，挪威 奧斯陸)

由于產(chǎn)品的質(zhì)量與患者的利益息息相關(guān)，制藥行業(yè)制造生產(chǎn)的過程需經(jīng)過嚴格的確認。為保證藥品的安全性和有效性，美國食品藥品監(jiān)督管理局(FDA)、歐洲藥監(jiān)局(EMA)和中國國家藥品監(jiān)督管理局(NMPA)等藥監(jiān)部門通過《藥品生產(chǎn)質(zhì)量規(guī)范》對藥品生產(chǎn)和質(zhì)量管理進行嚴格的監(jiān)管，但這也造成了藥品生產(chǎn)企業(yè)在面對一些新技術(shù)時躊躇不前的局面。華爾街日報曾評論“制藥行業(yè)在用3西格瑪?shù)墓に嚿a(chǎn)6西格瑪?shù)漠a(chǎn)品”。而其它行業(yè)由于新技術(shù)的應(yīng)用，產(chǎn)品品質(zhì)和生產(chǎn)效率均得到大幅提升。為改變制藥行業(yè)這一現(xiàn)狀，F(xiàn)DA在2002年發(fā)布了《面向21世紀的基于科學(xué)知識和風(fēng)險管理的良好生產(chǎn)規(guī)范》，并指出制藥行業(yè)可以通過過程分析技術(shù)來促進醫(yī)藥制造的現(xiàn)代化[1]。為推動過程分析技術(shù)在制藥行業(yè)的應(yīng)用，F(xiàn)DA、EMA相繼發(fā)布了以近紅外為例的過程分析技術(shù)在醫(yī)藥行業(yè)應(yīng)用的指南[2-3]。過程分析技術(shù)在人用藥物注冊技術(shù)要求國際協(xié)調(diào)會(ICH)的質(zhì)量指南Q8(R2)中被定義為：一種設(shè)計、分析和控制生產(chǎn)的系統(tǒng)，該系統(tǒng)通過實時測量原材料、生產(chǎn)中的物料，及工藝流程中的關(guān)鍵質(zhì)量和性能屬性，從而保證最終產(chǎn)品的質(zhì)量[4]。過程分析技術(shù)的應(yīng)用，將使藥品的實時測試放行成為可能。

目前先進的跨國藥企，如禮來、強生[5]、輝瑞已運用過程分析技術(shù)實現(xiàn)了藥品的連續(xù)制造，并獲得了FDA的批文。另外，諾華、葛蘭素史克、龍沙以及國內(nèi)的天津天士力、華潤江中等藥企也通過過程分析技術(shù)實現(xiàn)了產(chǎn)品的中控放行。過程分析技術(shù)在醫(yī)藥行業(yè)的應(yīng)用也受到了國內(nèi)許多專家和學(xué)者的關(guān)注[6-7]。原料藥的質(zhì)量將直接影響制劑的質(zhì)量，比如原料藥的晶型對制劑的功效，顆粒度分布對溶出的影響[8]。但目前為止國內(nèi)尚未見在企業(yè)現(xiàn)場通過過程分析技術(shù)來提升制劑中活性藥物成分-原料藥質(zhì)量控制水平的研究報道。

本文所述項目在原料藥生產(chǎn)過程中的重結(jié)晶工藝中實施，項目采用近紅外光譜分析技術(shù)實時檢測原料藥精制過程中溶解液中的原料藥濃度和水含量(質(zhì)量分數(shù))，指導(dǎo)補加溶劑(甲醇/水)，將原料藥濃度、水含量和甲醇/水比例調(diào)至工藝要求內(nèi)，并實現(xiàn)濃度調(diào)節(jié)的中控放行，進入到下一工藝環(huán)節(jié)——降溫結(jié)晶。整個過程分析技術(shù)項目包括系統(tǒng)軟硬件的3Q確認：安裝確認(IQ)、運行確認(OQ)和性能確認(PQ)。安裝確認主要是確認硬件系統(tǒng)——光譜儀主機、光纖附件、流通池探頭能正常安裝，軟件系統(tǒng)——收集光譜、建模和在線軟件能正常安裝;運行確認和性能確認主要是證明安裝好的光譜儀硬件系統(tǒng)能夠正常運行且光譜儀采集的標準樣品的吸光度、位置、波長重復(fù)性等指標能夠滿足藥典要求，軟件系統(tǒng)能夠正常建模并運行在線控制，且滿足權(quán)限控制的要求——分級管理。以此證明整個系統(tǒng)能夠用于現(xiàn)場數(shù)據(jù)采集，進而進入到分析方法(模型)的開發(fā)和驗證，最后進行系統(tǒng)的性能確認。采用在線近紅外替代傳統(tǒng)質(zhì)量控制部門檢測調(diào)控結(jié)晶前的原料藥濃度、水含量和甲醇/水比例，可以降低偏差發(fā)生的概率，提升工藝控制水平，結(jié)合降溫結(jié)晶過程可以實現(xiàn)過程分析技術(shù)對結(jié)晶顆粒度的控制，提升產(chǎn)品的批間一致性。

1 過程分析技術(shù)(PAT)

如上文ICH Q8(R2)中給出的定義,過程分析技術(shù)專注于工藝理解、過程控制以及基于科學(xué)和風(fēng)險的決策，可以促進對關(guān)鍵工藝參數(shù)和關(guān)鍵物料屬性的理解，確定這兩者與產(chǎn)品關(guān)鍵質(zhì)量屬性之間的相互作用關(guān)系，從而保證最終產(chǎn)品的質(zhì)量。一個完整的過程分析技術(shù)系統(tǒng)通常包含收集光譜的光譜儀、建立模型的多變量數(shù)據(jù)分析、在線顯示和控制系統(tǒng)。

1.1 實驗設(shè)計

實驗設(shè)計可通過有組織地設(shè)計所需要的樣品，以最經(jīng)濟的方式最大化地獲得樣品信息。常用實驗設(shè)計方法包括因子設(shè)計、響應(yīng)面設(shè)計、混料設(shè)計。本實驗采用混料設(shè)計，通過有目的的改變各混合成分的比例，以利用最少的實驗樣品獲得工藝過程最大的變異，節(jié)約建模成本。

1.2 光譜儀

光譜儀是過程分析技術(shù)系統(tǒng)的前端，主要負責(zé)采集過程數(shù)據(jù)。目前在過程分析技術(shù)應(yīng)用中，光譜儀主要包括近紅外、中紅外、拉曼光譜儀[9-12]。這些光譜儀測量得到的樣品光譜包含物質(zhì)的分子振動和轉(zhuǎn)動信息，結(jié)合化學(xué)計量學(xué)模型，可以預(yù)測得到物質(zhì)的理化信息(如濃度)。本實驗采用近紅外光譜儀結(jié)合化學(xué)計量學(xué)模型預(yù)測原料藥溶解液中的原料藥濃度和水含量。

1.3 多變量數(shù)據(jù)分析

多變量數(shù)據(jù)分析軟件通過偏最小二乘算法建立光譜儀收集的光譜數(shù)據(jù)與產(chǎn)品關(guān)鍵質(zhì)量屬性之間的數(shù)學(xué)模型。建模時，首先找到校正樣品光譜的權(quán)函數(shù)(Weight loading)，并利用校正樣品光譜矩陣點乘權(quán)函數(shù)得到校正樣品的得分(Score)，再基于降維后的得分與參考值采用最小二乘進行回歸。得分是校正樣品光譜在權(quán)函數(shù)方向上的“投影”，因此偏最小二乘算法也叫“隱結(jié)構(gòu)投影法”[13-14]。

在建模的過程中，采用影響力圖-霍特林T2vs.F殘差(Hottling T2vs.F Residual)來篩選異常樣品(離群樣品)。Hottling T2統(tǒng)計量計算每個樣品光譜提取出來的得分與總體樣品的比值，F(xiàn) Residual統(tǒng)計量計算每個樣品光譜提取后的剩余信息占總體剩余信息的比值，剩余信息由原始光譜減去光譜得分點乘載荷得到還原光譜。在一定的顯著性水平(通常為0.01)下，可以得到這兩個統(tǒng)計量的閾值限。當(dāng)一個樣品光譜的這兩個統(tǒng)計量都超出限度時，可以判斷為異常值或離群值。

1.4 在線顯示與控制工具

加載有模型的在線顯示軟件從光譜儀實時獲取數(shù)據(jù)，對數(shù)據(jù)實時顯示和預(yù)測，并將預(yù)測結(jié)果通過通訊協(xié)議輸出給集散控制系統(tǒng)(DCS)或數(shù)據(jù)采集和監(jiān)視控制系統(tǒng)(SCADA)。控制系統(tǒng)根據(jù)預(yù)測結(jié)果采用PID(比例、微分和積分)模型進行生產(chǎn)工藝參數(shù)的控制，從而實現(xiàn)整個過程分析技術(shù)系統(tǒng)的閉環(huán)控制。

2 過程分析技術(shù)(PAT)項目實施過程

2.1 建模樣品參數(shù)范圍確定

圖1 實驗樣品組分濃度分布圖Fig.1 Component concentration distribution diagram of experiment samples

建模樣品均來自車間商業(yè)化生產(chǎn)現(xiàn)場，車間現(xiàn)場的樣品包含預(yù)測時所有的變異信息，可提高模型的穩(wěn)健性。采樣時，罐內(nèi)原料藥溶解液溫度按照生產(chǎn)要求控制在(70±2) ℃?；谠纤幵诩状?水中溶解度和實際生產(chǎn)的需要，實驗設(shè)計應(yīng)滿足以下條件：原料藥在甲醇/水中溶解度為30%，且投料時水含量最低為6.5%;濃度調(diào)節(jié)工藝要求：原料藥含量調(diào)至19.5%～22.5%，水含量調(diào)至22.5%～24.5%，甲醇/水比例調(diào)至28～32∶72～68。在以上條件下，實驗設(shè)計確定的樣品各組分分布如圖1所示。由于采用商業(yè)化生產(chǎn)的樣品進行實驗，受每個批次投料的影響，實際生產(chǎn)過程中的樣品濃度分布與實驗設(shè)計略有出入。

2.2 光譜儀參數(shù)及軟件信息

采用布魯克傅里葉變換近紅外光譜儀(型號：Matrix-F)，波數(shù)范圍：4 000～12 500 cm-1。光源為氣體冷卻的鹵鎢燈，功率為20 W。干涉儀為永久校準的邁克爾遜干涉儀。檢測器采用銦鎵砷檢測器。光譜儀分辨率設(shè)置為 8 cm-1,掃描次數(shù)為32，流通池光程為2 mm，32次平均結(jié)果得到光譜。

光譜儀控制軟件為OPUS 7.5，建模及優(yōu)化采用 Camo公司的Unscrambler X 10.5,在線顯示采用Unscrambler Process Pulse Ⅱ 5.54。

2.3 樣品光譜及參考值收集

原料藥粗品投入甲醇/水溶劑中，經(jīng)升溫溶解和活性炭脫色后轉(zhuǎn)移至結(jié)晶罐中，加熱至工藝要求溫度范圍：(70±2)℃。保溫一段時間后，進入濃度調(diào)節(jié)工藝。開啟循環(huán)取樣系統(tǒng)(循環(huán)取樣系統(tǒng)安裝有加熱盤管以防止通過流通池的原料藥溶解液結(jié)晶附著在流通池內(nèi))，使罐內(nèi)的原料藥溶解液通過安裝在循環(huán)取樣系統(tǒng)上的流通池，并通過視盅查看及確認通過流通池的原料藥溶解液無氣泡。開啟近紅外光譜儀，收集流過流通池的原料藥溶解液光譜。收集完樣品光譜后，立即通過循環(huán)取樣系統(tǒng)取出兩個平行樣品，并送至質(zhì)量控制實驗室采用高效液相色譜法檢測原料藥濃度[13]，卡爾費休滴定方法檢測水含量，采用企業(yè)內(nèi)部標準檢測，取兩次檢測結(jié)果平均值作為參考值。

2.4 模型評估

建模采用偏最小二乘回歸算法中的標準算法——非線性迭代偏最小二乘(NIPALS)[14-15]算法，通過校正均方根誤差(RMSEC)、交叉檢驗均方根誤差(RMSECV)和預(yù)測均方根誤差(RMSEP)以及對應(yīng)的決定系數(shù)(R2)來評估模型的性能。分析方法驗證中主要比較預(yù)測標準偏差(SEP)和參考方法的實驗室標準誤差(SEL)。

2.5 在線預(yù)測及控制

建立好的模型在通過驗證后導(dǎo)入到Unscrambler Process Pulse軟件對實時采集的近紅外光譜進行在線預(yù)測和顯示，預(yù)測結(jié)果通過OPC(OLE for process control)協(xié)議輸送給集散控制系統(tǒng)，控制系統(tǒng)根據(jù)預(yù)測結(jié)果進行補加溶劑的判斷計算，并控制智能閥門和流量計補加溶劑。

3 結(jié)果與討論

3.1 光譜波段與預(yù)處理

圖2A為流通池探頭采集到的原料藥溶液的原始光譜圖，總共118個。波數(shù)4 400～4 000 cm-1范圍內(nèi)主要為噪聲。波數(shù)12 500～9 000 cm-1范圍內(nèi)出現(xiàn)的明顯的基線橫漂現(xiàn)象可采用一階導(dǎo)數(shù)預(yù)處理進行消除。在波數(shù)5 090、6 900 cm-1附近主要為水的合頻和一倍頻峰，在這兩個波數(shù)附近，吸光度隨水含量的提升而增加[12]。其他位置為原料藥、甲醇和水吸收的重疊峰。由于水在5 090、6 900 cm-1附近對光的吸收太強，建模時舍去這一部分。綜上，選取6 200～5 600 cm-1段光譜并采用Savitzky-Golay(SG) 算法[16]求一階導(dǎo)數(shù)(平滑點數(shù)為7點，擬合多項式級數(shù)為2)作為建模光譜，預(yù)處理后的光譜如圖2B所示。

3.2 校正模型與測試驗證模型

3.2.1 校正集建模結(jié)果將118個樣品分為兩個部分：校正集(100)和獨立測試集(18)，校正集樣品光譜經(jīng)過預(yù)處理，結(jié)合參考值利用偏最小二乘算法建模。建模范圍：原料藥含量 19%～30%，H2O含量 8%～25%。圖3為原料藥的模型結(jié)果圖，其中圖3A為得分圖，圖中為99%置信度下的霍特林置信橢圓。圖3B為載荷圖，圖中藍/紅/綠色線分別為第1、2、3載荷。在偏最小二乘算法中，載荷也代表數(shù)據(jù)降維的方向，第1載荷方向上數(shù)據(jù)變異最大，第2次之。載荷是得分空間和光譜空間之間的“橋梁”。圖3C為解釋圖，代表因子個數(shù)(潛變量數(shù))對響應(yīng)矩陣(向量)的解釋。圖3D為參考值和預(yù)測值的對比圖，從圖中可知使用3個因子數(shù)模型的校正性能：RMSEC=0.384，R2=0.982;20折交叉檢驗性能：RMSECV=0.405，R2=0.981;兩者數(shù)據(jù)接近，說明模型穩(wěn)健。水分模型結(jié)果:RMSEC=0.481，R2=0.991;20折交叉檢驗性能：RMSECV=0.506，R2=0.982(未給出水分模型結(jié)果圖)。

3.2.2 測試集驗證結(jié)果模型建立后采用18個獨立樣品測試模型性能，樣品原料藥含量范圍為20%～30%，水為10%～25%。圖4A為原料藥的預(yù)測結(jié)果：RMSEP=0.270，R2=0.993，預(yù)測誤差RMSEP小于校正誤差RMSEC(0.384)，說明模型的預(yù)測性能良好;圖4B為水的預(yù)測結(jié)果：RMSEP=0.893，R2=0.967，預(yù)測誤差RMSEP大于校正誤差RMSEC(0.481)，這是由有1個樣品的預(yù)測誤差超出兩倍的模型校正誤差所致。圖5A為樣品的得分分布，其中藍顏色代表校正集樣品得分，紅顏色代表測試集樣品得分，橢圓為99%置信度下的霍特林置信橢圓。圖5B為測試集樣品的影響力圖，其中兩條紅色線分別為99%置信度下霍特林和F殘差統(tǒng)計量閾值線，無測試集樣品落于閾值線外，即無異常值。表1統(tǒng)計了樣品的建模信息和內(nèi)部驗證信息。

表1 模型參數(shù)及預(yù)測結(jié)果Table 1 Parameters and prediction result of models

3.3 模型分析方法驗證與系統(tǒng)性能驗證

為保證模型在車間現(xiàn)場使用時的準確性和穩(wěn)健性，需對模型的性能進行分析方法驗證。定量模型驗證內(nèi)容包括以下5個方面：線性和范圍、準確性、精密度(重復(fù)性)、專屬性、穩(wěn)健性[3,17-18]。驗證結(jié)果如表2所示。

表2 模型分析方法驗證結(jié)果Table 2 Validation results of analytical method for models

模型通過分析方法驗證后，還需采用3個商業(yè)化批次進行系統(tǒng)性能確認，通過后檢測系統(tǒng)方能投入到正式的商業(yè)化運行。篇幅所限，此處不做詳細展開。

3.4 商業(yè)化批次原料藥溶液濃度調(diào)節(jié)過程

圖6為Unscrambler Process Pulse 導(dǎo)入上文建立的原料藥和水分預(yù)測模型后進行一個商業(yè)化批次濃度調(diào)節(jié)的實時監(jiān)控結(jié)果。如圖6A所示，粉色線為結(jié)晶罐內(nèi)原料藥濃度變化曲線，綠色線為結(jié)晶罐內(nèi)水含量變化曲線。在原料藥濃度調(diào)節(jié)過程中，控制系統(tǒng)根據(jù)實時檢測結(jié)果逐步向結(jié)晶罐內(nèi)補加溶劑(甲醇/水)，原料藥濃度分步從24.6%調(diào)節(jié)至目標值21%，水含量則從20.2%逐步升高到23.4%。圖6B為實時樣品溶液的光譜圖。圖6C為預(yù)測樣品的得分圖，圖中灰色點代表校正樣品在得分空間中的分布，綠色點代表在線預(yù)測的樣品在得分空間中的分布。圖6D為影響力圖，影響力圖的橫坐標為Hottling T2，縱坐標為F Residual，通過影響力圖可以判斷預(yù)測的光譜是否屬于異常值。當(dāng)樣品落于影響力圖的右上角時，即樣品的Hottling T2和F Residual都超出99%置信度下的閾值線，則判斷為異常值。當(dāng)原料藥濃度和水含量調(diào)整至工藝要求范圍內(nèi)，且光譜的霍特林和F殘差值均落于影響力圖的閾值線內(nèi)時，可以關(guān)閉光譜儀，并將調(diào)節(jié)結(jié)果打印作為中控放行證據(jù)黏貼在生產(chǎn)批記錄上，結(jié)晶工藝進入下一個工藝步驟——降溫結(jié)晶。

3.5 實施成效

在本項目模型校正集的RMSEC、RMSECV和測試集的RMSEP非常接近，通過分析方法驗證對模型性能進行了確認;最后通過3個商業(yè)批次確認整個在線監(jiān)控系統(tǒng)能夠滿足預(yù)期性能要求，監(jiān)控系統(tǒng)得以進入商業(yè)化運行階段。通過在降溫結(jié)晶前的濃度調(diào)節(jié)工藝中采用在線近紅外監(jiān)控調(diào)節(jié)原料藥濃度、水含量和甲醇/水比例，可將原有通過質(zhì)量控制部門調(diào)節(jié)工藝的時間6～8 h縮短至1 h，減少保溫時間，節(jié)約蒸汽能耗費用，縮短批次時間，提高生產(chǎn)效益(6.67%)，每月批次可從30批增加到32批。另外每年可以節(jié)省約30萬檢測費用和約50萬蒸汽費用。因此在線近紅外監(jiān)控原料藥降溫結(jié)晶前的濃度調(diào)節(jié)工藝不僅可以提升工藝控制水平，保證生產(chǎn)過程中間產(chǎn)品質(zhì)量的穩(wěn)定性和一致性，還可以為企業(yè)創(chuàng)造巨大的經(jīng)濟效益。

圖6 一個商業(yè)化批次濃度調(diào)節(jié)監(jiān)控過程Fig.6 Monitoring process of concentration adjustment for a commercial batch A.real-time API and H2O predicted values;B.real-time raw NIR spectra;C.real-time scores;D.real-time influence

4 結(jié) 論

本文詳細介紹了在良好質(zhì)量規(guī)范條件下實施過程分析技術(shù)項目的完整流程。該項目采用在線近紅外光譜分析技術(shù)監(jiān)控原料藥精制環(huán)節(jié)中的濃度調(diào)節(jié)過程，并實現(xiàn)了產(chǎn)品的中控放行。本方法也可應(yīng)用于其它場景，如原料藥生產(chǎn)過程中監(jiān)控危險反應(yīng)、溶劑回收、干燥水分。在制劑中，過程分析技術(shù)可用來監(jiān)控造粒過程、混和均勻度、包衣過程等。另外，在中藥和生物制藥行業(yè)，過程分析技術(shù)也有廣泛的應(yīng)用。

采用過程分析技術(shù)替代傳統(tǒng)的質(zhì)量控制實驗室檢測，不僅可以提高生產(chǎn)效率，降低質(zhì)量控制實驗室檢測費用和檢測過程中產(chǎn)生的廢液，實現(xiàn)綠色生產(chǎn);還可以提升產(chǎn)品批次間的一致性。目前各國監(jiān)管機構(gòu)也都鼓勵制藥企業(yè)在生產(chǎn)過程中采用過程分析技術(shù)。相信在監(jiān)管部門和藥企的共同努力下，中國會有越來越多的過程分析技術(shù)項目應(yīng)用于生產(chǎn)過程的實時監(jiān)控，并最終實現(xiàn)整個制藥行業(yè)的智能制造和連續(xù)制造。