Blog IDBS | 28 September 2023
Cetak biru baru untuk transfer teknologi
Oleh Stuart Ward, Direktur, Platform & Solusi, IDBS
Transfer teknologi dapat memakan waktu antara 18 hingga 30 bulan dan menghabiskan biaya jutaan dolar. Namun, para ahli ilmu hayati optimis bahwa waktu tersebut dapat dikurangi menjadi hanya 8 hingga 11 bulan, jika praktik-praktik terbaik di kelasnya diterapkan.1
Mentransfer pengetahuan produk, proses, dan peralatan adalah hal penting yang harus dilakukan antara pengembangan dan pembuatan obat. Sayangnya, di banyak organisasi, alih teknologi merupakan pembagian informasi yang terputus-putus dan terputus-putus, tulis William Scott-Dunn, PhD, manajer tim produk di IDBS, dalam sebuah artikel baru-baru ini. Dunia Bio-IT artikel.2
"Untuk mengatasi tantangan transfer teknologi yang dapat menunda atau menghambat keberhasilan peningkatan proses, ada kebutuhan untuk memikirkan kembali bagaimana deskripsi proses dikontrol sejak awal pengembangan proses, melalui karakterisasi proses dan optimasi dan pada akhirnya ke manufaktur, "setuju Marc Smith, Direktur Solusi Strategis di IDBS.3
Keduanya sepakat bahwa teknologi canggih yang ada saat ini dapat membantu membuat "cetak biru baru" untuk transfer teknologi yang dibangun di sekitar integritas data, dan bahwa transfer teknologi seperti yang kita ketahui akan menjadi peninggalan.
Banyaknya penyimpanan data mengacaukan transfer teknologi
Ketika meningkatkan dari pasokan uji klinis ke proses manufaktur komersial dan aktivitas rantai pasokan, sangat penting untuk melakukan transfer teknologi dengan cermat, untuk memastikan bahwa hanya "terapi yang aman dan efektif yang sampai ke tangan pasien." Namun, rencana terbaik sekalipun bisa saja gagal karena data yang hilang atau tidak lengkap, yang mengakibatkan pengulangan langkah pengembangan proses dan pada akhirnya menghambat perkembangan ke pasar.
Dunn menunjukkan sebuah contoh umum untuk mengilustrasikan kekuatan data yang salah: Sebuah proses bioreaktor fed-batch telah dikembangkan di Inggris untuk memproduksi protein terapeutik di beberapa lokasi di seluruh dunia. Mereka yang terlibat menganggap dokumentasi yang diperlukan sudah lengkap. Namun, ketika produksi dimulai, tim mengidentifikasi "kinerja yang secara konsisten lebih rendah" di salah satu lokasi produksi. Meskipun pertumbuhan kultur bioreaktor dan titer produk akhir berada dalam batas yang baik di beberapa lokasi, fasilitas khusus ini hampir tidak berada dalam batas yang dapat diterima.
Dalam upaya untuk mereplikasi dan menyelidiki perbedaan-perbedaan ini, tim menginvestasikan waktu untuk membuat model yang diperkecil baik di laboratorium maupun di kultur reaktor percontohan. Dunn menjelaskan bahwa investigasi difokuskan pada satu penyebab tertentu - kegagalan untuk mengikuti proses dengan benar di sisi manufaktur. Pemeriksaan lebih dalam menggunakan diagram tulang ikan memastikan bahwa bahan baku bisa menjadi penyebabnya. "Kultur bioreaktor fed-batch membutuhkan banyak bahan baku selama proses produksi berlangsung, dan perbedaan bahan baku ini dapat berkontribusi pada variabilitas yang signifikan," kata Dunn.
Memang, setelah banyak proses pengecilan ukuran yang memakan biaya besar dengan menggunakan material yang bersumber langsung dari lokasi yang bermasalah, variabilitas material terungkap sebagai masalahnya. Meskipun bahan baku yang tepat akhirnya teridentifikasi, manufaktur sudah mulai mengirimkan semua bahan baku dari lokasi yang berkinerja baik.
Dunn menunjukkan bahwa meskipun transfer teknologi dilakukan dengan benar dengan semua data dimasukkan dengan hati-hati - menggunakan spreadsheet, buku catatan laboratorium elektronik (ELN) dan sistem manajemen informasi laboratorium (LIMS) - dan hasil pengembangan diambil dan diverifikasi, data tersebut, bagaimanapun juga, tidak memiliki "konteks". Dalam kasus khusus ini, tindakan dan catatan digabungkan dan disintesis untuk menciptakan pemahaman ilmiah dan berbagai database disatukan untuk membuat kueri SQL baru untuk mencapai silsilah material dan budaya yang belum sempurna. Dalam contoh yang diberikan Dunn, pemahaman tentang akar penyebabnya sangat mahal dan memakan waktu karena data tidak dilabeli dengan baik dan di luar konteks, penelusuran silsilah menjadi lebih sulit daripada yang seharusnya, kata Dunn.
Berbagi data secara terus menerus mengisolasi kesalahan transfer teknologi
Bisakah dan haruskah masalah bahan baku ini diidentifikasi lebih awal? Secara sederhana, ya! Daripada R&D hanya menyerahkan data yang disimpan di banyak tempat, misalnya spreadsheet, ELN, dan LIMS, data dan konteks dapat dan seharusnya disimpan dan dibagikan pada tulang punggung digital yang bertindak sebagai "sumber kebenaran tunggal antara pengembangan dan manufaktur." Dan, jika dilakukan dengan benar, tulang punggung data digital bersama ini dapat menciptakan cetak biru untuk berbagi pengetahuan secara terus-menerus antara pengembangan dan manufaktur agar lebih mudah mengidentifikasi dan memecahkan masalah seperti yang dijelaskan di atas.
Dalam situasi tersebut, tim pengembangan dan manufaktur dapat bekerja sama untuk "memanfaatkan silsilah asli yang tersimpan di dalam alat analisis visual untuk melacak sejarah semua budaya dan bahan mentah yang digunakan di setiap lokasi," saran Dunn. Dengan menggunakan data kontekstual dari tulang punggung, perubahan bahan baku dan korelasi dengan pergeseran proses akan terdeteksi dengan cepat. Dia melanjutkan dengan menjelaskan bahwa data yang dibagikan dapat membantu tim mengidentifikasi bagaimana bahan baku digabungkan dan dikonsumsi serta mengisolasi alasan penurunan pertumbuhan dan titer produk. Informasi ini dapat dikorelasikan dengan perubahan lot bahan baku tertentu di lokasi tertentu.
Tulang punggung digital yang mengatur data transfer teknologi
McKinsey menunjukkan bahwa proses digital yang mengontekstualisasikan data dapat memfasilitasi transfer teknologi sekaligus memastikan integritas data, kelengkapan data, dan komunikasi dua arah antara pengembangan dan manufaktur tentang pengetahuan proses dan produk.4
Salah satu tulang punggung digital tersebut adalah IDBS Polarsebuah platform BioPharma Lifecycle Management (BPLM) yang bertujuan untuk mempercepat waktu ke pasar dengan mengatasi tantangan umum dalam transfer teknologi. Dengan memanfaatkan data kontekstual tentang bagaimana proses dan produk berinteraksi, platform ini membantu menjalankan proses Anda secara efisien sambil mengkurasi data yang Anda butuhkan. IDBS Polar juga menghilangkan bias terhadap data "keberhasilan" untuk memanfaatkan algoritme AI dengan percaya diri, merampingkan transfer deskripsi proses ke manufaktur.
Dunn percaya bahwa data bersama antara R&D dan manufaktur serta penggunaan alat bantu analitik, seperti analisis multi-variasi, dapat mempercepat analisis dan menghemat jutaan pendapatan yang hilang dengan mempercepat waktu ke pasar. Dia mengatakan: "Cetak biru baru ini secara radikal menciptakan kembali konsep transfer teknologi yang dibangun di atas sumber daya bersama yang dapat diakses oleh semua orang."
Tentang penulis
Stuart adalah Direktur Platform dan Solusi dan bertanggung jawab untuk memastikan bahwa produk IDBS memenuhi kebutuhan pelanggan. Beliau telah mengembangkan tim Platform IDBS, yang meliputi Pemilik Produk, Desainer Pengalaman Pengguna, dan Penulis Teknis, sehingga dapat memberikan pengalaman bisnis dan domain yang diperlukan untuk membuat perangkat lunak dan solusi yang memungkinkan BioPharma dan industri lain mencapai terobosan ilmiah yang lebih cepat. Selain itu, beliau memimpin pembuatan dan peluncuran The E-WorkBook GxP Cloud, yang merupakan produk SaaS pertama IDBS untuk digunakan di lingkungan yang diatur (21 CFR Bagian 11, GxP).
Sebelum memulai jabatan ini pada Januari 2014, ia adalah Manajer Produk untuk E-WorkBook selama empat tahun dan bekerja di IDBS Global Professional Services selama lima tahun, bertanggung jawab untuk menerapkan produk IDBS baik dari perspektif teknis maupun manajemen proyek.
Sebelum bekerja di IDBS, Stuart menyelesaikan fellowship pasca-doktoral di NIH dan kemudian bekerja di Ionix Pharmaceuticals. Ia memperoleh gelar PhD di bidang Farmakologi dari MRC National Institute for Medical Research (University of London).
Referensi
- O'Sullivan, C., Rutten, P., Schatz, C. (2020). Mengapa transfer teknologi mungkin penting untuk mengalahkan COVID-19. McKinsey & Company. Diambil kembali dari [https://www.mckinsey.com/industries/life-sciences/our-insights/why-tech-transfer-may-be-critical-to-beating-covid-19]
- Scott-Dunn, W. (2023). Mengapa transfer teknologi membutuhkan cetak biru baru. Dunia Bio-IT. Diambil kembali dari [https://www.bio-itworld.com/news/2023/01/13/why-tech-transfer-needs-a-new-blueprint]
- IDBS. (2023). Strategi bioproses generasi mendatang untuk meningkatkan kecepatan, biaya, dan kualitas transfer teknologi. Diambil kembali dari [https://www.idbs.com/2023/07/bioprocess-international-2023/]
- Fontanillo, M., Paulick, K., Poda, P., & Silberzahn, T. (2022). Keluar dari bayang-bayang: Masa depan yang lebih cerah untuk pengembangan teknis farmasi. Diambil kembali dari [https://www.mckinsey.com/industries/life-sciences/our-insights/out-of-the-shadows-a-brighter-future-for-pharma-technical-development
Bacaan lebih lanjut
Lembar informasi: Alih teknologi dan kebutuhan akan transformasi digital
Berita lainnya