Verifica Continua del Processo nel Farmaceutico: cosa mostra la letteratura

Introduzione

Chiedi a qualsiasi professionista della qualità nella produzione farmaceutica di parlare della Continued Process Verification, e probabilmente otterrai una risposta da libro di testo in pochi secondi. Fase 3. Stato di controllo. Trend statistici. Tutti conoscono la teoria.

Ma ecco la domanda più interessante: cosa dicono realmente la letteratura pubblicata, le warning letters, i rapporti tecnici e i case study su come la CPV si svolge davvero sul piano operativo? 

Non la versione levigata di una slide di formazione, ma la versione confusa e reale in cui i dati non si comportano, i segnali vengono ignorati e i fogli di calcolo rimangono ancora predominanti in più impianti di quanto chiunque vorrebbe ammettere.

È proprio questo che esplora questo articolo. Niente lezioni piene di gergo, solo uno sguardo diretto a ciò che i ricercatori, i regolatori e i professionisti hanno effettivamente osservato.

Prima, un ripasso di 60 secondi

Se sei nuovo al termine, ecco la versione breve. Nel 2011 la FDA ha pubblicato una guidance che ha riorganizzato la validazione del processo in tre fasi invece di considerarla un evento una tantum:

1. Fase 1 – Progettazione del processo: Costruisci la comprensione del processo, di solito attraverso studi di sviluppo e design of experiments.

2. Fase 2 – Qualificazione del processo: Dimostri, tramite run di qualificazione come il Process Performance Qualification (PPQ), che il processo può effettivamente produrre lotti commerciali coerenti.

3. Fase 3 – Verifica Continua del Processo (CPV): Continui a monitorare. Per sempre. O almeno finché il prodotto è sul mercato.

Non è un esercizio una tantum. È un programma continuo, guidato da metodi statistici, per raccogliere e analizzare trend di dati di processo e prodotto durante la produzione commerciale di routine, ed è radicato in un requisito normativo specifico, 21 CFR 211.180(e), che richiede questo tipo di monitoraggio continuo per confermare che un processo produttivo rimanga in uno stato validato di "state of control." Un singolo lotto PPQ riuscito non conta come CPV. La CPV è il programma che continua a funzionare molto tempo dopo quel traguardo.

Questa è la teoria. Ora entriamo in ciò che la letteratura mostra che succede realmente.

Cosa mostra effettivamente la letteratura?

1) La CPV viene trattata come una casella da spuntare molto più spesso di quanto dovrebbe

Nonostante sia un'aspettativa normativa formale da oltre un decennio, molte aziende ancora trattano la Fase 3 come un ripensamento. I commenti del settore hanno evidenziato che la CPV è stata storicamente trascurata, con molte aziende ignare del fatto che un programma CPV adeguato sia in realtà un requisito normativo e non semplicemente una cosa desiderabile. È una constatazione sorprendente per una fase di validazione presente nelle guidance dal 2011. Indica che il divario non riguarda la conoscenza delle regole; riguarda la priorità e le risorse allocate.

2) I problemi sono nei dati, non nei concetti

Si potrebbe pensare che la parte difficile della CPV sia comprendere la statistica. In pratica, la letteratura suggerisce che la parte più difficile è semplicemente ottenere dati puliti e utilizzabili in primo luogo. Un tema ricorrente è che i dati di produzione spesso mostrano autocorrelazione positiva, il che significa che i risultati consecutivi tendono a somigliarsi anziché essere pienamente indipendenti. 

Se non affrontata, questa situazione viola silenziosamente le assunzioni alla base delle carte di controllo standard, perché i dati della produzione biofarmaceutica tendono a mostrare dipendenza sequenziale, il che implica che ogni attributo di qualità deve essere valutato per le cause di questo comportamento e aggiustato con un approccio statistico appropriato, come il tracciamento dei residui di un modello di serie temporali adattato invece dei valori grezzi stessi.

Inoltre, molti impianti sono ancora bloccati con una gestione manuale e basata su carta dei registri. Questo non è neanche un inconveniente di poco conto. L'analisi di programmi CPV reali ha rilevato che le aziende che fanno affidamento su processi manuali e non standardizzati spesso finiscono con una posizione normativa più debole, perché i registri cartacei di lotto non possono essere sincronizzati con i sistemi elettronici, il che rende la raccolta dei dati realmente difficile e rallenta l'intero ciclo CPV.

I registri manuali e cartacei non sono un problema esclusivo della CPV; sono un collo di bottiglia ricorrente per la qualità nella produzione farmaceutica.

→ Leggi: Controllo Qualità Farmaceutico: Playbook 2025

3) Il rigore statistico non è opzionale, e i regolatori lo stanno facendo rispettare

Questo è uno dei riscontri più netti nella letteratura recente: scegliere lo strumento statistico sbagliato per i propri dati non è solo un errore tecnico, è un rinvenimento ispettivo in attesa di accadere. Un esempio documentato del 2024 rende questo concreto. 

I regolatori si aspettano che le aziende giustifichino le loro scelte statistiche con elementi come test di normalità e analisi di capacità, e un'azienda nel 2024 che ha applicato carte di controllo standard a dati di dissoluzione non normali ha ricevuto un'osservazione formale per la mancanza di una razionalità statistica, il che illustra esattamente perché i controlli di idoneità dei dati non possono essere saltati. 

La conclusione qui è semplice ma importante: non puoi limitarti a usare la stessa carta di controllo per ogni attributo di qualità. Lo strumento giusto dipende da come si comportano realmente i dati sottostanti.

4) Non esiste ancora un manuale industriale unico per reagire a un segnale

Rilevare un segnale nei dati CPV (per esempio, una violazione di una regola della carta di controllo o un indice di capacità che si sposta) è una cosa. Sapere esattamente cosa fare, in modo coerente, tra team e siti, è un'altra. Gli organismi professionali hanno segnalato questo come una lacuna aperta. 

Come ha osservato un gruppo del settore, attualmente non esiste una guida normativa che descriva come l'industria dovrebbe rispondere quando appare un segnale nei dati CPV, ed è per questo che sono in corso sforzi per standardizzare il processo decisionale attorno a questi segnali. 

Finché quella standardizzazione non maturerà, molte decisioni del tipo "e adesso cosa facciamo" dipendono ancora a giudizi locali, il che porta naturalmente a incoerenze tra aziende e talvolta tra siti della stessa azienda.

5) Gli strumenti statistici vengono utilizzati, ma spesso come un menu piuttosto che come una strategia

La buona notizia: nessuno nella letteratura si oppone all'uso della statistica. Strumenti come le carte di controllo, gli indici di capacità (Cpk) e i metodi in stile Six Sigma sono ampiamente citati come la spina dorsale del CPV. Ma c'è un punto più sottile nascosto nelle linee guida: la scelta dello strumento dovrebbe essere adeguata alla fase e basata sul rischio, non un'impostazione universale valida per tutti.

La pratica raccomandata è che una strategia statistica per il CPV dovrebbe essere costruita attorno alla quantità di dati disponibili e alla fase del ciclo di vita del prodotto, idealmente documentata in una SOP con una struttura a più livelli basata sul volume dei lotti, in modo che il livello di scrutinio statistico si adatti in modo sensato invece di rimanere statico per sempre.

6) Strumenti digitali e IA entrano nella conversazione, ma non sostituiscono la buona igiene dei dati

Nella letteratura cresce l'interesse per l'uso del machine learning e delle analisi avanzate per gestire in modo più efficiente il grande volume di dati CPV. È una direzione ragionevole, dato quanto dati un singolo processo commerciale genera nel corso della sua vita.

Ma i contributi più concreti della letteratura sottolineano con attenzione che questo è aggiuntivo, non un sostituto dei fondamenti: i progressi nell'analisi statistica, nella modellistica e nel machine learning sono sempre più attesi come parte del modo in cui l'industria sfrutta la conoscenza di processo accumulata durante il ciclo di validazione.

In altre parole, strumenti migliori aiutano a individuare i problemi più rapidamente, ma non risanano un programma che non ha mai avuto una solida raccolta dati o una giustificazione statistica fin dall'inizio.

I sistemi di qualità digitali e guidati dall'IA stanno trasformando più del solo CPV; le piattaforme eQMS stanno cambiando il modo in cui la conformità viene gestita in tutto il settore.
→ Leggi: I migliori strumenti di conformità per le aziende farmaceutiche

Il modello che sta dietro a tutto questo

Se si osservano trasversalmente questi risultati, emerge un modello. Il lato concettuale del CPV, il “perché” e il “cosa”, è ben compreso e raramente contestato. Nessuno nella letteratura mette in dubbio se il monitoraggio continuo sia importante. La difficoltà riguarda quasi interamente il “come”:

• Come si raccolgono i dati in modo coerente tra sistemi manuali e digitali?

• Come si sceglie un metodo statistico che si adatti effettivamente al comportamento reale dei dati?

• Come si fa in modo che un segnale rilevato porti a un'azione tempestiva e ben motivata invece di restare in un rapporto che nessuno legge?

• Come si mantiene il programma adeguatamente dimensionato anziché monitorare troppo poco o sommergere i team con avvisi irrilevanti?

Nessuno di questi è un problema esotico. Sono tanto operativi e culturali quanto statistici.

Cosa hanno in comune i programmi CPV ben gestiti?

Da ciò che funziona bene nella letteratura, emergono ripetutamente alcune caratteristiche:

• Una strategia statistica scritta e basata sul rischio, collegata alla fase del ciclo di vita del prodotto e al volume dei lotti, non un modello generico copiato tra i prodotti.

• Controlli di idoneità dei dati prima della scelta degli strumenti — normalità, autocorrelazione e forma della distribuzione vengono esaminate prima di applicare una carta di controllo o un indice di capacità.

• Raccolta dati elettronica e integrata che evita i ritardi e i vuoti tipici dei registri di produzione cartacei.

• Un processo documentato di segnalazione e risposta in modo che quando qualcosa sembra anomalo, il passo successivo sia chiaro invece di essere deciso caso per caso.

• Cicli di revisione periodici in cui il piano CPV stesso viene rivalutato, non solo i dati che lo attraversano.

• Responsabilità trasversale tra funzioni, poiché il CPV si trova veramente all'incrocio tra produzione, qualità e statistica, e tende a fallire quando è trattato come responsabilità esclusiva di un singolo reparto.

Perché questo importa oltre il fascicolo di ispezione?

È facile inquadrare il CPV solo come un obbligo di conformità, qualcosa che si fa perché 21 CFR lo richiede. Ma la letteratura propone anche un argomento più silenzioso e pratico: un programma CPV maturo riduce davvero i tassi di guasto e abbassa il costo della qualità nel tempo, perché intercetta la deriva prima che diventi una deviazione, e intercetta una deviazione prima che diventi un richiamo. Conformità regolatoria e affidabilità operativa non sono davvero due obiettivi separati qui. Sono lo stesso obiettivo, visto da due scrivanie diverse.

In conclusione

La letteratura sul Continued Process Verification non descrive un sistema che sia rotto. Descrive un sistema concettualmente maturo ma operativamente disomogeneo, forte nei principi, incoerente nell'esecuzione.

Le aziende che trattano lo Stage 3 con la stessa serietà con cui trattano lo Stage 2 tendono a comparire negli studi di caso come storie di successo. Le aziende che lo trattano come mera burocrazia tendono a comparire nelle lettere di richiamo.

Il divario tra questi due esiti di solito non è un divario di conoscenza. È un divario di disciplina, e colmarlo è ben alla portata di qualsiasi team di produzione disposto a mettere lo stesso rigore nello Stage 3 che già applica nello Stage 1 e nello Stage 2.

Domande frequenti

1) Cos'è il Continued Process Verification (CPV) in ambito farmaceutico?

Continued Process Verification è lo Stage 3 del ciclo di vita della validazione del processo. Comprende il monitoraggio continuo e il trend statistico dei dati di processo produttivo e di prodotto per confermare che il processo rimane in uno stato validato di controllo durante la produzione commerciale di routine.

2) Quali sono le maggiori sfide del CPV nella produzione farmaceutica reale?

Una sfida importante è ottenere dati coerenti, affidabili e utilizzabili. Registri manuali, sistemi disconnessi, formati dati incoerenti e scarsa integrazione dei dati possono rendere difficile raccogliere e analizzare i dati CPV in modo efficiente.

3) Perché l'analisi statistica è importante nel CPV?

L'analisi statistica aiuta i produttori a identificare trend di processo, variabilità e potenziali segnali prima che diventino problemi significativi. Tuttavia, il metodo statistico deve essere adatto alle caratteristiche dei dati. Per esempio, la normalità e l'autocorrelazione dovrebbero essere considerate prima di applicare carte di controllo standard o analisi di capacità.

4) Cosa dovrebbe fare un'azienda quando viene rilevato un segnale CPV?

Un'azienda dovrebbe avere una procedura documentata di risposta ai segnali che definisca come i segnali vengono valutati, indagati e scalati. La risposta dovrebbe basarsi sul tipo e sull'importanza del segnale anziché trattare ogni variazione statistica come un guasto di produzione.

5) In che modo gli strumenti digitali possono migliorare i programmi CPV?

I sistemi digitali possono rendere la raccolta, l'integrazione, l'analisi delle tendenze e l'analisi dei dati più rapide e coerenti. L'analisi avanzata e l'AI possono anche aiutare a identificare modelli in grandi set di dati. Tuttavia, gli strumenti digitali non possono compensare una scarsa qualità dei dati, strategie statistiche deboli o processi CPV inadeguati.