Makale

CMC gerçeklik kontrolü: Onayı etkileyen geç aşama riskleri

  • Martin Mewies, PhD

  • Thomas de Marchin, PhD

  • Michael Day, PhD

Geç aşama CMC geliştirmedeki temel darboğazları ve bunların gönderim başarısını nasıl etkilediğini anlama
Biyofarmasötik şirketleri, tipik olarak geç aşama geliştirmede ortaya çıkan ve gönderim başarısı üzerinde büyük ağırlık oluşturan birkaç yaygın CMC (kimya, üretim ve kontroller) zorluğuyla karşı karşıyadır. Bunlar arasında kilit nokta, spesifikasyon gerekçelendirme, süreç doğrulama, karşılaştırılabilirlik ve üretim hazırlığıdır.

Bu konuların merkezinde genel kontrol stratejisi yer almaktadır: başvuru sahibinin hammaddeler, kritik proses parametreleri, kritik kalite özellikleri, analitik yöntemler ve üretim değişkenliği hakkında yeterli bir anlayış gösterip gösteremeyeceği ve bu unsurların toplu olarak tutarlı ürün kalitesini nasıl sağladığını gösterip gösteremeyeceği.

Birçok geliştirici, üretime hazır olmak için neyin gerekli olduğunu hafife alır. Düzenleyicilerin ürün kalitesi, üretim süreci tutarlılığı veya klinik araştırma verilerinin güvenilirliği hakkında herhangi bir şüphesi varsa, bu bir denetimi tetikleyebilir ve onay gecikmelerine veya başvurunun tamamen reddedilmesine neden olabilir.

Bu darboğazları aşmak için üreticilerin, gecikmeleri önlemek ve başarılı ilk döngü onayını desteklemek için erken kararları ve CMC stratejisini düzenleyici beklentilerle nasıl uyumlu hale getireceklerini dikkatlice düşünmeleri gerekecektir.

Geç aşama CMC geliştirmedeki temel darboğazlar

Bir boşluk analizi sırasında yaygın olarak ele alınan bir konu, özellikle farmakope yöntemlerinden ayrılan mikrobiyolojik kontrol ile ilgili tamamlayıcı olmayan spesifikasyonlardır. Bir örnek, bir proses nedeni veya ürünle ilgili bir nedenden dolayı farklılaşan biyolojikler için biyolojik yük testidir.

Bu genellikle küçük veya orta ölçekli bir şirket hızlı bir şekilde ilerlemek için finansal baskı altında olduğunda ve güvenlik, etkinlik veya süreç kapasitesine dayanmak yerine bir "temel kural" tarafından belirlenen spesifikasyonlar önerdiğinde ortaya çıkar. Bu nedenle, spesifikasyonu haklı çıkarmak için gereken verilerden yoksundurlar. Bu, üreticinin - veya ürünü satın alan bir şirketin - ticari üretime geçmesini çok zorlaştırır. 

Diğer bir temel neden, bir ürünün belirli bir pazar için geliştirildiği ve daha sonra, küresel genişlemenin bir parçası olarak, üreticinin bu ürünü diğer yargı bölgelerine götürmeye çalıştığı ve bu noktada farmakope yöntemlerinden küçük farklılıkların bir sorun haline gelmeye başladığı durumdur.

Sıklıkla gözlemlenen üçüncü bir sorun, artık Avrupa İlaç Ajansı (EMA) veya ABD Gıda ve İlaç Dairesi'nin (FDA) sıkılaştırılmış beklentileriyle uyumlu olmayan eski ürünler için etki spesifikasyonlarıdır. Bu gibi durumlarda, üreticiler geriye dönük olarak bir spesifikasyonu mevcut beklentilerle uyumlu hale getirmeye çalışabilirler. Üretim sürecini geç bir aşamada değiştirmek hem zaman hem de çaba açısından son derece maliyetli olabileceğinden, bu özellikle zor olabilir. Geliştiriciler ayrıca uygun bir spesifikasyon oluşturmak ve sağlam bir şekilde gerekçelendirmek için gereken istatistiksel uzmanlığa sahip olmayabilir.
Ürün yaşam döngüsünün bir noktasında üretim yerinde bir değişiklik, ölçek büyütme ihtiyacı veya potansiyel olarak bir mülkiyet değişikliği olması muhtemeldir.  Bu senaryoların her biri, söz konusu değişikliklerin ürün güvenliğini veya etkinliğini tehlikeye atmadığını göstermek için bir karşılaştırılabilirlik çalışması gerektirecektir.

Ne yazık ki, geçmiş verilerdeki boşluklar genellikle eski site ile yeni site arasında güvenilir bir köprü kurmayı zorlaştırır, bu da zaman içinde süreç veya analitik değişiklikler olduğunda daha karmaşık hale gelen bir görevdir. Bu boşluklar genellikle büyük bir şirket daha küçük geliştiricilerin varlıklarını satın aldığında ve üretim hatlarını değiştirmesi gerektiğinde, yalnızca spesifikasyonları üretim gerçekliğiyle uzlaştırmayı zor bulduğunda ortaya çıkar. 

Sağlam bir karşılaştırılabilirlik alıştırması ayrıca açıkça tanımlanmış kabul kriterleri gerektirir. Uygulamada, özellikle veriler sınırlı olduğunda, değişimin kendisine veya hem prosesin hem de ölçüm ekipmanının doğasında bulunan doğal değişkenliğe atfedilebilen bir değişikliği takiben her zaman bir dereceye kadar fark olacaktır. Bu nedenle, uygun eşdeğerlik marjları oluşturmak ve karşılaştırılabilirliği göstermek için sağlam bir istatistiksel yaklaşım seçmek, alıştırmanın en zorlu yönleri arasındadır.

Birçok şirket için, özellikle sözleşmeli üretim organizasyonlarına (CMO'lar) bağımlı olan daha küçük geliştiriciler için, sürecin kötü yönetimi ve eksik dokümantasyon son derece sorunlu olabilir. Çözümlenmemiş spesifikasyon dışı sonuçlar veya sapmalar düzgün bir şekilde kaydedilmezse veya temel neden belirlenmezse, bu daha sonra önemli bir zincirleme etkiye sahip olabilir ve düzenleyicilere açıklanması zor olacak ve güveni azaltacaktır. 
Sık karşılaşılan bir diğer geç aşama zorluğu, geliştirme sırasında yeterli olan analitik yöntemlerin ticari sürüm, stabilite testi veya yöntem transferi için yeterince sağlam olmadığını keşfetmektir. Bu nedenle, yöntem doğrulama, kalifikasyon, transfer, referans standardı stratejisi ve yaşam döngüsü yönetimi, gönderimden önce iyi düşünülmelidir. 

Bunu bir araya getirerek, giderek daha katı hale gelen güven gereksinimlerinin yanı sıra, tasarıma göre kalite (QbD) ile ilgili gelişen düzenleyici beklentiler, deneysel tasarım ve verileri analiz etmek için kullanılan istatistiksel çerçeveler için çıtayı yükseltti.

Kararlılık programları da benzer sorunlar ortaya çıkarabilir. Yetersiz zaman noktaları, geliştirme sırasında analitik metodolojideki değişiklikler, geliştirme ve ticari partiler arasında yetersiz karşılaştırılabilirlik veya yetersiz sayıda temsili ticari ölçekli parti, düzenleyicilerin onay sırasında kabul etmeye hazır oldukları raf ömrünü sınırlayabilir. 

Eksik veriler genellikle yeniden oluşturulamadığından veya tahmin edilemediğinden ve ek uzun vadeli kararlılık verilerinin oluşturulmasını gerektirebileceğinden, bu eksikliklerin sürecin sonlarında düzeltilmesi özellikle zordur. Bu, maliyetli ve önlenebilir gecikmelere neden olabilir. 
Yaygın olarak ortaya çıkan bir sorun, süreç doğrulaması ve varsayılan olarak geleneksel "üç doğrulama partisine" aşırı güvenmektir. Proses doğrulamasına yönelik modern yaşam döngüsü yaklaşımları, proses bilgisi, değişkenlik, üretim deneyimi, ölçek ve PPQ programının sürekli proses performansı için yeterli güvence sağlama yeteneği göz önünde bulundurularak, proses performans kalifikasyonunun (PPQ) kapsamının bilimsel temelli ve risk tabanlı olmasını bekler. 

İstatistiksel yaklaşımlar, önceden belirlenmiş sayıda partiye güvenmek yerine bu güvenceyi göstermede önemli bir rol oynayabilir. 

Yetersiz veya kötü tasarlanmış deneyler, ürün hakkındaki bilgileri ve CMC sürecinin sağlamlığını etkileyecek ve bu da geliştirmenin ilerleyen aşamalarında doğrulama sorunlarına neden olacaktır. 

Darboğazları yönetmek için pratik bir yaklaşım

Meydana gelen darboğazların çoğu, kısa vadeli düşünme, zayıf veri yönetişimi, CRO'ların veya genel olarak üretim sürecinin gözetim eksikliği ve dar odaklı durum tespiti süreçleri nedeniyle bunu yapar. 

Üreticiler, erken planlama ve üretim sürecine risk temelli bir yaklaşım benimseme ile geç aşama sorunlarının ortaya çıkma riskini azaltabilir. Örneğin, farmakope yöntemlerindeki farklılıklar, küresel genişleme sırasında sonradan düşünülmek yerine, amaçlanan tüm pazarlar arasındaki uyumu en baştan değerlendirerek azaltılabilir. 

Üreticilerin mümkün olan en erken aşamadan itibaren ürün bilgisi oluşturmaları ve kritik kalite özelliklerini anlamaları ve belgelemeleri zorunludur. Üreticilerin, proses kapasitesini ve potansiyel riskleri anlamak ve anlamlı, gerekçelendirilebilir spesifikasyonlar belirlemek için yeterli testlere yatırım yapması gerekir.

Aynı zamanda, QbD düşüncesini en başından itibaren uygulayarak, üreticiler genellikle daha az deneyle daha büyük, daha sağlam süreç bilgisi elde edebilecekler. Uygun veri yapısı (örneğin, stabilite çalışmalarında bilgilendirici zaman noktalarında örnekleme), iyi tasarlanmış 100 veri noktasını, kötü toplanmış 1.000 veri noktasından daha güçlü hale getirebilir.

Gözetim ve uzman katılımı

Paydaşların ve verilerin uygun şekilde denetlenmesi zorunludur. CMO'larla çalışırken, üreticilerin eksiksiz veri paketleri, zamanında sapma dokümantasyonu ve anormalliklerin kök neden analizi için net sözleşme gereklilikleri oluşturması gerekir. Bu, CMO veri yönetişimini bir CMC riski ve gereksinimi olarak ele almak anlamına gelir.

Üreticiler ayrıca, erken boşluk analizi yapmak ve spesifikasyonların kurumlarla nerede sıkılaştırılması veya gerekçelendirilmesi gerekebileceğini belirlemek için düzenleyici ve CMC uzmanlarını getirerek daha sonraki sorunların azaltılmasına yardımcı olabilir.

Ek olarak, toplanan verilerin yeterli kalitede olmasını sağlamaya yardımcı olmak için üreticiler, yalnızca verileri analiz etmek için olaydan sonra getirilmek yerine, verilerin nasıl toplanması gerektiğine rehberlik etmek için istatistikçileri erken getirmeyi düşünmelidir. Başlangıçtan itibaren kaliteli verilere sahip olmak şunları kolaylaştırır:

  • Hem mevzuata uygun hem de üretilebilir spesifikasyonlar önermek ve savunmak
  • Kararları bilimsel ve istatistiksel olarak gerekçelendirin
  • Geçmiş verileri kullanarak güvenilir karşılaştırılabilirlik köprüleri oluşturun ve gönderen sitelerinde toplu işleri yeniden oluşturma ihtiyacını ortadan kaldırın
  • Durum tespiti veya ilgili olduğunda satın alma incelemesi sırasında üretim kapasitesini net bir şekilde gösterin

Sonuç: Veri bütünlüğü felsefesi

Tüm CMC faaliyetlerinin temelini oluşturan ve sağlam bir düzenleyici sunum için hayati önem taşıyacak olan şey, geliştirmenin en erken aşamalarından itibaren üretilen yeterli ve uygun verilerin mevcudiyetidir. Geliştirmenin ilerleyen aşamalarında sıklıkla ortaya çıkan CMC sorunlarını önlemek ve üstesinden gelmek için üreticiler, veri bütünlüğünü yalnızca bir uyumluluk onay kutusu olarak değil, bir üretim felsefesi olarak ele almalıdır.

Yazarlar hakkında:

Dr. Martin Mewies, Cencora'da CMC'de Mevzuat İşleri Direktörüdür. Protein biyokimyasında 30 yılı aşkın deneyime sahiptir ve biyolojik CMC/düzenleyici alanında 20 yıldan fazla deneyime sahiptir.

Dr. Thomas de Marchin, Cencora'da İstatistik ve Veri Bilimi Direktör Yardımcısıdır ve burada ilaç keşfini ve üretim verimliliğini optimize etmek için gelişmiş istatistiksel metodolojiler ve makine öğrenimi algoritmaları uygulamaktadır. Mevzuata uygunluk - özellikle FDA ve GMP standartları - konusundaki derin uzmanlığıyla, karmaşık analitik yaklaşımlar ile pratik farmasötik uygulamalar arasındaki boşluğu doldurmaktadır.

Dr. Michael Day, Cencora'da Düzenleyici Strateji ve CMC Kıdemli Direktörüdür. Hücre ve gen terapilerinde CRL'ler ve BLA sunumları üzerinde FDA ile doğrudan etkileşimler de dahil olmak üzere 25 yılı aşkın düzenleyici, CMC ve kalite deneyimi getiriyor.

Yasal Uyarı:
Bu makalede verilen bilgiler yasal tavsiye niteliğinde değildir. Cencora, Inc., okuyucuları tartışılan konularla ilgili mevcut bilgileri gözden geçirmeye ve bunlarla ilgili kararlar alırken kendi deneyim ve uzmanlıklarına güvenmeye şiddetle teşvik eder.

 

 

Yardım etmeye hazırız

Cencora'nın sağlık hizmetlerinin geleceğini şekillendirmeye nasıl yardımcı olduğu hakkında daha fazla bilgi edinmek için ekibimizle hemen iletişime geçin.

İlgili kaynaklar

Bilgi sayfası

Cencora entegre gönderim hazırlığı değerlendirmesi

Makale

AB'de hücre ve gen tedavileri – Bilimsel mükemmellik ve düzenleyici dikkat arasında

Denetim listesi

Gönderim öncesi kontrol listesi: İlk aşama incelemeleri ne bozuyor ve bunun önüne geçmenin yolları