Public feedback to FDA on regulatory considerations for AI in drug manufacturing(FDA关于AI在药物制造中的监管考虑)-附下载

2025年5月,一篇名为《Public feedback to FDA on regulatory considerations for AI in drug manufacturing》的论文在AAPS Open期刊上发表,由FDA的专家团队撰写。这篇论文总结了公众对FDA 2023年发布的讨论纸《Artificial Intelligence in Drug Manufacturing》和相关研讨会的反馈。

图片[1]-Public feedback to FDA on regulatory considerations for AI in drug manufacturing(FDA关于AI在药物制造中的监管考虑)-附下载-药研库

背景:FDA的FRAME倡议与公众参与

FDA的药物评估与研究中心(CDER)启动了“监管先进制造评估框架”(FRAME)倡议,旨在为先进制造技术(如AI)建立监管框架,确保患者受益。2023年3月,FDA发布讨论纸,探讨AI在药物制造中的监管问题;同年9月,与产品品质研究协会(PQRI)联合举办研讨会,吸引了制药企业、学术机构和监管机构的代表(详见论文表1,列出了如AbbVie、Amgen、Pfizer等众多参与组织)。

图片[2]-Public feedback to FDA on regulatory considerations for AI in drug manufacturing(FDA关于AI在药物制造中的监管考虑)-附下载-药研库

论文基于这些反馈,强调AI能提升制造可靠性和供应链韧性。参与者中,大约三分之一已在使用AI进行数据分析、过程开发或质量评估;31人计划提交使用AI的产品申请,51人将在未来五年与FDA讨论AI应用。这显示出行业对AI的热情,但也需要清晰的监管指导。

AI在药物制造中的应用

论文详细列出了公众提出的AI潜在应用,涵盖从过程设计到供应链的全链条。这些用例展示了AI如何超越传统方法,处理复杂非线性关系,并实现实时优化。

  • 过程设计:AI可利用历史数据进行虚拟实验,预测过程参数与产品质量属性的关系,尤其适用于生物制品的复杂开发。举例来说,AI能模拟数字孪生(digital twin),优化配方并评估修改影响,减少时间和成本。
  • 过程与产品监测:AI实时监控数据,支持故障诊断、根因分析和预测偏差。例如,通过相机提升自动化视觉检查,减少设备停机时间;AI还能预测维护日程,甚至生成制造文档(如偏差报告),但需人工监督。
  • 先进过程控制(APC):AI可开发模型预测传感器,实现闭环控制和自主优化,自动调整参数以确保质量一致。
  • 供应链:AI预测需求、检测瓶颈,并自动化调度,避免缺货。公众认为,这能通过连接供应商和制造商,提升原材料故障早期检测。

这些用例参考了文献,如Huanbutta和Burapapadh(2024)的AI驱动制药行业转变,以及Manzano(2023)的AI手册,突显AI在自动化和效率方面的潜力。

图片[3]-Public feedback to FDA on regulatory considerations for AI in drug manufacturing(FDA关于AI在药物制造中的监管考虑)-附下载-药研库

监管考虑

数据管理与治理

云应用和大数据(如IIoT传感器生成的数据)带来变异性挑战,包括体积、格式和质量。公众建议采用数据标准、生命周期存储(如保留合规数据,分析或丢弃其他)和本体论(ontologies)以提升互操作性。数据治理框架应确保透明、问责和伦理使用,防范偏见。ML模型需定期适应,以反映动态制造环境。

第三方数据与AI应用

第三方数据需遵守CGMP标准,但存在隐私、安全和兼容性风险。反馈建议使用开源库和专有模型,改善行业-学术合作,并制定第三方AI指南。

风险-based开发与验证

AI模型的“黑箱”性质是障碍,公众呼吁透明框架,如ASME的VVUQ 40标准。建议分级风险(上游低风险,下游高风险),并发布案例研究以建立信任。

AI在制药质量系统(PQS)中

AI可分析海量数据,预测维护,但集成现有系统复杂,需要培训人员。公众视AI为“增强”人类监督的工具,而非替代。

生命周期考虑

连续学习模型需变更控制,公众关注验证、报告和产品比较(尤其生物制品)。建议混合模型,在边界内适应新数据。

其他方面

  • 术语:统一AI术语以避免误解。
  • 适应性AI:需灵活指导,覆盖ChatGPT等在CGMP中的非制造应用、伦理和稳定性建模。
  • 国际协调:统一数据标准和CGMP期望,促进全球模型训练。
  • 网络安全:加强多层程序,保护知识产权和数据完整性。
图片[4]-Public feedback to FDA on regulatory considerations for AI in drug manufacturing(FDA关于AI在药物制造中的监管考虑)-附下载-药研库

关键发现与展望

公众反馈显示,大家渴望实施AI,但需确保监管兼容,并推动国际协调。在这过程中,需要关注以下四点:

  1. 重视良好数据管理实践。
  2. 寻求ML模型的最佳实践,包括开发、验证和维护。
  3. 第三方AI模型管理存在不确定性。
  4. AI在PQS框架中的实施充满挑战。

论文结尾强调AI能实现实时决策、降低成本和优化变量,持续征求公众意见是构建统一的 AI 制药监管框架的关键环节。FDA 将继续与相关方合作,并为相关研究提供资金支持,以推动先进制造技术(AMT)(如 AI)的应用,进而更好地确保患者能够获得高质量药品。

链接:https://pan.quark.cn/s/8ecb631a973b

© 版权声明
THE END
喜欢就支持以下吧
点赞0
分享
评论 抢沙发
蓝调的头像-药研库

昵称

取消
昵称表情代码图片