Verificación Continua del Proceso en Farmacia: Lo que Muestra la Literatura

Introducción

Pregúntale a cualquier profesional de calidad en la fabricación farmacéutica sobre la Verificación Continua del Proceso, y probablemente obtendrás una respuesta de libro de texto en cuestión de segundos. Etapa 3. Estado de control. Tendencias estadísticas. Todos conocen la teoría.

Pero aquí está la pregunta más interesante: ¿qué dice la literatura publicada real, las cartas de advertencia, los informes técnicos y los estudios de caso sobre cómo se desarrolla realmente la CPV en el taller? 

No la versión pulida de una diapositiva de formación, sino la versión desordenada y real donde los datos no se comportan, las señales se ignoran y las hojas de cálculo siguen dominando en más instalaciones de las que cualquiera querría admitir.

Eso es lo que explora este artículo. Sin una conferencia cargada de jerga, solo una mirada clara a lo que investigadores, reguladores y profesionales han observado realmente.

Primero, un repaso de 60 segundos

Si eres nuevo en el término, aquí tienes la versión corta. En 2011, la FDA publicó una guía que reorganizó la validación del proceso en tres etapas en lugar de tratarla como un evento único:

1. Etapa 1 – Diseño del proceso: Construyes el entendimiento del proceso, normalmente mediante estudios de desarrollo y diseño de experimentos.

2. Etapa 2 – Calificación del proceso: Demuestras, mediante corridas de calificación como Process Performance Qualification (PPQ), que el proceso puede realmente producir lotes comerciales consistentes.

3. Etapa 3 – Verificación Continua del Proceso (CPV): Sigues observando. Para siempre. O al menos mientras el producto esté en el mercado.

Esto no es un ejercicio de una sola vez. Es un programa continuo impulsado por la estadística para recopilar y seguir tendencias de datos de proceso y producto durante la fabricación comercial de rutina, y se basa en un requisito regulatorio específico, 21 CFR 211.180(e), que exige este tipo de monitorización continua para confirmar que un proceso de fabricación se mantiene en un "estado de control" validado. Un único lote PPQ exitoso no cuenta como CPV. La CPV es el programa que continúa funcionando mucho después de que ese hito haya quedado atrás.

Esa es la teoría. Ahora entremos en lo que la literatura dice que realmente sucede.

¿Qué muestra realmente la literatura?

1) La CPV se trata como una casilla para marcar con mucha más frecuencia de la que debería

A pesar de ser una expectativa regulatoria formal durante más de una década, muchas empresas aún tratan la Etapa 3 como algo secundario. Los comentarios de la industria han señalado que históricamente la CPV ha sido pasada por alto, y que muchas empresas no eran conscientes de que un programa de CPV adecuado es en realidad un requisito regulatorio y no algo deseable. Eso es un hallazgo sorprendente para una etapa de validación que existe en la guía desde 2011. Indica que la brecha aquí no es el conocimiento de las reglas; es la priorización y la asignación de recursos.

2) Los problemas son de datos, no conceptuales, y causan la mayor parte del dolor

Podrías pensar que la parte difícil de la CPV sería entender la estadística. En la práctica, la literatura sugiere que la parte más difícil es simplemente obtener datos limpios y utilizables en primer lugar. Un tema recurrente es que los datos de fabricación suelen estar autocorrelacionados positivamente, lo que significa que los resultados consecutivos tienden a parecerse entre sí en lugar de ser completamente independientes. 

Si esto se deja sin abordar, rompe en silencio las suposiciones detrás de las gráficas de control estándar, porque los datos de fabricación biofarmacéutica tienden a mostrar dependencia secuencial, lo que significa que cada atributo de calidad debe evaluarse en cuanto a las causas de este comportamiento y ajustarse con un enfoque estadístico apropiado, como graficar los residuos de un modelo de series temporales ajustado en lugar de los valores en bruto.

Además, muchas instalaciones todavía están atascadas con registros manuales y basados en papel. Esto no es una inconveniencia menor. El análisis de programas CPV del mundo real ha encontrado que las empresas que dependen de procesos manuales y no estandarizados a menudo terminan con una posición regulatoria más débil, porque los registros de lote en papel no pueden sincronizarse con los sistemas electrónicos, lo que hace que la recopilación de datos sea realmente difícil y ralentiza todo el ciclo de CPV.

Los registros manuales y basados en papel no son exclusivos de la CPV; son un cuello de botella de calidad recurrente en la fabricación farmacéutica.

→ Leer: Control de Calidad Farmacéutico: Manual 2025

3) El rigor estadístico no es opcional, y los reguladores lo están haciendo cumplir

Este es uno de los hallazgos más contundentes en la literatura reciente: elegir la herramienta estadística equivocada para tus datos no es solo un error técnico, es un hallazgo de inspección esperando suceder. Un ejemplo documentado de 2024 lo hace concreto. 

Los reguladores esperan que las empresas justifiquen sus elecciones estadísticas con cosas como pruebas de normalidad y análisis de capacidad, y una empresa en 2024 que aplicó gráficas de control estándar a datos de disolución no normales recibió una observación formal por carecer de una justificación estadística, lo que ilustra exactamente por qué no se pueden omitir las verificaciones de idoneidad de los datos. 

La conclusión aquí es simple pero importante: no puedes simplemente usar por defecto la misma gráfica de control para cada atributo de calidad. La herramienta adecuada depende de cómo se comporte realmente el dato subyacente.

4) Aún no existe un manual de la industria para reaccionar ante una señal

Detectar una señal en tus datos CPV (por ejemplo, una violación de una regla de la gráfica de control o un índice de capacidad que se desplaza) es una cosa. Saber exactamente qué hacer al respecto, de manera consistente, entre equipos y sitios, es otra. Los organismos profesionales han señalado esto como una brecha abierta. 

Como observó un grupo de la industria, actualmente no existe una orientación regulatoria que describa cómo la industria debe responder cuando aparece una señal de datos CPV, por lo que se están realizando esfuerzos para estandarizar el proceso de toma de decisiones en torno a estas señales. 

Hasta que esa estandarización madure, muchas decisiones de "¿qué hacemos ahora?" siguen dependiendo del juicio local, lo que conduce naturalmente a inconsistencias entre empresas y, a veces, entre sitios dentro de la misma empresa.

5) Se están utilizando herramientas estadísticas, pero a menudo como un menú más que como una estrategia

La buena noticia: nadie en la literatura está en contra de la estadística. Herramientas como los gráficos de control, los índices de capacidad (Cpk) y los métodos al estilo Six Sigma se mencionan ampliamente como la columna vertebral del CPV. Pero hay un punto más sutil enterrado en las guías: la elección de la herramienta debe ser apropiada para la fase y basada en el riesgo, no un valor predeterminado único para todo.

La práctica recomendada es que una estrategia estadística de CPV se construya en torno a la cantidad de datos disponibles y la etapa del ciclo de vida en que se encuentra el producto, idealmente documentada en un SOP con una estructura escalonada basada en el volumen de lotes, de modo que el nivel de escrutinio estadístico se escale sensiblemente en lugar de mantenerse estático para siempre.

6) Las herramientas digitales y la IA entran en la conversación, pero no sustituyen la buena higiene de los datos

Hay un interés creciente en la literatura por usar aprendizaje automático y análisis avanzados para manejar de forma más eficiente el enorme volumen de datos de CPV. Es una dirección razonable, dado cuánto dato genera un solo proceso comercial a lo largo de su vida útil.

Pero los textos más fundamentados se cuidan de señalar que esto es algo aditivo, no un reemplazo de los fundamentos: se espera cada vez más que los avances en análisis estadístico, modelado y aprendizaje automático formen parte de cómo la industria utiliza el conocimiento del proceso que acumula a lo largo del ciclo de validación.

En otras palabras, mejores herramientas te ayudan a ver los problemas más rápido, pero no arreglan un programa que nunca tuvo una recolección de datos sólida ni una justificación estadística desde el inicio.

Los sistemas de calidad digitales y basados en IA están remodelando más que el CPV; las plataformas eQMS están cambiando cómo se gestiona el cumplimiento en toda la industria.
→ Leer: Mejores herramientas de cumplimiento para empresas farmacéuticas

El patrón detrás de todo esto

Si miras en conjunto estos hallazgos, surge un patrón. El lado conceptual del CPV, el "por qué" y el "qué", está bien entendido y rara vez se discute. Nadie en la literatura cuestiona si el monitoreo continuo importa. La lucha está casi enteramente en el "cómo":

• ¿Cómo recopilar datos de forma consistente entre sistemas manuales y digitales?

• ¿Cómo elegir un método estadístico que realmente se ajuste al comportamiento real de tus datos?

• ¿Cómo asegurarse de que una señal detectada conduzca a una acción oportuna y bien razonada en lugar de quedarse en un informe que nadie lee?

• ¿Cómo mantener el programa razonablemente escalado en lugar de submonitorizar o ahogar a los equipos con alertas irrelevantes?

Ninguno de estos son problemas exóticos. Son operativos y culturales tanto como estadísticos.

¿Qué suele tener en común un programa de CPV bien gestionado?

Basado en lo que suele funcionar bien en la literatura, aparecen una serie de rasgos una y otra vez:

• Una estrategia estadística escrita y basada en riesgos que esté ligada a la etapa del ciclo de vida del producto y al volumen de lotes, no una plantilla genérica copiada entre productos.

• Comprobaciones de idoneidad de los datos antes de seleccionar la herramienta: se examinan la normalidad, la autocorrelación y la forma de la distribución antes de aplicar un gráfico de control o un índice de capacidad.

• Captura de datos electrónica e integrada que evita los retrasos y las lagunas que conllevan los registros de lote en papel.

• Un proceso documentado de señal-respuesta para que cuando algo parezca fuera de lo normal, el siguiente paso esté claro en lugar de debatirse caso por caso.

• Ciclos de revisión periódicos en los que el propio plan de CPV se reevalúa, no solo los datos que fluyen a través de él.

• Propiedad interfuncional, ya que el CPV se sitúa genuinamente en la intersección de fabricación, calidad y estadística, y tiende a fracasar cuando se trata como responsabilidad exclusiva de un departamento.

¿Por qué importa esto más allá del expediente de inspección?

Es tentador enmarcar el CPV puramente como una obligación de cumplimiento, algo que haces porque lo exige el 21 CFR. Pero la literatura plantea un argumento más discreto y práctico: un programa maduro de CPV reduce genuinamente las tasas de fallo y disminuye el costo de la calidad con el tiempo, porque detecta la deriva antes de que se convierta en una desviación y detecta una desviación antes de que se convierta en un retiro. El cumplimiento regulatorio y la fiabilidad operativa no son realmente dos objetivos separados aquí. Son el mismo objetivo, visto desde dos mesas diferentes.

En conclusión

La literatura sobre Continued Process Verification no describe un sistema que esté roto. Describe un sistema que es conceptualmente maduro pero operativamente irregular, fuerte en principios e inconsistente en la ejecución.

Las empresas que tratan la Etapa 3 con la misma seriedad que la Etapa 2 suelen aparecer en los estudios de caso como historias de éxito. Las empresas que la tratan como papeleo suelen aparecer en las cartas de advertencia.

La brecha entre esos dos resultados no suele ser una brecha de conocimiento. Es una brecha de disciplina, y cerrarla está al alcance de cualquier equipo de fabricación dispuesto a aplicar el mismo rigor en la Etapa 3 que ya aplican en la Etapa 1 y la Etapa 2.

Preguntas frecuentes

1) ¿Qué es Continued Process Verification (CPV) en la industria farmacéutica?

Continued Process Verification es la Etapa 3 del ciclo de vida de la validación de procesos. Implica el monitoreo continuo y el análisis estadístico de los datos del proceso de fabricación y del producto para confirmar que el proceso permanece en un estado validado de control durante la producción comercial rutinaria.

2) ¿Cuáles son los mayores desafíos del CPV en la fabricación farmacéutica real?

Un desafío importante es obtener datos consistentes, fiables y utilizables. Los registros manuales, los sistemas desconectados, los formatos de datos inconsistentes y la mala integración de datos pueden dificultar la recopilación y el análisis eficientes de los datos de CPV.

3) ¿Por qué es importante el análisis estadístico en el CPV?

El análisis estadístico ayuda a los fabricantes a identificar tendencias del proceso, variabilidad y posibles señales antes de que se conviertan en problemas significativos. Sin embargo, el método estadístico debe ajustarse a las características de los datos. Por ejemplo, se debe considerar la normalidad y la autocorrelación antes de aplicar gráficos de control estándar o análisis de capacidad.

4) ¿Qué debe hacer una empresa cuando se detecta una señal de CPV?

Una empresa debe contar con un procedimiento documentado de respuesta a señales que defina cómo se evalúan, investigan y escalan las señales. La respuesta debe basarse en el tipo y la importancia de la señal en lugar de tratar cada variación estadística como un fallo de fabricación.

5) ¿Cómo pueden las herramientas digitales mejorar los programas de CPV?

Los sistemas digitales pueden hacer que la recopilación, integración, seguimiento y análisis de datos sean más rápidos y consistentes. Los análisis avanzados y la IA también pueden ayudar a identificar patrones en grandes conjuntos de datos. Sin embargo, las herramientas digitales no pueden compensar la mala calidad de los datos, las estrategias estadísticas débiles o los procesos de CPV inadecuados.