*本文源自《Automation World》羅克韋爾自動(dòng)化全球生命科學(xué)策略與營銷總監(jiān) Smriti Khera 署名觀點(diǎn)文章

人工智能 (AI) 在批次監(jiān)測和數(shù)字孿生技術(shù)開發(fā)過程中的應(yīng)用，正在為過程控制樹立新的標(biāo)桿：通過實(shí)時(shí)偏差檢測、預(yù)測性調(diào)整和基于模擬的優(yōu)化，在保障生產(chǎn)質(zhì)量的同時(shí)，降低了生產(chǎn)風(fēng)險(xiǎn)。

實(shí)時(shí)批次監(jiān)測技術(shù)

由機(jī)器學(xué)習(xí)驅(qū)動(dòng)的實(shí)時(shí)批次監(jiān)測技術(shù)能夠幫助制造商及早發(fā)現(xiàn)偏差，進(jìn)而減少故障、提升一致性并降低成本。

數(shù)字孿生技術(shù)

數(shù)字孿生技術(shù)通過結(jié)合實(shí)時(shí)數(shù)據(jù)來模擬細(xì)胞與基因治療過程，能夠?qū)崿F(xiàn)無風(fēng)險(xiǎn)地優(yōu)化培養(yǎng)條件、純化步驟和營養(yǎng)策略，并根據(jù)患者的個(gè)體細(xì)胞特性實(shí)現(xiàn)全過程量身定制。

質(zhì)量管理內(nèi)嵌生產(chǎn)

AI 與預(yù)測性分析將質(zhì)量管理嵌入生產(chǎn)過程，加快療法可及性，契合“質(zhì)量源于設(shè)計(jì)”理念。

當(dāng)前，細(xì)胞和基因治療 (CGT) 制造成本高昂，單批次細(xì)胞療法的生產(chǎn)成本可能高達(dá) 50 萬美元。一旦因過程中的細(xì)微偏差導(dǎo)致某個(gè)批次失敗，制造商和患者雙方都將面臨嚴(yán)重后果：不僅可能承擔(dān)經(jīng)濟(jì)損失，甚至是承受治療延誤的風(fēng)險(xiǎn)。

與此同時(shí)，CGT 市場迎來飛速發(fā)展。全球范圍內(nèi)有超過 2000 項(xiàng)臨床試驗(yàn)正在推進(jìn)，數(shù)十種療法已從臨床進(jìn)入商業(yè)化階段。CGT 制造商面臨雙重挑戰(zhàn)：既要擴(kuò)大產(chǎn)能，又需嚴(yán)格保證質(zhì)量并控制成本。如今，行業(yè)競爭愈發(fā)激烈，如何將突破性科研成果投入實(shí)際生產(chǎn)應(yīng)用成為關(guān)鍵。

在這一背景下，創(chuàng)新監(jiān)測解決方案成為 CGT 制造過程中的關(guān)鍵環(huán)節(jié)。在 CGT 制造過程中，再微小的偏差也可能會(huì)引發(fā)嚴(yán)重后果。與傳統(tǒng)藥物不同，CGT 使用的是活細(xì)胞，會(huì)因?yàn)榄h(huán)境的細(xì)微變化而發(fā)生劇烈反應(yīng)。即使是 1 到 2 攝氏度的溫度變化也可能會(huì)引發(fā)細(xì)胞應(yīng)激反應(yīng)；培養(yǎng)基成分的微妙變化同樣可能影響細(xì)胞生長速率；批次間離心過程不一致則可能會(huì)損害細(xì)胞活性。這些偏差如果在過程中不斷累積，最終將對(duì)療法的有效性和安全性構(gòu)成重大風(fēng)險(xiǎn)。

傳統(tǒng)質(zhì)量控制方法（例如生產(chǎn)后期檢測）往往是在批次已遭破壞后再行介入，為時(shí)已晚。而AI 和預(yù)測性分析技術(shù)可以先行發(fā)現(xiàn)問題，避免批次遭到破壞，掀起了 CGT 制造轉(zhuǎn)型浪潮。

AI 先行檢測，降低偏差風(fēng)險(xiǎn)

AI 驅(qū)動(dòng)的批次監(jiān)測系統(tǒng)可同步分析數(shù)千個(gè)工藝參數(shù)，捕捉人類操作員可能會(huì)遺漏的微妙模式。這些系統(tǒng)融合了多項(xiàng) AI 技術(shù)：

計(jì)算機(jī)視覺技術(shù)負(fù)責(zé)檢查生物反應(yīng)器圖像以評(píng)估細(xì)胞特性。

機(jī)器學(xué)習(xí)技術(shù)負(fù)責(zé)處理傳感器追蹤到的 pH 值、氧氣、葡萄糖和代謝物等數(shù)據(jù)。

自然語言處理技術(shù)則會(huì)掃描批次記錄，尋找程序偏差與結(jié)果間的關(guān)聯(lián)。

AI 的關(guān)鍵作用在于先行檢測偏差，以免影響產(chǎn)品質(zhì)量。例如，在監(jiān)測細(xì)胞培養(yǎng)時(shí)，AI 可以識(shí)別早期代謝物濃度變化，方便操作員根據(jù)這一變化所反映的潛在問題實(shí)時(shí)調(diào)整溫度、pH 值和營養(yǎng)。

借助 AI 驅(qū)動(dòng)的批次監(jiān)測系統(tǒng)，制造商可以減少批次錯(cuò)誤，提高質(zhì)量的一致性并減少浪費(fèi)。這類系統(tǒng)不僅能提供基礎(chǔ)警報(bào)，還可以理解各因素間的相互影響，從而區(qū)分正常偏差與需要干預(yù)的真正異常。

數(shù)字孿生助力降低生產(chǎn)風(fēng)險(xiǎn)

數(shù)字孿生技術(shù)可以利用生產(chǎn)環(huán)境的實(shí)時(shí)數(shù)據(jù)為生產(chǎn)過程生成虛擬副本，讓制造商在實(shí)際生產(chǎn)前預(yù)判批次的未來狀態(tài)。這種技術(shù)為處理具有生物變異特性的批次提供了無風(fēng)險(xiǎn)模擬平臺(tái)，對(duì)于過程變更及各種假設(shè)場景的模擬具有重大意義。

這些數(shù)字副本并非孤立運(yùn)行，而是通過安全數(shù)據(jù)管道與制造執(zhí)行系統(tǒng) (MES)、實(shí)驗(yàn)室信息管理系統(tǒng) (LIMS) 和企業(yè)資源計(jì)劃 (ERP) 等平臺(tái)深度集成，借助云計(jì)算來處理復(fù)雜模擬所需的算力負(fù)載。

如果患者細(xì)胞呈現(xiàn)獨(dú)特特性，團(tuán)隊(duì)即可利用數(shù)字孿生精準(zhǔn)調(diào)整營養(yǎng)策略、培養(yǎng)時(shí)長和純化參數(shù)，優(yōu)化各批次從細(xì)胞到療法的整個(gè)路徑。

漸進(jìn)式落地方法

AI 和數(shù)字孿生技術(shù)在 CGT 領(lǐng)域的應(yīng)用往往需要分階段落地，企業(yè)通常優(yōu)先選擇投資回報(bào)率 (ROI) 較高的應(yīng)用場景，并確保確保傳感器和采集系統(tǒng)的測量數(shù)據(jù)準(zhǔn)確無誤，這也意味著設(shè)備升級(jí)與校準(zhǔn)流程的優(yōu)化必不可少。

由工程師、質(zhì)量專家和數(shù)據(jù)科學(xué)家組成的跨職能團(tuán)隊(duì)，是將數(shù)據(jù)轉(zhuǎn)化為可執(zhí)行洞察的關(guān)鍵力量。在實(shí)踐中，企業(yè)往往先分析歷史批次，再逐步過渡至實(shí)時(shí)監(jiān)控，在此過程中逐步建立信心和價(jià)值。

這種漸進(jìn)式策略既能讓團(tuán)隊(duì)逐步適應(yīng)技術(shù)，又能快速實(shí)現(xiàn)價(jià)值交付，為后續(xù)高級(jí)應(yīng)用場景奠定基礎(chǔ)。

從批次失敗到治療突破

隨著 CGT 進(jìn)入主流醫(yī)療領(lǐng)域，提升制造效率對(duì)于降低患者治療成本和提高治療普及性至關(guān)重要。

未來，隨著系統(tǒng)智能化程度的不斷提升，具有自學(xué)習(xí)和持續(xù)優(yōu)化能力的制造體系將不斷涌現(xiàn)。這類智能系統(tǒng)不僅能維持質(zhì)量穩(wěn)定，更能持續(xù)優(yōu)化質(zhì)量表現(xiàn)，推動(dòng)科研成果進(jìn)一步轉(zhuǎn)化為穩(wěn)定可靠的生產(chǎn)技術(shù)和臨床療法。