《Pharmaceutics》:Emerging Technologies in Granulation: Process Analytical Technologies and Modeling Approaches in Pharmaceutical Development and Manufacturing
编辑推荐:
本综述回顾了2020年至2026年间发表的32项研究,旨在识别药物颗粒化领域的最新进展。研究重点聚焦于实时监测技术的整合、近年过程分析技术(PATs)的应用路径、影响产品的关键工艺参数(CPPs)与关键质量属性(CQAs)之间的关联、连续制造模式,以及现代数据
本综述回顾了2020年至2026年间发表的32项研究,旨在识别药物颗粒化领域的最新进展。研究重点聚焦于实时监测技术的整合、近年过程分析技术(PATs)的应用路径、影响产品的关键工艺参数(CPPs)与关键质量属性(CQAs)之间的关联、连续制造模式,以及现代数据处理模型的实施。研究对采用双螺杆挤出(twin-screw extrusion)的连续颗粒化工艺给予了重点关注,同时探讨了光谱技术在连续生产监测中的应用。最后,本文讨论了新型建模方法,揭示了从单纯经验方法向结合数据分析工具、机理过程理解与人工智能(AI)驱动应用的混合模型(hybrid models)的转变,由此开启了批次制造与连续制造双重转型的新纪元。本研究强调了PATs、建模与QbD的整合对增强过程理解与控制的作用,同时也指出了这些技术进步在监管框架层面所带来的挑战。
论文主体内容总结
3.1 颗粒化技术与工艺配置
在现有多种颗粒化技术中,湿法制粒尤其是双螺杆湿法制粒(TSWG)和高剪切湿法制粒(HSWG)获得了显著关注。TSWG因其与多种制粒-压片生产线的兼容性而备受青睐,其模块化设计允许根据配方和产品特性调整螺杆构型、机筒温度、进料速率和螺杆转速等关键参数。高剪切湿法制粒(HSWG)作为制药行业最广泛使用的批次制粒技术,凭借其稳健性、通用性以及生产具有优良流动性和可压性颗粒的能力而保持基准地位。此外,共振声学制粒(RAG)和双螺杆熔融制粒(TSMG)等替代性和新兴湿法制粒构型已被开发,以应对特定加工限制,其中TSMG利用热塑性粘合剂实现团聚,无需水性制粒液体。这些新兴方法旨在提高能效并拓宽连续制粒工艺的适用性,但其可扩展性和监管接受度仍需进一步研究。
3.2 过程分析技术(PATs)的实施
过程分析技术(PAT)由监管机构引入,作为通过及时测量关键质量和性能属性来设计、分析和控制制造过程的框架。近红外(NIR)光谱法可提供水分含量、混合均匀度、API浓度和颗粒密度的快速、无损、在线测量,其高采集速度和对连续制造的兼容性使其特别适用于湿法制粒过程监测。拉曼光谱法相比NIR具有更高的化学特异性,且对水干扰不敏感,在监测多晶型转变、API分布和多组分制剂方面尤为有价值。热成像技术作为补充性PAT手段,可实时监测粉末床或制粒设备上的温度分布。基于图像的动态图像分析、高速成像和机器视觉系统可直接测量颗粒尺寸、形状、形态和生长动力学,为成核、聚结、致密化和破碎等物理机制提供深入见解。然而,单一PAT技术无法全面表征制粒过程的所有方面,制药制造商日益采用多模态PAT策略,将互补分析技术与化学计量学模型和先进过程控制系统相结合。
3.3 各制粒方法的关键工艺参数(CPPs)
对现有文献的深入考察揭示了不同制粒过程与其主导机制所对应的关键参数之间的趋势。在TSWG中,液固比(L/S ratio)被视为影响颗粒粒径分布、流动性和压片性能(如片剂强度)的首要工艺参数。粘合剂添加不足可导致制粒不充分和颗粒过度破碎,而液体过量则常导致过湿颗粒、浆料形成和产品报废。螺杆转速是TSWG中另一个关键参数,影响颗粒停留时间分布(RTD)、剪切力强度和粘合剂在配方中的分散程度。高螺杆转速导致较短的RTD和更强的剪切力,而低转速有利于颗粒生长但可能引起含量不均匀。值得注意的是,CPPs日益被视为协同作用的互补变量而非独立因素,其综合效应决定了制粒过程的结果,这构成了连续生产线中对其进行监测的重要原因。
3.4 关键质量属性(CQAs)
在近年研究的各类CQAs中,结构和物理属性被认为最具影响力。颗粒粒径分布(PSD)仍是制粒表征的主要指标,提供关于团聚方法有效性的关键信息,但单一PSD不足以全面表征颗粒质量,密度和孔隙率需同时评估以形成更整体的颗粒表征方法。颗粒和片剂的力学性能也受到高度重视,脆碎度和压缩后抗张强度(TS)是颗粒抵抗机械应力稳定性的常用指标。含量相关特性在连续生产中尤为重要,稳定的API浓度和整体含量均匀性与正确剂量密不可分。功能性CQAs包括溶出度、再分散性和水分含量,进一步拓展了产品质量的概念,特别是在含有难溶性或纳米分散API的制剂中,微小偏差即可显著改变活性成分的释放曲线。
3.5 数据建模与先进分析方法
制粒过程监测新工具的开发产生了大量需要评估的数据。经验建模方法基于实验设计(DoE)原理,通过主成分分析(PCA)和偏最小二乘(PLS)等多变量数据分析方法实现数据提取和处理,已成为实时过程监测、早期故障检测和实时放行检测(RTRT)中不可或缺的工具。机理建模方法基于物理原理和颗粒系统动力学,通过群体平衡模型(PBM)、离散元法(DEM)和计算流体力学(CFD)等模型描述润湿、成核、聚结、致密化、破碎和磨损等机制,提供关于不同操作条件下制粒行为的详细见解。然而,机理模型的高计算负担限制了其广泛工业应用。混合建模方法结合CFD、DEM和PBM方法,能够同时捕捉颗粒尺度相互作用和过程尺度传输现象,展现出更强的预测能力和更真实的复杂制粒系统模拟。人工智能(AI)和机器学习(ML)算法,包括人工神经网络(ANNs)、随机森林(RF)、支持向量机(SVMs)和梯度提升方法,在预测CQAs和实现主动过程控制方面展现出显著潜力。可解释人工智能(XAI)通过SHapley加性解释(SHAPs)、局部可解释模型无关解释(LIMEs)和特征重要性分析等技术提高模型透明度,增强监管信心并支持QbD原则。数字孪生(DTs)作为物理制造过程的动态虚拟副本,整合第一性原理模型、经验关系和数据驱动算法,支持连续监测、过程优化和预测性维护。模型预测控制(MPC)结合数字孪生可实现从过程监测向自主过程控制的转变,通过实时PAT测量持续更新模型预测,自动调整操作条件以维持预定义CQAs。