加拿大审评员阐述 CMC 数据模型的挑战与监管要求
|
首页 > 资讯 > 加拿大审评员阐述 CMC 数据模型的挑战与监管要求 出自识林
加拿大审评员阐述 CMC 数据模型的挑战与监管要求
笔记 2025-04-08 加拿大卫生部高级评审员Jayda Siggers在2025年1月华盛顿举行的加州分离科学协会（CASSS）CMC战略论坛北美会议上，阐述了预测数据模型用于支持上市许可的挑战，以及加拿大卫生部对模型使用的监管演变方向。 Siggers强调卫生部认可数据模型作为生物制品研发的强大工具，但坦言该领域尚在持续发展中，监管机构与行业正在共同探索。 她指出关键在于“提供清晰的论述，证明模型经过适当开发、验证并适用于预期用途”。审评人员需要知道：“数据模型能否实现预期目标？能否准确执行？能否保持一致性？” Siggers表示当前最大的挑战之一是监管机构与行业间术语不统一：“验证（Validation）、确认（Verification）、可信度（Credibility）、可靠性（Reliability）、适用性（Appropriateness）——这些术语的具体含义是什么？”她敦促利益相关方“就语言和我们所讨论的内容达成更好的一致”，这将有助于"我们可以在这些主题上更加协调一致。" 单抗审评案例助力完善数据模型监管路径 Siggers通过一个几年前提交的单抗案例，旨在说明加拿大卫生部目前对数据模型的看法并强调其中涉及的一些挑战。该申请提交了工艺能力模型和稳定性模型来论证放行质量标准和拟定的有效期。 Siggers解释说，由于时间紧迫，且缺乏预测数据模型方面的丰富经验或内部专业知识，审评团队决定应用 ICH Q2 的理解和批判性思维原则来审评该项申请。因此，要求申办者提供证据，证明这些模型“适用于预期用途”并“经过适当验证”。 最终，审评人员无法依靠这些模型进行最终决策，因为“至少基于我们在模块3中掌握的信息”，无法确认这些模型是否适用于预期用途。尽管存在模型问题，但Siggers强调，这仍是一个好消息——该申请最终成功获得上市批准。此次经验促使加拿大卫生部启动内部指南起草工作，以明确对数据模型的期望。 回顾经验教训，Siggers指出，最大的挑战之一“与知识或技能无关。今天的所有演讲都证明了这一点。专业知识就在那里。”相反，这位评审员指出了行业/监管机构沟通问题和语言统一问题。即使在加拿大卫生部，临床、统计和质量审评人员对数据模型的评估视角也存在差异。在不同的监管管辖区，不同的指南可能会使用不同的术语来描述类似的期望。 Siggers坚持认为，协调语言和期望很重要，不仅在加拿大，而且在全球范围内都是如此。Siggers引用了新提出的关于模型引导药物开发的 ICH M15 和其它新兴指导文件，如 ASME V&V 40，指出虽然术语可能有所不同，但有一个共同的目标：“本质上，我们需要确定的是模型是否可靠。” 清晰易懂的论证叙事至关重要 Siggers指出，尽管数据模型的学习曲线仍然陡峭，且对申报资料模块3的要求将持续完善，但加拿大卫生部将基于ICH Q2原则，期望提供“模型准确性与一致性的证据”。 加拿大卫生部希望模块3包含部署模型的以下内容：
Siggers 强调了确保数据模型的成熟度和性能适合其预期用途的重要性。用作主要数据源的模型（例如用于确定货架期）将面临比仅支持现有数据的模型更严格的监管审查。 Siggers 还强调，行业在寻求利用数据模型进行监管提交时必须“以我们能够理解和支持的方式告诉我们您的故事”。她指出“我们没有能力验证您的编程、计算或背后的数学”，并解释了描述性叙述如何“帮助我们理解您所做的事情”。 Siggers建议尽早与监管机构进行讨论，这“有助于塑造你需要在模块 3 中讲述的故事”，并强烈鼓励申办者继续提交创新模型，“因为这确实迫使我们思考并且快速思考新事物。而我们并不总能自主创造这样的思考空间。” EMA质量创新小组（QIG）正在完善模型监管要求 GSK CMC 政策和倡导总监 Ben Stevens指出，EMA 是帮助澄清围绕制药工艺模型监管期望的机构之一。其质量创新小组 (QIG) 目前正在完善一份“初步考虑”文件，该文件将反映 QIG 在实施模型和与监管机构沟通方面所面临的挑战方面的经验和讨论。 识林-樟 识林®版权所有，未经许可不得转载 岗位必读建议：
文件适用范围： 文件要点总结：
以上仅为部分要点，请阅读原文，深入理解监管要求。 |
