跳到正文
BioPharm International·AI 评分69

FDA、赛诺菲与吉利德在 2026 年 PDA/FDA 联合监管会议上讨论 AI 就绪度与验证风险

FDA, Sanofi, Gilead Weigh AI Readiness and Validation Risk at PDA/FDA Conference

AI 导读

FDA、赛诺菲与吉利德代表在 2026 年 9 月 14 至 16 日华盛顿举行的 PDA/FDA 联合监管会议上讨论 CGMP 环境下 AI 工具的风险分级验证。

正文 · AI 翻译

赛诺菲的 Jack Prior 博士详细介绍了生物制品生产的数据成熟度框架,而 FDA 和吉利德的专题讨论嘉宾则就基于风险的 AI 验证展开了讨论。

在 2026 PDA/FDA 联合监管会议上,一场题为“在 CGMP 环境中推进数字工具与数据利用”的会议包括关于人工智能(AI)就绪型生产数据的演讲,以及一场关于在现行药品生产质量管理规范(CGMP)下验证 AI 工具的专题讨论。Jack Prior,ScD,赛诺菲 MSAT 工艺监测与数据科学/AI 战略负责人,介绍了生物制品生产的数据成熟度框架,而 Liatte Closs,PharmD、MPH、BCSCP,FDA 生产质量办公室监督监管专家,则审视了支撑数字化转型的基础质量和数据完整性原则。两人随后与 Christopher Downey 博士,FDA 药品评价与研究中心(CDER)药品生产评估六部主任,以及 Bob Buhlmann,吉利德科学数字质量负责人,一同参加了由 Downey 主持的专题讨论。1

在第二个案例研究中,FDA 检查员在一家无菌生产设施发现微生物培养皿某一天显示有菌生长,几天后却看似洁净,原始记录已被丢弃,实验室表格在检测发生前就已预先填写,这违反了 21 CFR 211.194(a)。FDA 在第二个案例中建议的补救措施包括对检测培养皿进行防篡改、带时间戳的数字拍照,以创建不可更改的同期记录

赛诺菲为生物制品生产提出了什么数据成熟度框架?

Prior 博士介绍了一个为赛诺菲生产科学与技术(MSAT)网络建立的评分模型。该模型从两个维度对每个工艺按 0 到 100 分评分:有哪些数据可用,以及这些数据的交付质量如何。在“有哪些数据”这一维度,6 个加权类别涵盖原料药和制剂的关键质量属性、批次产出和生物反应器步骤收率、离散的批记录数据和连续的传感器数据、将原材料与成品关联起来的谱系信息,以及计算衍生值的能力。他解释说,在“如何交付”这一维度,则按数据的时效性、顺畅且广泛的可获取性、真实性、标准化程度和结构化格式进行评分。

Prior 博士说,鉴于质量、数字和生产职能部门之间优先事项不一致,以及并非为数据科学构建的遗留系统,实现这种成熟度仍然困难,不过他主张,智能体 AI 能力的快速复合增长——他说自 2025 年以来大约每 3.5 个月翻一番——可能有助于弥合这些长期存在的数据缺口。1

FDA 说数字化转型需要哪些基础要素?

Closs 博士说,数字化正在将药品生产从主观评估转向客观、数据驱动的质量体系,但她强调这并不能消除人的责任。她断言,关于验证和记录保存的 predicate 规则仍然适用,质量部门的监督仍然不可协商。

Closs 博士概述了评估新技术的 3 个基本要素:与系统风险相称的质量风险管理,符合国际人用药品注册技术协调会(ICH)Q9;数据完整性,以 ALCOA 原则为基础,即记录应可归属、清晰、同步、原始且准确,符合《美国联邦法规》第 21 篇第 211 部分(21 CFR 211)的要求;2 以及一个能够长期维持合规而非仅仅达到最低标准的“有能力设施”。她还指出了 ICH Q10 框架,在该框架下,数字化连接的工艺监控、纠正和预防措施以及变更管理可以形成自我强化的质量改进循环。1

FDA 的警告信揭示了关于 AI 和数据完整性风险的哪些信息?

Closs 博士描述了她所称的 FDA 首封有记录的警告信,其中引用了在药品生产中对 AI 的不当使用。一家公司使用 AI 代理起草质量标准、标准操作规程以及主生产和控制记录,未经质量部门充分审核,违反了 21 CFR 211.22(c)2,并进而违反了 211.100(a) 下的工艺验证要求。2

“AI 和数字工具本身并没有问题,”Closs 博士说,但任何 AI 输出都必须由质量部门的授权成员审核和批准,她强调,这一责任不能委托他人。1

在第二个案例研究中,FDA 检查员在一家无菌生产设施发现,微生物培养皿显示某一天有生长,几天后却看起来干净,原始记录被丢弃,实验室表格在检测发生前就已预先填写,这违反了 21 CFR 211.194(a)。2 Closs 博士解释说,FDA 在第二个案例中建议的补救措施包括对检测培养皿进行防篡改、带时间戳的数字拍照,以创建不可更改的同步记录。1

公司应如何在 CGMP 下验证 AI 工具?

当被问及如何确定哪些 AI 使用场景需要正式验证时,Closs 博士重申,文档和验证的严格程度应与工具所支持决策的风险相称。她解释说,做出最终决策并由质量部门审核的工具需要完整的 CGMP 验证,而逐案使用的支持工具,例如用于调查的工具,只需要能够经受检查的“适用性”论证。

Gilead 的 Buhlmann 主张,公司需要一个明确的规模化验证流程,而不是全有或全无的方法。他说,简单工具只需轻量级文档,而用于构建实验室信息管理系统等系统的 AI 则需要更严格的要求。Prior 博士补充说,验证不应阻碍根本原因发现,并表示调查人员应能够先用不完善的数据追寻根本原因,然后再用经过验证的数据加以确认。Prior 博士还呼吁全行业对验证采取一种不那么二元、更具比例性的方法。1

PDA/FDA 联合监管会议于 2026 年 9 月 14 日至 16 日在华盛顿特区举行。

如需了解更多会议报道,请点击此处。

参考文献

  1. Parenteral Drug Association。PDA/FDA 联合监管会议 2026。访问日期 2026 年 9 月 14 日至 16 日。https://www.pda.org/global-event-calendar/event-detail/pda-fda-joint-regulatory-conference-2026#agenda。
  2. 美国联邦法规。成品药品现行药品生产质量管理规范。21 CFR §211.22(c)、§211.100(a)、§211.194(a)。访问日期:2026年9月16日。https://www.ecfr.gov/current/title-21/chapter-I/subchapter-C/part-211

与本文相关

来源:BioPharm International · biopharminternational.com