Qualche tempo fa, FDA ha pubblicato un Discussion Paper sull’Intelligenza Artificiale (AI) nella produzione farmaceutica. Non si tratta quindi di una bozza ne di una linea guida ma solo di un documento che ha lo scopo di raccogliere i primi feedback da parte dei portatori di interesse per sviluppare un futuro quadro normativo.
Intelligenza artificiale (AI): una branca dell’informatica, della statistica e dell’ingegneria che utilizza algoritmi o modelli per simulare le capacità di pensiero e il comportamento umano.
Affinchè i farmaci in commercio siano sicuri, efficaci e disponibili, è necessario che la produzione farmaceutica sia agile e flessibile.
Si parla di Pharma 4.0 o di Advanced Manufacturing, ovvero di una tecnologia o un approccio di produzione farmaceutica innovativa che ha il potenziale di migliorare l’affidabilità e la solidità del processo di produzione e la resilienza della catena di fornitura.
Il Pharma 4.0 può:
(a) integrare nuovi approcci tecnologici,
(b) utilizzare tecniche consolidate in modo innovativo, oppure
(c) applicare metodi di produzione in un nuovo ambito in cui non esistono best practice definite.
L’AI offre molte possibilità nell’industria farmaceutica, tra cui, ma non solo, l’ottimizzazione della progettazione e del controllo dei processi, il monitoraggio intelligente e il monitoraggio dei trend per il
miglioramento continuo. L’Intelligenza Artificiale è il catalizzatore per l’implementazione di un paradigma di Industria 4.0 che potrebbe portare a un sistema ben controllato, iperconnesso e digitalizzato.
Qualche esempio di come l’Intelligenza Artificiale potrebbe integrarsi con la produzione farmaceutica:
- Progettazione e scalabilità dei processi:
Modelli di intelligenza artificiale come l’apprendimento automatico generato utilizzando i dati di sviluppo del processo, potrebbero essere sfruttati per identificare più rapidamente i parametri ottimali di lavorazione o scalare i processi, riducendo i tempi di sviluppo e gli sprechi. - Controllo avanzato del processo (APC):
L’APC consente il controllo dinamico del processo di produzione per ottenere il risultato desiderato. I metodi di intelligenza artificiale possono essere utilizzati anche per sviluppare controlli di processo in grado di prevedere la progressione di un processo utilizzando l’intelligenza artificiale in combinazione con i dati dei sensori in tempo reale. - Monitoraggio dei processi e rilevamento dei guasti:
I metodi di AI possono essere utilizzati per monitorare le apparecchiature e rilevare i cambiamenti rispetto alle prestazioni normali che attivano le attività di manutenzione, riducendo i tempi di inattività del processo. I metodi di intelligenza artificiale possono essere utilizzati anche per monitorare la qualità dei prodotti, compresa la qualità degli imballaggi (controllo visivo attraverso l’AI per rilevare le deviazioni dai requisiti di un determinato attributo di qualità del prodotto). - Monitoraggio dei trend:
L’intelligenza artificiale può essere utilizzata per esaminare i reclami dei consumatori e le segnalazioni di deviazione per identificare gli aspetti problematici e dare priorità alle aree da migliorare. Questo offre il vantaggio di identificare i trend nelle deviazioni legate alla produzione per supportare un’identificazione più completa delle root cause. I metodi di intelligenza artificiale integrati con le metriche di performance e di capacità dei processi possono essere utilizzati per monitorare proattivamente le operazioni di produzione ed identificare i trend; inoltre possono prevedere le soglie per l’attivazione di valutazioni dell’efficacia delle azioni correttive e preventive.
Considerazioni sull’Intelligenza Artificiale
Il documento di FDA presenta una serie di considerazioni sull’intelligenza artificiale. Le presentiamo brevemente:
- Lo spostamento di alcune funzionalità software in cloud potrebbe influire sulla supervisione dei dati e dei record di produzione
- L’IoT aumenterebbe la quantità di dati generati durante la produzione, influenzando di fatto le pratiche di gestione dati in essere: potrebbe essere necessario bilanciare l’integrità e la conservazione dei dati con la logistica della gestione.
- Chi richiede l’autorizzazione all’immissione in commercio dovrebbe aver chiaro se e in che misura l’applicazione dell’Intelligenza Artificiale sia soggetta alla supervisione normativa.
- L’AI può essere utilizzata per il controllo dei processi e per supportare i test di rilascio. Per questo motivo è necessario che i modelli utilizzati siano sviluppati e convalidati in accordo a standard predefiniti.
- La presenza di sistemi di AI ad apprendimento continuo che si adattano ai dati in tempo reale rendono sfidante la verifica da parte delle Autorità perchè bypassano il sistema di change control attualmente in uso.
Si tratta di temi da prendere in considerazione e su cui l’industria è chiamata a confrontarsi nel breve periodo, non solo per trovare soluzioni in tempi rapidi ma per capire come ripensare un modello di produzione strutturato come quello farmaceutico.
Per Internet of Things (IoT) o Internet delle Cose si intende quel percorso nello sviluppo tecnologico in base al quale, attraverso la rete Internet, potenzialmente ogni oggetto dell’esperienza quotidiana acquista una sua identità nel mondo digitale. L’IoT si basa sull’idea di oggetti “intelligenti” tra loro interconnessi in modo da scambiare le informazioni possedute, raccolte e/o elaborate.
Le domande ai portatori di interesse
Il documento si conclude con una serie di domande agli stakeholder a cui si chiede di rispondere. Eccole:
- Quali tipi di applicazioni di intelligenza artificiale prevede di utilizzare nella produzione
farmaceutica? - Esistono ulteriori aspetti dell’attuale quadro normativo che possono influenzare l’implementazione dell’AI nella produzione di farmaci e che dovrebbero essere presi in considerazione daFDA?
- Sarebbe utile una guida sull’AI nella produzione di farmaci? In caso affermativo, quali
aspetti della tecnologia di AI sarebbero da considerare? - Quali sono gli elementi necessari affinché un produttore possa implementare modelli basati sull’AI
in un ambiente GMP? - Quali sono le pratiche comuni per la convalida e la manutenzione dei modelli di AI ad autoapprendimento? e quali sono le fasi da considerare per stabilire le best practices?
- Quali sono i meccanismi necessari per gestire i dati utilizzati per generare modelli di AI nella produzione farmaceutica?
- Ci sono altri aspetti dell’implementazione di modelli per la produzione farmaceutica per i quali sarebbe utile una guida?
- Ci sono aspetti dell’applicazione dell’AI nella produzione farmaceutica non trattati in questo documento?
Il parere del nostro esperto
Ing. Laura Monti – GxP Compliance Expert
L’utilizzo dell’intelligenza artificiale e, in particolare, del machine learning in ambito regolato è un punto di attenzione da parte delle diverse regulatory authorities già da un paio anni ([a], [b] e [c]), in quanto si assiste a un crescente utilizzo di questi algoritmi senza che vi sia una solida base normativa di riferimento.
Una spinta ad approfondire e normare questo settore la troviamo nel recente Concept Paper EMA relativo alla revisione dell’EU GMP Annex 11 [d] che, al cap. 2, richiede di includere nel documento rivisto delle linee guida per l’accettazione degli algoritmi AI/ML utilizzati in applicazioni GMP critiche. Questa richiesta scaturisce dalla necessità di avere una guida normativa in quanto AI/ML non sono ancora coperte da orientamenti normativi esistenti nell’industria farmaceutica sebbene le aziende farmaceutiche stiano già implementando tali algoritmi.
Anche FDA si è recentemente espressa in tal senso con l’emissione di Discussion Paper FDA sull’utilizzo della Intelligenza Artificiale nella produzione di farmaci [e] fondato sull’applicazione di un framework normativo risk-based.
É infine necessario ricordare come anche nelle nuove GAMP5 ed. 2 ([f]) è stato incluso il nuovo Appendix D11 in cui viene descritto il ciclo di vita di una ML utilizzata nell’industria life science e in ambito GXP regolato.
Riferimenti:
- FDA, Health Canada ed MHRA “Good Machine Learning Practice for Medical Device Development: Guiding Principles“
- FDA “Proposed Regulatory Framework for Modifications to Artificial Intelligence/Machine Learning (AI/ML)-Based Software as a Medical Device (SaMD)“
- ICMRA “Horizon Scanning Assessment Report – Artificial Intelligence“
- EMA “Concept Paper on the revision of Annex 11 of the guidelines on Good Manufacturing Practice for medicinal products – Computerised”
- FDA “Artificial Intelligence in Drug Manufacturing”
- ISPE GAMP, “GAMP5 A risk-based approach to compliant GxP computerized systems – Second edition”
Fonte:
CENTER FOR DRUG EVALUATION AND RESEARCH – Artificial Intelligence in Drug Manufacturing