跳到正文
American Pharmaceutical Review 专题文章·AI 评分71

IQ 联盟团队提出用于 CRO/CMO 与委托方信息交接的结构化数据管理模板

Implementation of a Structured Data Management Template for Information Transfer Between Contracting Organizations and their Partners

AI 导读

IQ 联盟下一代数据分析工作组撰文提出一套结构化数据管理模板,用于 CRO/CMO 与其委托方之间的信息交接。

正文 · AI 翻译

作者:Michael J. Barrett,ab Miu-Ling Lau,ab Peter Tattersall,ac Brian A. Taylor,ad John Dzmil,b Andrew Lennard,ae Gabrielle Barney,af 和 Brian Goodag

摘要

我们在制药/生物制药行业的共同愿景是:遵循 FHIR(快速医疗互操作性资源)等行业标准协议,实现合作方之间无障碍的数据共享,以及向监管机构高效传输数据。为实现这一愿景,我们强调必须将非结构化数据——常见于 PDF 报告和非结构化电子表格中——转换为标准化格式。尽管目前正在开发用于合作方之间自动化、无纸化数据交换的系统(例如 Accumulus Synergy),以及用于数据采集的标准数据框架(例如 Allotrope Foundation),本文提出了一套结构化数据管理框架,旨在促进制药生产商与其合同研究组织(CRO)和合同生产组织(CMO)之间的无缝信息交换。

我们提出了一种结构化数据采集模板,可增强数据组织并简化传输流程。该模板旨在容纳各种数据和元数据类型,确保数据以一致的格式存储。通过整合多个工作表,我们可以应用标准化逻辑来生成适用于科学讨论和报告的输出。

本文讨论了该模板背后的动机、其基本原则、结构设计、数据传输方法,以及在组织内部和之间的实施策略。此外,我们还探讨了数据管理的未来进展,以及该结构化数据管理模板被广泛采用对制药行业的潜在影响。该模板及支持材料可在 https://iqconsortium.org/ 获取。

引言

制药管线正变得日益多样化,合同研究组织(CRO)和合同生产组织(CMO)的使用越来越普遍。这一趋势要求高效整合来自各方的数据,以便进行知情决策、数据趋势分析(例如稳定性、批放行、工艺开发与表征以及DOE)和/或法规申报。高效数据转移的最大障碍之一,是那些通常不一致且缺乏结构的报告。1 用于将原始数据从CRO和CMO转移给其合同伙伴的数据报告通常是非结构化和不一致的(图1),这使得自动化数据解析非常困难。此类报告通常因CRO而异、因项目而异,甚至因分析人员而异。这些差异,加上这些报告缺乏结构,使得数据的自动化消费几乎不可能。此外,来自不同来源的原始数据要经历多轮转录和审核,往往导致资源效率低下和人为错误风险升高(图2)。理想的数据转移场景涉及一条全自动化的数据管线,其中数据在生成时即由人工设定背景进行审核,并视情况进一步赋予背景,以保持其完整性的方式存储,然后被消费(图3)。这一简化的流程将有助于直接利用源数据,并按最终文档的具体要求进行定制,例如FHIR所提出的端到端数据转移理想状态(图4)。2,3

628058-1.jpg

图1. 常见报告的不一致和非结构化特性。从CRO和CMO交付给其伙伴公司的报告通常具有:1.) 空白单元格,2.) 嵌套表格,3.) 合并或拆分单元格,4.) 不一致的结构,和/或5.) 分离的表格,所有这些都增加了消费CRO和CMO报告数据的难度。

628058-2.jpg

图2. 管理CRO数据的当前状态:不同的数据结构、多次转录步骤和不一致的存储,需要重复检查。

628058-3.jpg

图3. CRO数据流的理想状态:标准数据结构、经过验证的转移和集中式数据存储。

628058-4.jpg

图4. FHIR3所设想的理想数据管线状态(火焰代表FHIR HL7标准)。CRO/CMO与其合同伙伴之间的关系由蓝色虚线轮廓标示。本文提出了一种数据转移范式,以便在投资构建检测实验室与伙伴内部系统之间的API之前,实现数据的结构化转移。

利用高度组织化且机器可读的结构化内容,将能够实现高效的存储、处理以及直接整合到报告和申报文件中。对传输进行适当验证将消除人工核验的需要,从而节省时间、减少错误并提高数据可及性。4 此外,结构良好的数据可简化系统管理、优化存储、增强自动化,并在所有开发阶段支持高级分析和科学研究。5 为实现这一点,各步骤之间的连接器需要独立开发,且往往在不同时间开发。虽然合作伙伴内部系统下游的连接器和数据转换器(用于支持不同数据源的互操作性)在很大程度上仍由签约合作伙伴(申办方)控制,但从第三方检测实验室和生产环节的数据传输需要建立合作关系来构建连接。由于承包商与其合作伙伴之间存在大量关系,为所有关系构建应用程序接口(API)将耗费时间和金钱,并可能延迟下游系统的就绪。为了更早实现数据管道的全部效益,并从进展较慢的关系中充分获得数字化收益,建议针对 CRO/CMO 与其合作伙伴之间数字化成熟度较低的关系,采用标准化数据传输方法作为过渡方案。建议在分析团队、CMO 和 CRO 之间采用通用模板,以减少独特格式的数量、简化数据录入、降低成本并尽量减少错误。这种方法可加速数据积累、支持及时的科学决策,并加快法规申报。标准化数据还有助于跨组织共享与协作,并与分析工具(即可视化和统计软件)无缝集成,以实现高效分析和报告。此外,这将消除单个 CRO/CMO 关系造成的瓶颈,使签约合作伙伴能够在实现数据直接传输之前,充分获得端到端数据管道的全部效益。

在制药领域,合同研究组织(CRO)、合同生产组织(CMO)及其合作伙伴之间的关系和数字化能力差异很大。一些合作伙伴受益于先进的数字基础设施,能够实现顺畅的系统到系统数据交换,而另一些仍依赖传统的纸质报告。这种差异受公司规模、数字化成熟度和合同条款等因素影响。因此,合作伙伴可能从一家 CRO 以电子方式接收数据,而从另一家只收到纸质报告。缺乏标准化的数据格式以及收集和共享实验数据的明确指南,会造成不一致,从而妨碍高效的数据管理、降低数据质量并限制数据复用。在存在数千个 CRO/CMO 合作关系的情况下,这些挑战会成倍增加。为克服这些障碍并迈向完全集成的数据管道,标准化数据模板将使任何 CRO 或 CMO 都能以一致的格式交付数据,简化合作伙伴和第三方对数据的解析与整合,并加速向无缝、端到端数据共享的过渡。

原则

该模板旨在收集汇总的实验结果,作为项目团队的主要数据集供审阅,并传输至其他系统,在公司特定的系统、格式和报告中开展进一步分析与报告,同时保持数据完整性。模板设计应用了 FAIR 数据原则和精益流程原则。

FAIR 数据——可查找、可访问、可互操作和可重用。6

可查找被解释为对数据进行唯一引用,以便快速定位和链接存储在不同位置的相关数据。必须维护单一的主要主数据集文件,且所有人都能定位到它,以确保项目团队成员能够访问最新结果,并使用同一版本的结果做出项目决策。当该主要数据集被下游数据使用引用时,它将成为“真相来源”。

可访问被解释为将数据存储在广泛可供所有公司使用的软件系统和文件格式中,且从系统检索的过程易于建立。可供所有公司使用、且相关人员熟悉并可访问的系统非常少。

可互操作被解释为在当前和未来都能轻松地在不同系统之间移动数据。模板设计应体现人类和机器都将与数据交互。所采集的结构化数据遵循良好的电子表格数据录入实践,并尽量减少精益方法中的浪费类型。模板设计旨在尽量减少移动或重用数据之前的数据预处理时间。

可重用被解释为存储足够的数据,为已完成的实验工作提供背景和信心,以便在当时使用结果并在未来重用。需要采集数据以界定实验是如何进行的,从而断定实验是按预期完成的,并提供足够的信息为结果的含义提供背景。

628058-5.jpg

图 5. 所选软件的定性可用性和熟悉程度。虽然某些软件广泛可供公众使用,但组织内部的支持可能会限制其在研究与开发中的可用性。

为满足 FAIR 数据原则,通用模板必须尽可能为广大受众所熟悉和可用(图 5)。我们选择了基于电子表格的模板来满足这些标准。

模板结构

该模板(见图6)由一个包含多个工作表的电子表格组成。其组织设计旨在平衡人类可读性与数据录入,同时通过保持结构化格式来实现机器可读性。前3个工作表包括:(1)“Study_Metadata”(2)“Sample_Run_Metadata”和(3)“Specification_Metadata”。这些工作表使用户能够捕获结果数据的相关背景信息,同时尽量减少重复的数据录入。研究元数据工作表捕获在整个研究过程中保持静态的信息,例如样品或运行标识符、项目名称、研究名称、稳定性时间点和稳定性储存温度。“Sample_Run_Metadata”工作表捕获所进行运行特有的信息。根据研究设计和用户的输入偏好,某些信息可以捕获在“Sample_Run_Metadata”工作表或“Study_Metadata”工作表中。这些工作表将由签约合作伙伴进行格式化,消除重复列,使元数据仅在一个工作表上捕获。这些工作表中捕获的信息、列数或其他变量可以扩展,以便为不同的研究类型(即稳定性、稳健性DOE、强制降解)提供额外的实验背景信息。“Specification_Metadata”工作表捕获有关质量标准和接受标准的信息。

下一组工作表捕获样品/检测特有的信息,例如检测参考、日期和所用方法。工作表“Testing_Reference”、“Testing_Dates”和“Testing_Methods”作为示例给出。结果数据工作表可以按(1)长格式或(2)宽格式组织,可由签约合作伙伴根据合作关系、项目需求或合作伙伴能力进行选择。两种格式均为透视表,按样品标识符分组以便于数据录入,并且需要进行基本操作(转置、逆透视、合并)才能进行数据摄取。此外,两者的设计使其可以简单地相互转置,以实现更强的互换性。这些表捕获结果、结果名称和所执行的检测。

为了跨工作表链接数据,使用了关键列:

  • “Study Number”链接“Sample_Run_Metadata”和“Study_Metadata”工作表之间的元数据
  • “Specification Revision”链接“Sample_Run_Metadata”和“Specification_Metadata”工作表之间的元数据
  • “Test”和“Reportable Measurement”链接“Results”和“Specification_Metadata”工作表之间的元数据
  • “Sample Identifier”链接“Results”、“Sample_Run_Metadata”以及样品/检测特有信息工作表(如“Testing_Reference”、“Testing_Dates”和“Testing_Methods”)之间的数据

这些模板设计为指南,可根据需要添加额外字段(如检测、条件或其他信息)以捕获数据,只要捕获了关键列和有助于数据摄取的推荐字段,因为设计良好的摄取方案能够将信息上传到相关数据库,并为数据添加适当的本体。

628058-6.jpg

图6. 电子表格配置示例

当前版本的模板以及详细的用户指南和其他支持材料目前正在IQ consortium存档,网址为https://iqconsortium.org/。

CRO、CMO及其合作伙伴之间的数据传输必须应对数字能力的巨大差异,并确保合规性、数据完整性和可用性。缺乏标准化的数据格式以及收集和共享实验数据的明确指南,会造成不一致,从而阻碍高效的数据管理、降低数据质量并限制数据的再利用。为应对这些挑战,有四种潜在方法可支持受控且安全的数据交换。无论采用哪种方法,都必须满足数据预期用途的内部标准和程序。

  • 电子表格的直接电子签核:利用原生电子表格功能,允许电子签名或数字证书(例如,如果各方程序允许,DocuSign 可能可以承担这一角色)直接在文件内批准数据。此方法确保电子表格保持数字格式,便于下游应用程序轻松使用,无需进行数据提取或解析。签署人需要满足行业要求。7
  • 在合规文档库中访问原生文件:将锁定、正式的文档版本存储在支持原生文件格式(例如电子表格、文字处理文件)的安全共享库中。可以授予合作伙伴受控访问权限,直接查看这些文件,从而确保数据完整性和可追溯性。1
  • 生成并签署带 OCR 转换的 PDF:生成已签署的 PDF 报告作为正式文档,然后应用光学字符识别(OCR)技术将 PDF 转换回可编辑和可搜索的数字数据。OCR 技术已取得显著进步,能够准确识别各种布局、格式和特殊字符。8
  • 双重文档交付,即已签署的 PDF 和 CSV 文件:提供已签署的 PDF 作为正式的、符合法规的记录,同时提供包含原始数据的 CSV 文件,并标记为“仅供参考”。此方法支持非 GMP 活动,如趋势监测和根本原因分析,同时对官方数据保持严格控制。复制过程的结果应通过经验证的流程自动验证,或手动验证,以确保与原文件包含相同的信息——包括描述背景、内容和结构的数据。9

这些方法受内部政策和法规要求约束,有助于在整个传输过程中保持数据准确性、安全性和可访问性,应对数千个 CRO/CMO 合作伙伴关系带来的复杂性。

模板的使用

一旦结构化数据被传输到公司环境中并摄取到公司的数据湖中,就可以与其他内部数据集结合,进行全面的分析和报告。来自 CSV 文件的元数据提供了结果数据的背景,并将使 CRO/CMO 数据与内部数据能够结合。此外,标准化格式有助于开发经验证的自动化工具,用于下游数据传输、分析和报告,从而显著减少人工审核的需求。

要成功实施这些标准化结构模板,公司必须建立强有力的合作伙伴关系,并优先为员工提供培训,以确保顺利采用并整合到现有工作流程中。与IT部门的协作对于开发用于数据合并和转换的实用工具至关重要,可确保与内部系统的无缝集成,并在系统变更或升级时保持可持续性。与CRO和CMO合作推广这些模板的采用,将营造一个惠及所有利益相关方的协作环境。最后,公司应定期根据反馈和不断发展的行业标准审查和更新模板,以保持其相关性和有效性。通过利用标准化结构模板,公司可以显著增强其数据管理流程,改善与合作伙伴的协作,并为生物制药行业的未来增长和创新奠定基础。该模板已被证明可导入数据用于下游处理。

未来目标

展望未来,长期目标是通过将多样化的数据源整合到基于云的企业数据湖(EDL)中,彻底消除纸质文档。这些平台将使用一致的命名法和元数据将数据组织成语义结构化的块,从而允许以任何所需格式灵活提取和呈现信息。自动化结构化内容数据管理(SCDM)将实现利益相关方之间的实时数据共享,促进更紧密的协作和法规合规,最终加速法规档案提交的准备就绪。

认识到在所有利益相关方中全面采用这些先进技术需要时间,因此提出了上述标准化数据报告模板。该方法引入基于文档的结构化内容数据管理作为过渡方案,支持制造商、CRO、CMO和其他合作伙伴从纸质交换逐步迁移到完全数字化、云赋能的工作流程。随着CRO/CMO与其合作伙伴之间的数字交换上线,10预计模板化解决方案将逐步淘汰。

此处介绍的数据报告模板回应了对协调统一的最低标准的迫切需求,该标准支持整个制药生态系统的结构化数据共享。这些模板设计为与现有数据管道无缝集成,促进信息从CRO和CMO直接传输到其合作组织,包括与LIMS以及色谱仪器等原始数据源的连接。

作为该倡议的一部分,正在与第三方合作开展协作技术构建,以展示涵盖数据收集、聚合、可视化和报告的概念验证能力。在赋能技术联盟(ETC)的支持下,该倡议已经带来了切实的益处,包括简化数据传输、增强对组织良好的数据集的访问以及改善数据完整性——特别是对于分析稳定性数据和制造工艺转移。

尽管初始模板版本仅包含有限的分类体系,且缺乏完整开发的本体,但其标准化结构为未来的本体整合奠定了基础。这将使其能够与 Allotrope Foundation 等既有数据框架对齐,从而提升模板的通用性和有效性。10,11 此外,该方法支持开发可复用的分析和报告工具,并为采用 FHIR 等数据交换行业标准奠定基础。3,12

结论

实施结构化内容数据管理模板可为企业带来诸多益处,包括改善数据组织(可查找、可互操作)、简化数据传输(可访问)以及支持电子申报(可复用)。通过遵循模板原则并以电子表格作为主要工具,企业可实现一致且高效的数据管理。该模板的灵活性及广泛采用的潜力(例如用于稳定性、批放行、工艺开发与表征以及 DOE)为开发用于数据传输和导入的先进软件解决方案打开了大门。跨行业以联盟形式协作有助于简化各参与方的流程。单个 CRO 和 CMO 无论其合作伙伴是谁,都能够使用相同的格式。这将使填写和审核模板的技术人员及实验室科学家能够以相同格式录入数据,从而降低出错的可能性。在与多个合作伙伴合作时,签约合作伙伴能够减少因向 CRO 和 CMO 引入数据模板而产生的资源负担。在整个行业采用相同的 CRO/CMO 数据传输解决方案将简化所有参与方的流程。通过采用这一模板化工具,企业将更有能力有效管理结构化数据,并获得可付诸行动的洞察以支持明智决策。在开发更直接的基于云的解决方案的同时,所提出的解决方案为各利益相关方提供了一个“公平竞争环境”,作为结构化数据传输的最低标准。

免责声明

本手稿中的立场为作者本人的立场,并非其各自公司的官方意见。

致谢

  • IQ 团队、IQ 董事会、Tony Mazzeo(BMS)
  • 本手稿是在国际制药创新与质量联盟(IQ,www.iqconsortium.org)的支持下编写的。IQ 是一个由制药和生物技术公司组成的非营利组织,其使命是推进科学与技术,以增强成员公司开发变革性解决方案的能力,从而惠及患者、监管机构及更广泛的研发界。

参考文献

  1. Blumzon CFI, Pănescu A-T. 数据存储。载于:Bespalov A, Michel MC, Steckler T 编。非临床药理学与生物医学中的良好研究规范。Springer International Publishing;2020:277-297。
  2. Ahluwalia K, Abernathy MJ, Beierle J, 等。CMC 监管申报的未来:利用结构化内容与数据管理精简活动。J Pharm Sci。2022年5月;111(5):1232-1244。doi:10.1016/j.xphs.2021.09.046
  3. (HL7) HLSI。快速医疗互操作性资源(FHIR)第5版。访问日期 2025年9月19日,https://www.hl7.org/fhir/
  4. Dempsey KL, Pillitteri VY, Regenscheid A. 管理信息交换的安全。特别出版物(NIST SP),美国国家标准与技术研究院,马里兰州盖瑟斯堡;2021。
  5. Hu H, Wen Y, Chua TS, Li X. 面向可扩展的大数据分析系统:技术教程。IEEE Access。2014;2:652-687。doi:10.1109/ACCESS.2014.2332453
  6. Wilkinson MD, Dumontier M, Aalbersberg IJ, 等。科学数据管理与维护的 FAIR 指导原则。Scientific Data。2016/03/15 2016;3(1):160018。doi:10.1038/sdata.2016.18
  7. FDA 电子记录与签名指南(21 CFR Part 11)。美国食品药品监督管理局。访问日期 2025 年 9 月 19 日,https://www.fda.gov/regulatory-information/search-fda-guidance-documents/part-11-electronic-
    记录-电子签名-范围与应用
  8. Corp J. 光学字符识别(OCR):新兴趋势与未来应用。The Identity and Beyond Blog 博客。2024年11月13日,2024。https://www.jumio.com/optical-character-recognition-trends-and-applications/
  9. 临床试验中计算机化系统与电子数据指南 欧洲药品管理局。访问日期 2025 年 9 月 19 日,https://www.ema.europa.eu/
    en/documents/regulatory-procedural-guideline/guideline-computerised-systems-and-
    electronic-data-clinical-trials_en.pdf
  10. Kayser H, Lau M-L. 数据标准化日益增长的价值:Allotrope Foundation Connect 研讨会论文集。Drug Discovery Today。2024/06/01/ 2024;29(6):103988. doi:https://doi.org/10.1016/j.drudis.2024.103988
  11. Gardiner S, Haynie C, Della Corte D. Allotrope 简单模型的兴起:2023 年秋季 Allotrope Connect 更新。Drug Discovery Today。2024/04/01/ 2024;29(4):103944. doi:https://doi.org/10.1016/j.drudis.2024.103944
  12. Beierle J, Algorri M, Cortés M, et al. 结构化内容与数据管理——通过数据交换效率加速药物开发。AAPS Open。2023/05/08 2023;9(1):11. doi:10.1186/s41120-023-00077-6

a下一代数据分析工作组,国际制药创新与质量联盟

bMerck & Co., Inc.,美国新泽西州拉威

cBMS Bristol Myers Squibb,美国新泽西州新不伦瑞克

dAstraZeneca,英国麦克尔斯菲尔德

eAmgen Ltd,英国阿克斯布里奇

fEli Lilly and Company,美国印第安纳州印第安纳波利斯

gRayzeBio,Bristol Myers Squibb 旗下公司

订阅我们的电子通讯
随时了解最新新闻、文章和活动。此外,还可让 American Pharmaceutical Review 的特别
优惠直接发送到您的收件箱!
立即注册!

来源:American Pharmaceutical Review 专题文章 · americanpharmaceuticalreview.com