中药工业智能制造转型模式及监管问题探讨

摘要/Abstract

摘要：

中药制药工业质量控制水平的提升需要以科技创新为引领，以先进制药工程技术为支撑。智能制造融合了先进制造技术与信息技术，已经成为提高制造业质量与效益的先进生产方式。本研究聚焦中药工业实施智能制造重大战略工程，根据中药产品质量及其制造流程的特点，结合中药制药工业面临的管控问题以及智能制造技术特征，提出中药产业发展智能制造的转型方向，核心包括由基于经验的控制向以数据为驱动力的控制转型、产品检验向过程管控转型、分散向集成转型，以及药品制造向药品全生命周期服务转型等领域的突破。总结近年来中药标杆性企业在智能制造技术研究方面取得的成果以及产业转化进展，讨论中药产业在智能制造转型过程中面临的监管问题，以期为中药工业实施智能制造项目的系统架构规划与技术路线设计提供参考。

关键词: , 中药工业；智能制造；监管科学；先进制药技术

Abstract:

The improvement of quality control level of Chinese medicine （CM） industry demands the guide of innovation in science and technologies， and the support of advanced pharmaceutical manufacturing engineering technologies. Intelligent manufacturing which integrates advanced manufacturing technologies and information technologies， has become the advanced manufacturing made to increase the quality and efficiency of manufacturing industry. Focusing on the major strategic project of intelligent manufacturing implemented in CM industry， this study proposed the transformation directions of developing intelligent manufacturing in CM industry， which were based on the characteristics of CM product quality and manufacturing process， as well as the problems of quality management and control faced by CM industry and the advantages of intelligent manufacturing technologies. Four directions were proposed， including the transformation from experience-based control to data-driven control， the transformation from product-test mode to process control and management mode， the transformation from separation to integration， and the transformation from drug product manufacturing to the full life cycle service of drug product. The achievements and industrial application of intelligent manufacturing by representative CM enterprise were introduced， and the regulatory concerns generated from the intelligent manufacturing transformation of CM industrial were discussed. This paper provides reference for CM industry to plan systematic architecture and design technical chart when developing intelligent manufacturing projects.

Key words: Chinese medicine industry； , Intelligent manufacturing； , Regulatory science； , Advanced pharmaceutical manufacturing technology

中图分类号:

张磊, 孟昭平, 岳洪水, 于淼, 李萌, 鞠爱春, .

中药工业智能制造转型模式及监管问题探讨 [J]. 中国医药导刊, 2024, 26(2): 129-138.

ZHANG Lei, MENG Zhaoping, YUE Hongshui, YU Miao, LI Meng, JU Aichun, .

The Mode of the Transformation of Intelligent Manufacturing in Chinese Medicine Industry and the Discussions on Regulatory Concerns [J]. CHINESE JOURNAL OF MEDICINAL GUIDE, 2024, 26(2): 129-138.

参考文献

［1］程翼宇，瞿海斌，张伯礼. 中药工业4.0：从数字制药迈向智慧制药［J］. 中国中药杂志，2016， 41 （1）： 1-5.

［2］中华中医药学会. 2022年度中医药重大科学问题、工程技术难题及产业技术问题［J］. 中医杂志，2022， 63 （14）： 1301-1312.

［3］程翼宇，张伯礼，方同华，等. 智慧精益制药工程理论及其中药工业转化研究［J］. 中国中药杂志，2019，44（23）：5017-5021.

［4］中华人民共和国中央人民政府. 国家智能制造标准体系建设指南（2021版）［EB/OL］. （2011-01-03）［2023-08-20］. https：//www.gov.cn/zhengce/zhengceku/2021-12/09/content_5659548.htm.

［5］田清华，张亚，徐聪，等. HPLC指纹图谱结合化学模式识别评价舒筋活血制剂的整体质量［J］. 中草药，2019，50（20）：4925-4931.

［6］ Tang J， Li W， Tan X， et al. A novel and improved UHPLC-QTOF/MS method for the rapid analysis of the chemical constituents of Danhong injection ［J］. Anal Met， 2016， 8： 2904-2914.

［7］赵芳，李文竹，潘坚扬，等. 基于核磁共振氢谱的组学技术在中药制药过程研究中的应用与展望［J］. 世界中医药，2021，16（23）：3414-3418.

［8］思梦兰，王鐾璇，缪培琪，等. 基于数据驱动的过程智能优化技术研究现状及其在中药先进制药中的应用展望［J］. 天津中医药大学学报，2020， 39 （5）： 485-492.

［9］林欢欢，邵长鑫，彭婷，等. 黄芩炮制的历史沿革及现代研究进展［J］. 中国实验方剂学杂志， 2023， 48 （4）： 673-680.

［10］刘昌孝，张铁军，何新，等. 活血化瘀中药五味药性功效的化学及生物学基础研究的思考［J］. 中草药， 2015， 46 （5）： 615-624.

［11］付智慧，李淑军，胡慧华，等. 基于电子舌技术的豨莶草炮制前后滋味比较［J］. 中草药， 2017， 48 （4）： 673-680.

［12］柴冲冲，曹妍，毛民，等. 基于电子舌技术评价黄芩酒炙前后滋味变化及其在黄芩饮片鉴别中的应用研究［J］. 中国中药杂志，2020， 45 （11）： 2552-2559

［13］熊皓舒，李瑶瑶，张凯旋，等. 基于物性表征结合多变量统计分析的复方丹参提取物批次质量控制研究［J］. 中国中药杂志，2022， 47 （9）： 2465-2473

［14］国家药品监督管理局. 药品生产质量管理规范［EB/OL］. （2011-01-03）［2023-08-20］. https：//www.samr.gov.cn/zw/zfxxgk/fdzdgknr/bgt/art/2023/art_d5e1dbaa8f284277a5f6c3e2fc840d00.html.

［15］张胜，陈厚柳，瞿海斌. 中药产品质量回顾数据挖掘方法研究［J］. 中国中药杂志，2023， 48 （5）： 1264-1272.

［16］于洋，苗坤宏，李正. 基于数字孪生的中药智能制药关键技术［J］. 中国中药杂志，2021， 46 （9）： 2350-2355.

［17］徐冰，史新元，罗赣，等. 中药工业大数据关键技术与应用研究［J］. 中国中药杂志，2020， 45 （2）： 221-232.

［18］李杰，倪军，王安正. 从大数据到智能制造［M］. 上海交通大学出版社，2016.

［19］李振皓，钱忠直，程翼宇. 基于大数据科技的中药质量控制技术创新战略［J］. 中国中药杂志，2015， 40 （17）： 3375-3378.

［20］徐冰. 中药制剂生产过程全程优化方法学研究［D］. 北京中医药大学，2013.

［21］ Food and Drug Administration （FDA）. Guidance for Industry PAT — A Framework for Innovative Pharmaceutical Development， Manufacturing， and Quality Assurance［S］. 2004.

［22］程翼宇，钱忠直，张伯礼. 创建以过程管控为核心的中药质量控制技术体系［J］. 中国中药杂志，2017， 42 （1）： 1-5.

［23］熊皓舒，张嫱，章顺楠，等. 中药制药过程分析技术方法学研究与应用进展［J］. 中国中药杂志，2023，48 （1）： 22-29.

［24］王海霞，所同川，余河水，等. 基于近红外光谱技术的甘草提取过程最有建模方法研究［J］. 中国中药杂志， 2016， 41 （19）： 3537-3542.

［25］吴思俊. 基于近红外光谱技术的中药制药工艺重点判断方法研究［D］. 天津中医药大学，2021.

［26］张大炜，田埂，熊皓舒，等. 基于近红外光谱技术的养血清脑颗粒流化床制粒过程检测研究［J］. 中国中药杂志， 2022， 47 （14）： 3806-3815.

［27］严斌俊，郭正泰，瞿海斌，等. 前馈控制方法及其在丹红注射液醇沉工艺品质提升中的应用［J］. 中国中药杂志， 2013， 38 （11）： 1667-1671.

［28］ Jiang C， Qu HB. In-line spectroscopy combined with multivariate analysis methods for endpoint determination in column chromatographic adsorption processes for herbal medicine ［J］. Acupuncture and Herbal Medicine， 2022， 2 （4）： 253-260.

［29］李越，熊皓舒，鞠伟，等. 中药智能制造实时数据库开发、计算机化系统验证及应用［J］. 中医药工业杂志，2021， 52（10）： 1396-1407.

［30］易俊飞，张辉，赵晨阳，等. 医药智能制造生产线关键技术研究进展［J］. 中南大学学报（自然科学版）， 2021， 52 （2）： 421-433.

［31］于佳琦，徐冰，姚璐，等. 中药质量源于设计方法和应用：智能制造［J］. 世界中医药，2018， 13（3）： 574-579.

［32］王子千，王学成，钟志坚，等. 中药口服固体制剂连续制造技术应用现状、趋势与挑战［J］. 中国中药杂志， 2023， 48 （16）： 4536-4544.

［33］ Lipinski CF， Maltarollo VG， Oliveira PR， et al. Advances and perspectives in applying deep learning for drug design and discovery［J］. Front Robot AI， 2019， 6 （108）： 1-6.

［34］ Watson OP， Cortes-Ciriano I， Taylor AR， et al. A decision-theoretic approach to the evaluation of machine learning algorithms in computational drug discovery［J］. Bioinformatics， 2019， 35（22）： 4656-4663.

［35］王曦廷，李彧，张澜，等. 基于机器学习的抗纤维化中药化合物筛选研究［J］. 北京中医药大学学报， 2019， 42 （1）： 30-36.

［36］孙梅，闵丽，孙瑶，等. 基于数据挖掘的6种疼痛方剂用药规律比较研究［J］. 中国中药杂志，2019，44（8）：1682-1688.

［37］刘梦玲，章新友，丁亮，等. 数据挖掘方法在中药配伍规律研究中的应用与进展［J］. 中国中药杂志，2021，46（20）：5233-5239.

［38］国家药品监督管理局. 国家药监局关于发布《中药注册管理专门规定》的公告（2023年第20号）［EB/OL］. （2023-02-10）［2023-12-05］. https：//www.nmpa.gov.cn/xxgk/fgwj/xzhgfxwj/20230210173401120.html.

［39］夏旭东，程伟高，周明，等. 基于真实世界数据的清开灵注射液不良反应信号挖掘与分析［J］. 中草药，2023，54（4）：1220-1227.

［40］王志飞，喻锦扬，谢雁鸣. 参附注射液30106例上市后临床安全性医院集中监测［J］. 中国中药杂志，2017，42（15）：2871-2876.

［41］吕建，王连心，谢雁鸣. 基于处方序列及处方序列对称分析的中药药物警戒［J］. 中国中药杂志，2021，46（21），5468-5474.

［42］刘欢. 基于巢氏病例对照的参麦注射液不良反应的数据挖掘分析［D］. 电子科技大学，2015.

［43］张佳颖. 以含三七皂苷成分中药注射液为例建立ADR前置预测系统［D］. 电子科技大学，2017.

［44］熊皓舒，章顺楠，朱永宏，等. 中药智能制造质量数字化研究及复方丹参滴丸实践［J］. 中国中药杂志， 2020， 45 （7）： 1698-1706.

［45］张磊，岳洪水，鞠爱春，等. 基于近红外光谱技术的注射用丹参多酚酸生产过程分析系统构建及相关探讨［J］.中国中药杂志，2016，41（19）：3569-3573.

［46］徐敏，张磊，岳洪水，等. 基于近红外光谱分析技术的注射用益气复脉（冻干）红参醇提过程在线监测［J］. 药物评价研究， 2018， 41（3）： 462-468.

［47］徐敏，张磊，岳洪水，等. 基于近红外光谱技术和多变量统计过程控制的五味子提取生产过程监测方法［J］. 中国中药杂志， 2017， 42 （20）： 3906-3911.

［48］侯湘梅，张磊，岳洪水，等. 基于近红外光谱分析技术的丹参多酚酸大孔吸附树脂柱色谱过程监测方法［J］. 中国中药杂志， 2016， 41 （13）：2435-2441.

［49］侯湘梅，张磊，岳洪水，等. 基于近红外光谱分析技术在线监测丹参多酚酸聚酰胺柱色谱过程. 中国实验方剂学杂志， 2017，第23卷，80-85.

［50］安思宇. 注射用益气复脉（冻干）生产过程近红外光谱分析模型建立方法及其应用研究［D］. 中国药科大学， 2020.

［51］丁鸿，徐芳芳，杜慧，等. 基于决策树算法的热毒宁注射液金银花青蒿醇沉过程质量控制研究［J］. 中草药，2021， 52（19）： 5836-5844.

［52］曾敬其，李倩倩，马丽娟，等. 中药大品种制造关键质量属性表征：质构感官属性的同仁牛黄清心丸质量控制方法研究［J］. 中国中药杂志， 2021， 46 （7）： 1598-1605.

［53］张芳语，林玲，曾敬其，等. 中药大品种制造关键质量属性表征：空间分布均匀度质量属性的同仁牛黄清心丸贵细药混合过程控制可视化方法研究［J］. 中国中药杂志， 2021， 46 （7）： 1585-1591.

［54］魏宇楠，黄兴国，曾敬其，等. 中药大品种制造关键质量属性表征：水分含量化学属性的同仁牛黄清心丸贵NIR现场检测方法研究［J］. 中国中药杂志， 2021， 46 （7）： 1592-1597.

［55］国家药品监督管理局药品审评中心. 化学口服固体制剂连续制造技术指导原则（试行）. ［EB/OL］. （2023-03-20）［2023-11-29］. https：//www.cde.org.cn/main/news/viewInfoCommon/fcd2eeca1882b5782411bf00fe21e123.

［56］国家药典委员会. 中华人民共和国药典（四部）［S］. 北京：中国医药科技出版社，2020： 486.

［57］国家药品监督管理局. “十四五”国家药品安全及促进高质量发展规划［EB/OL］. （2021-12-30）［2023-10-29］. https：//www.nmpa.gov.cn/zwgk/ghcw/ghjh/20211230192314164.html.

[1]	李艺羿, 赵晓云, 胡芷若, 田金徽, . PCI患者术后康复的研究现状与前沿分析 [J]. 中国医药导刊, 2024, 26(2): 193-198.
[2]	杨雪, 吴松梅, 王茜, 陈影, 石淇允. 电针联合膀胱功能锻炼治疗脊髓损伤后神经源性膀胱的系统评价及Meta分析 [J]. 中国医药导刊, 2024, 26(2): 199-207.

快速检索引用检索图表检索高级检索