7.2.3 过程分析技术 (PAT)
背景介绍
PAT(process analytical technology, 过程分析技术)最早起源于1993年美国分析化学家协会 (AOAC International)发起的一个论坛， 后于2001年7月的ACPS(the Advisory Committee for Pharmaceutical Science, 制药科学顾问委员会)进行讨论， 并在2001年由美国食品药品管理局 (FDA) 药品评价与研究中心主任 Janet Woodcock博士总结提出了PAT 的倡议。 2004年美国FDA 正式发表了关于PAT 的工业指南： PAT-A Framework for Innovative Pharmaceutical Development, Manufacturing, and Quality Assurance(PAT-创新药物的研发、 生产和质量保证的框架),开启了PAT 在制药领域的应用。
本指南是在参考现有国外的法规和指南(包括ICH 颁布的Q2、 Q8 和Q9 指南文件、 美国FDA 颁布的PAT 的相关指南和文件、 欧盟的GMP 标准等)的基础上提出 的一套创新办法， 旨在为制药企业在药物的开发、 生产和质量保证过程中开发和实施该项技术提供参考思路。
基于科学的质量风险评估的理念， 为达到理想的质量控制状态， 须以预先设定的目标产品质量特性为研发的起点， 在了解关键物料属性 (CMA) 的基础上， 通过实验设计， 研究产品的关键质量属性 (CQA), 确立关键工艺参数 (CPP), 即最终药品的关键质量属性 (CQA) 是在药品研发和生产的过程中被设计出来的 (QbD)。 这就要求在药品的设计与研发阶段需要利用过程中采集到的大数据对生产工艺过程进行充分的理解、 优化和验证， 建立能够满足产品性能且工艺稳健的设计空间 (design space), 并根据设计空间， 建立质量风险管理， 从而得到比较全面的药品质量控制逻辑， 确立质量控制策略和药品质量体系。
这一质量源于设计 (QbD) 的理念可概括成如下的公式：
CQA=f(CPP,CPP₂,CPP,.,CMA,CMA₂,CMA.)
通常， 在药物开发的初期通过风险评估的过程识别哪些物料属性 (CMA) 和工艺参数 (CPP) 会对产品的质量属性 (CQA) 产生影响。 在此基础上， 在处方前研究、 小试和中试放大研究等阶段积累各种数据和信息， 利用在产品周期中积累的生产数据做持续的进一步分析， 来持续完善和优化这样的关系。 随着研究的深入和获得数据的增加反复对该影响过程进行评估和优化， 最终实现： 变化的物料属性作为输入， 经过可控范围内的关键工艺参数的调整， 最终形成稳定的关键质量属性的输出(图7 - 4)
常规的制药生产通常是用批抽样方式的实验室检验来对其关键质量属性 (CQA)进行评价的。 尽管该常规方法已能很好地为公众提供合格的药品， 然而， 随着技术的进步， 更多的新方法和新技术在药品开发、 生产和质量保证过程中被应用， 以提高效率、 保障药品质量， 还可以使监管更加有据可依。
过程分析技术(以下简称 “ PAT” ) 是以实时监测(即在工艺过程中)原材料、 中间体和工艺过程的关键质量属性和性能特征为手段， 建立起来的一种设计、 分析和控制工艺过程的系统， 其目标是确保最终产品质量。 PAT 中的“分析” 是一种包括了化学、 物理学、 生物学、 数学和风险分析等在内的多学科综合分析方式。 使用 PAT的目标是加强对生产过程的理解和控制， 从而更好地贯彻和落实“ 药品质量不是靠检测出来的， 而是被设计出来的” 这一先进理念。 因此， 本指南中提到的工具和原理可用于对过程理解的信息获取， 也可用于满足认证和控制生产过程的管理需求。
使用PAT 可能带来的优势包括但不限于： ●缩短研发和生产周期；
● 显著降低不合格品、 返工品产生的概率；
● 过程或最终产品实时放行；
● 结合自我执行系统， 保障操作者的安全， 减少人为误差的产生；
● 降低能耗， 降低原材料的消耗， 增加产量；
●有助实现连续制造。
A.PAT 的原则
药品生产过程通常包括多个单元操作环节， 各单元环节都会改变原料的某些属性。 要确保这些属性的变化是合格的并具有生产可重复性， 就要重视各单元操作环节所投物料的属性变化及工艺过程中的工艺参数的变化。 过去， 基于对化学属性(如物质成分和纯度)的分析方法的开发取得了重大进步， 然而对药物成分的某些物理和可加工特性并不十分清楚。 因此， 原材料中的那些内在的未被检测的某些变量可能影响最终产品的质量。 要建立对原料和中间体物理性质的有效过程管理， 就必须对那些影响产品质量的关键属性有一个根本的了解， 例如物料的粒径大小和形状。
处方设计的策略是为了找到处方的工艺耐受度， 合理的工艺耐受度可以保证在原材料的物理性质有微小差异时不会对工艺结果产生不利影响。 处方工艺的设计策略并不具普适性， 通常是基于专业配方设计者的经验而设计的， 而这些处方的质量也仅仅是通过对中间体和最终产品的样品检查来评价的； 当前， 这些样品的检测都是在采样后进行离线分析的； 由于这类检测在样品制备(如化学分离， 把待测成分与其他成分分开)后只能检验其中一项属性， 多个质量属性需要多种不同检测方法。这样， 在样品制备时， 处方中其他有价值的信息常常会丢失。 现在， 应用一些新技术则无需样品制备或仅需简单的样品， 便可同时获取物料的多元特征属性， 并且这些技术通常是无损检测。
当今， 多数制药过程是基于时间判定终点(如混合时间),问题是， 在有些情况 下， 用终点时间判定并未考虑原料物理性质间差异的影响， 这样， 即使原料符合药典标准(它通常只标明其化学特性和纯度),其生产难度也因此而增大， 甚至可能导致产品质量的不合格。
恰当地运用PAT 工具和原则能够提供物理、 化学和生物学特性的相关信息， 利用这些信息加强对工艺过程的理解， 并控制和优化过程， 能弥补上述终点判断生产模式的缺陷、 提高生产效率。
B.PAT 工 具
有许多工具可以用于对科学的、 基于风险管理的制药开发、 生产及质量保证中的过程理解。 在系统中应用这些工具时， 可有效和高效率地采集信息， 来促进过程理解、 连续改进和风险降低策略的开发。 在PAT 框架体系中， 这些工具可分为： ① 用于设计、 数据采集及分析的多元统计工具； ②过程分析仪器； ③过程控制手段； ④连续改进和知识管理工具。 可在一个单元操作或整个生产过程及其质量保证中联合运用这些工具(部分或全部)。
>设计、 数据采集和分析的多元统计工具
从物理、 化学以及生物学角度来看， 药品及其生产过程是一个复杂的多元系统。目前有许多开发策略可用于识别最佳配方和过程， 在这些开发项目中获得的知识是产品和过程设计的基础。
对于生产中的创新和批准后的变动， 该知识库将有助于支持和佐证这些灵活的管理路径的可行性。 一个拥有各种多元相关关系(如处方、 过程及质量属性间的关系)科学内涵的知识库将是非常有用的， 它也可作为评价该知识在不同情形中适用性的一种工具(即普适性);通过多元数学统计手段(如实验统计设计、 响应曲面法、 过程模拟和模式识别软件)的应用， 与知识管理系统的结合使用， 可以使该优势得到发挥。 利用模型预测的统计分析可评估知识的数学关系及模型的适用性和可靠性。
基于正交分析、 参照单位分布分析和随机分析等统计原则的方法学实验， 能为识别和研究产品与工艺变化间的影响及交互作用提供有效手段， 而传统的单因素循环实验方法却难以发现产品与工艺变化间的交互作用。
在产品和过程开发中所做的试验可看作是知识的积木， 这些知识在产品周期中逐渐成熟并升级到更复杂的水平。 从组织产品试验中获取的信息支撑着特定产品及其过程的知识系统的开发。
该信息与在其他开发项目中获得的信息一起， 将成为整个公共知识库的一部分， 随着该公共知识库覆盖面(变量范围和使用范围)和数据密度的不断增大， 对它的挖掘， 将为未来开发项目提供有用的模式。 这些实验性数据库还可支撑过程模拟模型的开发， 该模拟模型经过连续学习能帮助缩短整个开发时间。
恰当运用这些工具能对产品和过程变量(对产品质量和性能有关键影响者)进行鉴定和评价， 还能识别潜在的不合格模型、 机制， 并量化它们对产品质量的影响。
>过程分析仪器
在过去的几十年里， 鉴于对过程数据采集的不断重视， 过程分析技术已取得了显著进步， 这一进步主要应归功于在生产力、 质量及环境因素方面的工业化驱动。这些工具已从那些主要过程变量参数的测量(如pH、 温度和压力等)发展到了对生物、 化学和物理特性的测定。 一些过程分析仪器已经可以实现真正的无损检测， 这些无损检测能提供与待生产物料的生物、 物理及化学特性有关的信息。 这些常见的过程分析仪器主要有以下三种实现类型(图7-5)。
近线检测 (at-line): 样品经取样、 分离、 尽可能接近生产线进行测定， 以减少数据的延迟， 提高依靠数据决策的时效性， 符合GMP 要求。 例如： 利用台式微波共振法快速测量水分、 采用手持拉曼光谱仪对物料进行快速鉴别。
线上检测 (on-line): 样品取自生产过程中， 经过旁路进行测量， 检测完成后，样品可再返回生产线中的测定。 例如： TOC 的在线检测、 在中药提取过程中通过构建流通池旁路利用近红外进行含量分析。
在线检测 (in-line): 产品不离开生产线， 可以是嵌入式或非嵌入式的测定， 但无论采取何种技术， 均需保证该测量方法不会对原生产工艺流程、 状态及产品本身 产生影响。 例如： 纯化水生产过程中电导率测量、 利用快速成像的方法透过工艺设备原有的视镜窗对颗粒外形参数进行检测并获取统计分布规律。
过程分析仪器会采集大量的数据， 其中某些数据与常规质量保证和管理决策可能相关。 在PAT 环境下， 批记录应包含标示优质过程质量和产品的一致性的科学信息和程序信息， 例如， 批记录可能会包含能显示测量结果的可接受范围、 可信区间和分布曲线(批间和批内)的一系列图表。 便利且安全地使用这些数据对实时生产控制和质量保证是很重要的， 因此使用的计算机系统应具备该功能。
过程分析仪器采集的数据不必是待测定属性的绝对值， 只要能辨明原料在投料前(即批内、 批间、 不同供应商间)和加工过程中的相对差异就足够了， 这对过程控制是有用的信息。 可设计灵活的过程来控制拟加工物料的可变性， 当质量特性上的差异和其他过程信息能用来控制[即前馈控制和(或)反馈控制]工艺时， 该方法才能称得上建立和被认可。
过程分析仪器的发展使得在生产中应用实时控制和质量保证成为可行， 但是要用于实时控制和质量保证， 通常需要用多变量的方法学来提炼其中的关键过程知识。通常， 对过程的综合统计分析和风险分析是评价预测数学模型可靠性所必需的。 基于估计的风险， 需要一个简单相关函数进一步支撑和佐证， 例如： 对工艺、 物料检测和目标质量标准之间因果关系链进行机制解析。 对于应用软件来说， 传感器测定的结果能得到有用的过程特定信息， 这些特定信息可能与其后续过程步骤或转化有关。 随着对过程理解的加深， 当这些模式或特定信息与产品和过程质量有关时， 这些特定信息对过程监测、 控制和终点确定也是有价值的。
工艺设备、 分析器及其接口的设计和组装对于保证数据采集是至关重要的， 因为这些采集的数据与工艺和产品特征相关， 是工艺和产品特征的表征， 还应着重考虑其耐受性设计， 可靠性和操作的简便性。
建议对过程分析仪器的选择可与药监局进行充分讨论。 在本指南的实例分析中列出了一些较为成熟的过程分析仪器， 对于那些想在某特定过程中使用过程分析仪器， 并以其来理解和控制工艺过程的药企来说， 则需要联合工艺过程和产品质量要求开发出一个基于科学、 风险分析方法的 PAT 过程。
综上， 在选择相应的过程分析仪器时， 需要关注以下要求：
● 在生产线已有的工艺设备上安装过程分析仪器时， 应保证该安装不会对过程或产品质量产生不利影响， 只有在完成该风险分析后才能进行安装；
● 过程分析技术的稳定性， 应尽量避免其他环境、 设备等造成的对分析参数的影响。 例如， 应尽量消除空气、 环境光、 温度、 颜色、 形状、 运动状态等对监控参数 的影响；
● 过程分析数据的实时性， 根据采集时间对产品质量影响的程度， 设定数据采集的速度。 例如， 在干燥过程中， 某些产品水分数据采集1分钟的滞后便可能造成物料过度干燥， 导致整批物料报废；
● 过程数据的分析和采集过程， 应尽量避免对原生产工艺动态的影响， 减少对工艺过程自身的影响。 例如， 在上文提到的三种实施PAT 的方式中， 应尽量采用在线(in-line) 的方式进行， 以减少采样延迟， 保证有足够量的数据提供给智能控制系统。
过 程 控 制 工 具
要保证对所有关键质量属性的有效控制， 必须从根本上加强产品设计和工艺开发。 过程监测和控制策略是监测工艺过程中的状态， 并使之得到有效的控制并维持在一个目标的状态， 该策略应根据物料的性质、 过程分析仪器测定关键质量参数的能力和可靠性、 实现过程反应终点的能力等来设计， 以保证中间产品和最终产品质量的一致性。
在PAT 框架体系下的药物处方和生产工艺的设计和优化应该包括以下几步： ①鉴定和测定： 与产品质量相关的关键原料及过程特征的鉴定和测定； ②过程检测系统的设计： 以实现对所有关键质量属性的实时或近实时的监测(即近线、 线上或在线监测);③过程控制的设计： 通过调整关键的工艺参数以保证对所有关键质量属性的控制， 并使其在一定的目标范围内； ④数学模型的开发： 建立成品质量属性、关键物料属性与关键工艺参数之间的数学关系。
在 PAT 框架下， 过程的终点不是一个固定的时间， 而是实现预期的物料性质，但这并不意味着就不用考虑过程时间， 它可根据生产期中的实际， 确定一个可接受的过程时间范围(过程窗),并要通过验证； 在该可接受的过程时间范围内， 应对存在显著差异的问题予以研究。
由于PAT 贯穿整个生产全过程， 在生产中对各流程的中间体和终产品的评估所得到的信息要比在现有的实验室试验中得到的信息多得多， 从而也为质量评价中应用更严谨的统计学原理提供了机会， 该原理可用于终点特性合格标准的制定中， 并考虑测定和取样策略。 多维分布统计程序控制能够充分体现实时监测的价值且是可行的。 质量决策应基于对过程的理解以及对相关过程/产品属性的预测和控制上，这样的控制程序作为一个有效的生产过程， 是一条符合GMP 相关要求的途径。
连续改进和知识管理
在整个产品周期中， 对数据采集和分析的不断积累是十分重要的， 这些数据对那些批准后的工艺变动建议的评价是有用的， 支撑从这些数据库中获取知识的方法 和 信 息 技 术 系 统 对 生 产 商 有 益 ， 也 能 促 进 与 药 监 局 的 科 学 交 流 。 在 管 理 决 定 制 定 中 ，应 把 握 时 机 充 分 利 用 已 有 的 相 关 产 品 和 过 程 知 识 进 行 改 进 。 一 个 由 多 元 相 关 ( 如 处方 、 过 程 和 质 量 特 性 间 的 关 系 ) 的 科 学 理 解 和 该 知 识 在 不 同 情 形 下 适 应 性 ( 即 普 适性 ) 的 评 价 方 法 所 组 成 的 知 识 库 是 非 常 有 用 的 ， 当 今 信 息 技 术 的 支 撑 使 该 知 识 库 的开 发 和 维 护 有 了 可 行 性 。
A. 获 取 工 艺 过 程 的 关 键 参 数
首 先 识 别 出 工 艺 过 程 中 有 哪 些 具 体 的 关 键 质 量 属 性 (CQA)、 关 键 工 艺 参 数
(CPP) 和 关 键 物 料 属 性 (CMA)。 借 助 于 先 进 的 分 析 仪 器 及 传 感 器 技 术 ， 采 集 全 工
艺 过 程 中 的 数 据 ， 实 时 监 控 全 过 程 的 各 项 关 键 属 性 变 化 ， 及 时 发 现 过 程 中 的 异 常 ，为 深 入 理 解 工 艺 过 程 积 累 数 据 。
例 如 ， 在 一 个 普 通 的 口 服 固 体 制 剂 生 产 过 程 中 ， 涉 及 的 关 键 参 数 包 括 以 下 内 容
( 本 案 例 旨 在 罗 列 出 一 个 工 艺 过 程 中 所 涉 及 的 关 键 参 数 ， 可 供 参 考 ， 各 企 业 可 根 据 实际 情 况 自 行 评 估 ) , 见 图 7 - 6 。
B. 帮 助 理 解 工 艺 过 程
一 般 来 说 ， 满 足 如 下 要 求 才 称 得 上 是 完 全 理 解 了 过 程 ： ● 产生可变性的所有关键来源都有了甄别和解释的时候； ●过程能控制可变性的时候；
● 根据所用物料、 工艺流程参数、 生产、 环境和其他等情况所建立的设计范围，能准确且可靠地预测出产品质量属性的时候。
预测能力反映对过程理解的程度。 尽管以往的加工能力数据也能表明对过程控制的状态， 但仅这些数据不足以估量或说明对过程的理解。
对过程理解的关注能降低体系生效认证时的负担， 可为体系[监测、 控制原料和过程的生物、 物理和(或)化学属性的系统]的评估和资质审查提供更多的选择。缺乏对过程知识的了解时， 若用一个新的过程分析仪器， 必须开展在线过程分析仪器和常规抽样检测方法间的比较， 这也许是认证批准的唯一选择。
在组织小规模的产品和过程开发中， 可利用实验设计、 线上或在线过程分析技术来实现实时采集数据， 这将有助于对过程开发、 工艺优化、 按比例中试放大、 技术转移和控制方面的认识加深和理解增强； 进而在生产阶段也可能遇到其他可变的因素(如环境的变化、 原料供应商的变动等),对过程理解将进一步加深。 因此， 在产品的整个周期中不断加深对过程的理解是十分重要的。
C. 优化工艺过程
根据过程分析系统采集的完整过程数据(包括关键的质量属性、 关键工艺参数和关键物料属性),结合理论或经验分析的结果， 及时发现工艺过程中的异常点及可优化点， 快速响应， 及时调整， 让过程中产品的关键质量参数趋向于更加合理的方向， 并使得最终产品的关键质量参数和效率指标达到既定的目标设定值。
D. 建立工艺模型， 智能控制工艺过程
基于如下关键质量属性的控制模型进行工艺模型的开发， 在充分研究和考虑了所有的数据之后， 可以对这些数据进行模型化， 针对具体的品种， 开发具有针对性的多变量分析软件， 即当过程中的某一项或几项质量属性偏离既定方向时， 系统需要明确此时可以调整的关键工艺参数有哪几项， 并由软件判定调整何种参数是最有效的并且不会对其他关键质量属性产生较大的影响， 实现生产过程的自我分析， 自我决策和自我执行。
CQAs=F(CPP,CPP₂,CPP₃, …CMA₁,CMA₂,CMA₃…)
E. 实时放行
实时放行是指基于过程数据来评价和保证中间产物和(或)成品达到预期质量的能力， 实时放行的PAT 部分通常包括对物料特性评估和过程控制的一套批准生效的组合。 物料特性可以用直接和(或)间接的过程分析方法来评估， 结合过程测定及生产过程中得到的其他生产数据可作为成品实时放行的依据， 并应表明各批次产品均符合规定的质量标准要求。
在实时放行中， 要测定和控制物料属性及工艺过程参数。 产品投放市场需要申请或发证， 在执行实时放行产品前应得到药监局的批准。 对过程理解、 控制策略以及对关键特性(产品质量有关的特性)近线、 线上和在线的检测， 可提供一种科学的基于风险分析的评价方法， 用该方法可证明实时质量保证是如何优于(至少应相当)对采集样品后进行的实验室检测。 此处的实时放行策略应能确保生产出符合预期用途和注册要求的产品。 利用实时质量保证策略， 通过对生产的连续评估， 确保产品的预期质量， 各生产批次的全部数据可用于过程的生效， 它能反映整个系统的设计思想， 各批生产情况的数据汇总也会从根本上支持实时放行这一做法。
实例分析
目前， 常见的被应用在制药领域的技术包括但不限于： 光谱学、 电磁学、 图像处理、 声学、 光学、 力学等， 利用这些技术可以分别就药品生产中的成分变化、 水分变化、 粒径变化、 粒径分布变化、 包衣膜的厚度、 包衣膜的粗糙度、 包衣膜的均匀性等属性进行实时监测以保障对实际生产过程的及时反馈控制， 并尽量减少其他因素对测量值的影响。
本部分介绍的技术旨在对PAT 理论进行补充说明并给有意向实施该项技术的药企一些参考， 其中涉及的具体技术需要视实际的应用场景不同而有所取舍， 不存在某一种过程分析技术适用于所有产品在各种场景下的情况。
A. 药品含水量实时分析技术
当药品中含有大量的水分时， 不仅使有效成分含量降低、 影响使用剂量的准确性， 还会引起水解或发生霉败变质， 而使药物失效， 因此需进行水分的测定。 在监测固体颗粒的水分时， 通常采用离线的卡尔费休滴定法或干燥失重法， 但这两种方法测量时间较长， 且均无法实现对水分的实时监控。
为满足过程分析对于数据实时性的要求， 通常有如下两种方案： 一是采用在线近红外技术监测水分， 二是采用二维微波法测量水分。 此处以微波共振技术为例。
微波共振技术 (MRT): 由于水分子具有偶极性， 驻留在固体物质表面上或内部的水分子会与电磁场产生共振。 利用这种效应的一个实例是微波炉， 高能量的微波带动水分子快速震荡产生热量。 微波和水分子之间的相互作用也可被测量出来， 应用于技术用途。 使用传感器产生在固定的参数范围内的低能微波场， 当产品(例如粉末或颗粒)覆盖或接触传感器时， 产品内含有的水分子将改变微波共振的位置和强度。
由于微波能深深地渗透到产品中， 该技术可同时检测出物体内部和表面上的水分。 低能量的微波不会对产品本身产生任何破坏， 也不会改变产品的物理、 化学性质， 且测量结果不会受其颜色、 孔隙率、 表面粗糙度、 堆密度、 粒径大小、 粒径分布、 形状、 空气水分等属性的影响， 可进一步降低水分监测过程中的风险点。
微波共振水分检测仪器主要由微波传感器、 控制系统和解析软件组成。
在口服固体制剂的生产过程中， 需要对制粒完成后的颗粒进行干燥， 颗粒干燥终点的水分高低会影响颗粒的流动性， 并可能对后续的混合或压片等过程产生影响，导致混合不均匀、 压片容易粘冲或裂片等问题。 绝大多数药企在生产过程中都无法按照药典规定的卡尔费休滴定法或烘箱干燥法对物料的水分终点进行监控， 因为按照这两种方法操作需要等待30分钟到5个小时不等的时间， 而且等待之后得到的结果并不能很好的代表这段时间之后颗粒产品的实际水分。 如果用快速水分仪的方法做检测， 同样需要等待10分钟以上的时间， 且不论取样是否具有代表性的问题。 这些传统的方法无论是在水分把控的准确性、 一致性上， 还是对于效率的影响， 都不是最优的。
在流化床制粒或干燥过程中， 将在线微波水分监测探头安装在流化床的物料锅上， 使得颗粒在运动过程中途径探头表面， 进而对固体颗粒物料对微波能量场的影响记录下来并建模， 后续通过比对微波能量值， 即可得到实际的水分测量值。
通过收集不同水分含量的产品样品后， 将微波共振读数与传统可信赖的实验室方法(例如药典规定的卡尔费休滴定法测量的水分结果)测出的水分含量进行比对，并将被检固体产品的密度和物料温度作为补偿因素共同建模， 完成模型的建立之后，便可实时将微波共振读数经模型转化为水分含量显示。 经过多批次的数据或长时间数据的并行比对和论证， 可以得到相关系数、 标准差等衡量指标， 在这些指标均满足要求时， 方可考虑将该方法测量得到的水分值作为该工艺流程实时放行的标准，以取代原有利用实验室测量数据放行的方法(表7-2)。
目前在使用该方法进行水分检测时， 需至少对该方法测量的准确性、 相关性、重复性等方面进行验证， 在验证时需与现有药典规定的水分测定方法进行比对校验。
. 物料成分分析技术
GMP 和《中国药典》 中均对确保原辅料的正确无误有较高的要求， 需要对药品的活性成分、 辅料、 制剂、 中间产物、 化学原料以及包装材料进行测定， 常见的用于物质成分鉴定的技术主要有以下两种。
近红外光谱分析技术
近红外分析方法越来越多地应用于制药行业， 主要用于制药起始原料、 中间体和成品的识别和分析， 从而监视和控制生产过程。
近红外光是介于可见光和中红外光之间的电磁波， 其波长为780~2526nm。 近红外光谱属于分子振动光谱的倍频和主频吸收光谱， 主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的， 具有较强的穿透能力。 近红外光主要是对含氢基团X-H(X=C、 N、 O、 S) 振动的倍频和合频吸收， 其中包含了大多数类型有机化合物的组成和分子结构信息。 由于不同的有机物含有不同的基团， 不同的基团有不同的能级， 不同的基团和同一基团在不同物理化学环境中对近红外光的吸收波长都有明显差别， 且吸收系数小， 发热少， 因此近红外光谱可作为获取信息的一种有效载体。 近红外光照射时， 频率相同的光线和基团将发生共振现象， 光的能量通过分子偶极矩的变化传递给分子； 而近红外光的频率和样品的振动频率不相同，该频率的红外光就不会被吸收。 因此， 选用连续改变频率的近红外光照射某样品时，由于试样对不同频率近红外光的选择性吸收， 通过试样后的近红外光线在某些波长范围内会变弱， 透射出来的红外光线就携带有机物组分和结构的信息。 通过检测器分析透射或反射光线的光密度， 就可以确定该组分的含量。
近红外光谱分析技术包括定性分析和定量分析， 定性分析的目的是确定物质的组成与结构， 而定量分析则是为了确定物质中某些组分的含量或物质的品质属性 的值。 与常用的化学分析方法不同， 近红外光谱分析法是一种间接分析技术， 是用统计的方法在样品待测属性值与近红外光谱数据之间建立一个关联模型(或称校正模型)。 因此在对未知样品进行分析之前需要搜集一批用于建立关联模型的训练样品(或称校正样品),获得用近红外光谱仪器测得的样品光谱数据和用化学分析方法(或称参考方法)测得的真实数据。
由于近红外光谱分析会受到物料颜色、 孔隙率、 表面粗糙度、 堆密度、 粒径大小、 粒径分布、 形状、 空气水分、 运动速度、 探头填充度等性状的影响， 因此如计划应用近红外技术， 应充分评估此类风险， 采用适当处理消除影响或使用其他不受影响的分析手段。
近红外光谱分析法的工作原理是， 如果样品的组成相同， 则其光谱也相同， 反之亦然。 在建立了光谱与待测参数之间的对应关系(称为分析模型)的前提下， 仅需测得样品的光谱， 通过光谱和模型， 就能很快得到所需检测的质量参数值。
分析方法包括校正和预测两个过程： 在校正过程中， 收集一定量有代表性的样品(一般需要80个样品以上),在测量其光谱图的同时， 根据需要使用有关标准分析方法进行测量， 得到样品的各种标准质量参数作为参考数据。 通过化学计量学对光谱进行处理， 并将其与参考数据关联， 在光谱图和其参考数据之间建立起一一对应的映射关系， 这就是俗称的建立模型。 虽然建立模型所使用的样本数目很有限，但通过化学计量学处理得到的模型具有较强的代表性。 建模所使用的校正方法应视样品光谱与待分析参数关系不同而异， 常用的有多元线性回归、 主成分回归、 偏最小二乘、 人工神经网络和拓扑方法等。 显然， 模型所适用的范围越宽越好， 但是模型的范围大小与建立模型所使用的校正方法有关， 与待测的性质数据有关， 还与测量所要求达到的分析精度范围有关。 实际应用中， 建立模型都是通过化学计量学软件实现的， 并且有严格的规范(如ASTM-6500 标准)。 在预测过程中， 首先使用近红外光谱仪测定待测样品的光谱图， 通过软件自动对模型库进行检索， 选择正确模型计算待测质量参数。
应用举例： 在中药提取的生产线中， 将近红外在线检测技术应用于过程中关键成分的检测。 通过将提取罐中的提取液经过滤装置后倒入装有近红外仪器的流通池中， 将提取液的近红外光谱变化与实际的关键成分浓度建立模型， 经过一定量的数据建模后， 便可根据近红外光谱的变化间接得到关键成分的浓度值及其变化规律，进而实现对提取液成分含量的在线检测。 实际操作过程中可依据目标成分的不同变化值， 决定提取时间以及提取次数等工艺参数。 通过该实时监测的方法， 既可保证产品质量， 又可以避免能源浪费， 降低生产成本(图7-7)。
为确保仪器能达到预期的应用目的， 应采用聚苯乙烯薄膜(厚度约为0.04mm)校正仪器绘制光谱图， 并在使用中通过自检确保仪器的适用性。 近红外光谱仪的校验通常需涵盖以下参数， 见表7-3。
近红外定量分析方法学验证要求每个被验证参数可被接受的限度范围与该方法的应用目的有关， 通常应考虑专属性、 线性、 准确度、 精密度和重现性。 例如， 对于外部验证集， 应计算其SEP 和 SEP/range (参考化学值范围),同时结合其他统计参数， 这些参数应根据近红外光谱如表征参考方法精密度的实验室标准差 (SEL), 分析方法的目的进行相应的解释、 讨论与评价。在使用拉曼光谱的方法对成分进行建模比对分析时， 必须对方法进行验证， 至少应考察准确度、 精密度等主要指标。 但这些指标受诸多可变因素的影响， 其中荧光可能是影响方法适用性的主要因素。 样品中荧光杂质的存在完全随样品而异。 所以， 方法必须能适应不同的样品体系， 必须足以将杂质的影响降到最小。当预测物质的物理性质改变， 或物质的来源改变， 如产品的组成、 生产工艺、原(辅)料的来源或级别发生改变时， 需要对已建立的定量模型进行再验证。 必要时应对模型进行维护或建立新模型。
拉曼光谱分析技术
当单色入射光的光子与所测量的样品间的分子发生能量交换时， 光子将改变运动方向， 与此同时光子的部分能量传递给分子， 或者分子的部分能量传递给光子，因而光子的频率发生了改变， 这种非弹性散射的过程称为拉曼散射。 所测量物质分子的振动和转动决定了拉曼谱线的特征。
同样因分子内部振动产生的还有红外光谱， 拉曼和红外光谱都能用于检测分子中的官能团。 拉曼光谱主要鉴定分子中均衡对称的官能团； 而不均衡对称的官能团在红外光谱上有很强的吸收峰。
在应用在线拉曼分析系统时， 可将探头通过插入的方式或通过视镜窗投射的方式对流通池内的产品进行监测， 监测到的光信号经光纤传导至光谱仪中， 通过嵌人式系统对光谱进行分析和相应的数据处理。 前期需要将取样分析的结果与在线拉曼的监测结果建立相关模型， 常用的建模方法有： 特征峰面积法、 偏最小二乘法(PLS)、 子空间角度转换等。
在完成初步建模后， 可在后续实际生产时持续采集样品， 并做比对分析， 得到长期比对数据， 通过统计学分析的方法， 得到数据比对的结果， 评估将该种方法作为数据放行的可行性。 在经过充分验证的前提下， 可将得到的分析结果输出显示，作为对生产工艺过程的指导依据， 甚至可以考虑作为放行的标准。
拉曼仪器的校准包括三个要素： 初始波长 (X 轴)、 激光波长及强度 (Y 轴)。 为确保仪器能达到预期的应用目的， 仪器使用者应根据仪器所提供的校准方法制定具体的SOP, 并严格按照SOP 对上述参数进行验证。
激光波长变化可影响仪器的波长精度和光度(强度)精度。 即使是最稳定的激光器， 在使用过程中其输出波长也会有轻微变化。 所以， 激光波长必须经校正以确保拉曼位移的准确性。 可使用仪器供应商提供的拉曼位移标准参考物质进行定期校正。 推荐使用外部参考标准对仪器进行校正。
对不同光谱分辨率的拉曼光谱仪， 其波数精度应与样品采集所需的光学分辨率相适应， 台式、 便携式和手持式仪器可有不同的波数精度要求。 所有用于拉曼测量的光谱仪都应确认拉曼位移的准确性。
C. 颗粒粒径大小及分布分析技术
>快速成像技术
快速成像系统主要由光源、 高速成像系统、 图像传输模块、 图像分析系统(包括硬件和软件算法)、 结果显示系统等部件组成。 可采集粉末、 颗粒的实时分析数据和图像轮廓， 并对分析得到的数据从粒径大小、 数量以及统计分布等维度进行记录、归类显示。
在使用该仪器的设备、 被测物料以及环境发生变化时， 需要重新调整检测仪器的各项参数， 包括但不限于： 色调、 明度、 饱和度、 对比度、 空间关系、 阈值、 边缘检测、 畸变、 噪声、 焦距、 测试框、 检测间隔、 检测粒径大小区间等。
通过成像探头对产品进行在线测量， 可以得到颗粒或粉末的实时粒径， 并根据内部算法实时进行统计分布的数据分析， 这些数据包括： D,10,D,50,D,90,D₂10, D.50,D.90, 平均粒径， 中位数粒径， 统计分布直方图甚至更详细的统计数据。
对过程数据进行分析， 可以与中间产品放行的标准建立相关性， 例如： 可以通过对粒径分布趋势的监控， 及时地调整设备参数以减少细粉量或改变颗粒团聚的速度； 也可以在微丸包衣工艺过程中监测粒径的变化， 以间接计算包衣膜厚度， 进而与溶出度、 生物利用度等属性建立相关模型， 自动控制包衣工艺参数， 做到产品实施放行。
在微丸包衣的生产过程中， 通常通过控制增重的方式来控制包衣膜的厚度， 并最终实现对产品溶出度的控制。 然而， 在生产过程中， 并不能对产品的增重这一参数进行实时的控制， 所以只有暂停生产过程才可能得到增重数据。 而一次中断生产过程再重新开始大约需要花费1个小时的时间， 这对生产效率是一种极大的浪费。有案例研究了利用包衣膜的厚度直接反应溶出度的情况， 并进行了预测， 实验数据与实测数据非常吻合， 具体介绍如下。
在微丸包衣的过程中， 可以近似地将微丸当成规则球体， 则在监测的过程中得到的粒径变化便可转换成包衣膜的厚度， 近似算法如下：
得到包衣膜厚度和增重数据之间的关系， 如图7-9所示。
通过上述方法， 仅需在线监测微丸的粒径变化便可在线预测包衣产品的溶出，真正做到实时监控、 保障药品质量的一致性。
为确保仪器能达到预期的应用目的， 仪器使用者需定期根据仪器所提供的校准方法对粒径测量值的准确性进行验证， 通常可采用与具有标准粒径大小的外部标准品进行比对验证， 进而得到粒径的测量值是否在接受的误差范围内。
激 光 衍 射 技 术
激光衍射通过测量激光束穿过分散的颗粒样品时不同角度的散射光强度， 对颗粒粒度分布进行测定。 大颗粒以小角度对激光进行散射， 而小颗粒则以大角度散射光线。 之后， 对角度散射光强数据进行分析， 使用米氏光散射理论， 对形成散射图样的颗粒粒度进行计算。 最后， 粒度按等体积球直径进行报告。
激光衍射是用于表征药物物理性质较为成熟的工具之一 。 它已被应用于对气溶胶、 乳液、 悬浮液和喷雾剂以及低密度粉末流的表征等。
利用严格的米氏光散射理论， 测量了光的衍射， 并计算了由此产生的粒径分布。在一个典型的乳化液系统中， 物质通过一个液体流池， 测量如图7-13所示。 由于物料连续通过测量区， 粒度分布随时间的变化而变化。
可以将生产过程中的过程控制参数和平均粒度、 D,90 以及目数的趋势建立函数关系。
聚集光束反射测量仪(FBRM)
固体激光光源提供连续的单色光， 然后从FBRM 探头发射出去。 一组复杂的透镜组将激光聚焦到一个很小的点上， 并通过精确校准焦点使它位于探头窗口与实际体系之间。 精确控制焦点位置以获得高灵敏度、 高重现性的测量。 气动或电动精密马达使精密光学元件以固定速率进行旋转。 在整个测量过程中， 为确保数据精度， 需要严格监控旋转速度(标准探头以固定转速2m/s运行， 某些型号转速更快， 并且能在不同速率下进行校准及运行， 从而提高颗粒应用方面的性能)。 从探头窗口观测到， 聚焦光束在探头窗口及颗粒体系之间作环形扫描。 当聚焦光束扫过探头窗口表面时， 单个颗粒或者颗粒结构将激光以反射散射光的形式反射回探头。 紧挨着探头窗口的颗粒和液滴由扫描中的焦点及独特的反射散射光的脉冲信号确定。 探头监测到这些反射散射光的脉冲信号， 并以扫描速率(速度)乘以脉冲宽度(时间)通过简单计算转化为弦长， 弦长可简化定义为颗粒或颗粒结构的一边到另一边的直线距离。 一般情况下， 每秒钟测量数千个单个弦长， 并形成由 FBRM 基本测量获得的弦长分布。 弦长分布作为颗粒体系的“ 指纹式” 表征， 能实时监测并控制颗粒粒径与粒数的变化。
值得注意的是， 与其他的粒径分析技术所不同， FBRM 的测量方式不假设颗粒的形状， 仅通过基本测量就能直接追踪颗粒体系的变化。 由于这种测量方式没有多余的复杂数学模型假设， 避免了在测量过程中引入重大的误差。
FBRM 技术采用的探头为可入到大型容器或管道中的坚固探头式仪器， 以便在全工艺过程浓度下实时追踪颗粒粒径及粒数变化。 随着过程参数的变化， 持续监测颗粒、 颗粒结构和液滴允许工程师有效地监控、 解决并改进过程。
颗粒粒径与粒数直接影响多相工艺中的性能， 包括： 结晶、 乳化、 絮凝。 通过在全生产规模下实时监测颗粒粒径与粒数， 工程师可以监控过程的一致性并确定进行过程改进的策略。
随着操作条件的变化， 通过连续监测颗粒， 能够确定过程性能不佳的根本原因。操作人员可以快速识别过程扰动， 工程师可以利用在全生产规模下获得的证据， 重新设计具有挑战性的过程并加以改进。
D. 包衣膜厚度、 粗糙度、 均匀性实时分析技术
光学相干层析成像技术
光学相干层析技术依据弱相干光干涉仪的基本原理， 利用近红外弱相干光照射到待测组织， 根据光的相干性产生干涉， 采用超外差探测技术， 测量反射回来的光强， 用于组织浅表层成像。 因此， 可用于检测药品包衣膜二维或三维结构图像。
OCT 系统是由低相干光源、 光纤迈克尔逊干涉仪和光电探测系统等构成。 相比其他一些成像技术， OCT 技术具备较高的分辨率(通常可达几微米级),同时， OCT技术又具有较强的层析能力， 可以清楚地看到不同层级之间的结构。
将 OCT 探头安装在距离待测药品一定距离的固定装置上， 待测药品产生了与探头的相对运动， 从而可对待测药品的包衣膜进行动态扫描。 扫描出的产品光学断层图像如图7- 14。
通过对全过程的包衣膜情况监控， 可根据包衣膜厚度做自动包衣终点判断， 另外可基于该技术研究生产过程中不同工艺参数 (CPP) 的变化对包衣膜的成长属性产生何种影响， 进而理解和优化包衣过程， 结合智能控制系统最终实现包衣过程的自我分析和自我执行。
为确保仪器能达到预期的应用目的， 仪器使用者需根据仪器商所提供的校准方法对膜厚度测量值的准确性进行定期验证。 通常使用的校验方法为： 与具有标准膜厚度的标准品进行比对验证， 进而得到使用该仪器进行膜厚度测量的数值是否在接受的误差范围内。 若发现误差超过最大允许误差， 需及时与相关人员联系校准。 校对/校准误差记录表如表7-6。
点击相应章节查看内容
目 录
序号 项目
