7.3 过程分析技术PAT：从终点检验走向实时放行

7.3 过程分析技术 PAT：从终点检验走向实时放行

本节摘要：过程分析技术（PAT）把检测从"批结束后的实验室"搬进"过程进行中的线上"：拉曼与近红外光谱在线测培养参数、紫外色谱图自动判定层析收集窗口、均压曲线判定冻干终点，模型把光谱变成浓度、把数据变成放行证据。PAT 的终点形态是实时放行检测（RTRT）——质量结论在过程里生成，而不是在事后确认。

7.1 与 7.2 的方法有一个共同的时间缺陷：都是"终点检验"——样品送实验室、方法跑半天到几天、结果出来时过程早已翻篇。本节介绍把检测搬进过程的工程学：PAT。它是第 10 章数字化与连续工艺的技术地基，也是 QbD（9.2）最理想的落地形态。

PAT 的三层含义

第一层是在线传感：把分析仪器装到工艺管线与罐体上。拉曼与近红外探头透过视窗直接读培养液光谱，光谱本身没人看得懂，但化学计量学模型（偏最小二乘等）能把光谱反演成葡萄糖、乳酸、活细胞密度的浓度值，分钟级刷新；电容探头数活细胞、尾气分析算耗氧速率，也都属于这一层。第二层是过程理解与建模：PAT 的原始定义里就写着"通过即时测量来设计、分析、控制生产"——传感只是入口，把数据连成工艺动力学模型、找出参数-质量的映射才是重点。第三层是实时放行（RTRT）：当过程数据能可靠地证明质量属性落在设计空间内，就用它替代对应的终点检验——比如层析运行中按紫外图谱自动判定收集窗口，收集正确性由过程证据背书，实验室的纯度检测从"每批放行项"退为"周期确认项"。

三个已落地的闭环

培养过程反馈补料：拉曼光谱在线测葡萄糖，模型反演浓度、控制系统按设定窗（如每升一到四克）动态调整补料速率——比固定时间表流加更贴近细胞需求，批间一致性显著改善（3.3 节的代谢账本由人工盯梢变成机器盯梢）。层析自动收集：紫外检测器追踪洗脱峰，按峰起点与终点的设定阈值自动切换收集阀，替代人工"看峰收峰"；更进一步的多维判定把电导、pH 一并纳入收集准则。冻干终点判定：传统靠经验时间，PAT 方式是比较两种真空计（电容式测总压、皮拉尼测以氮气为主的分压）读数的均压曲线——两线合拢意味着升华结束，终点由物理证据而非日历决定。

三个案例的共性值得点破：PAT 项目的难点从来不是仪器，而是模型的生命周期管理——光谱模型要在工艺变更、探头更换、批间漂移下保持准确，需要持续的校准维护与性能确认。这也是 PAT 推广了几十年仍未全面铺开的原因：它把"一次性方法验证"变成了"持续性的模型运维"，质量体系要为此配套（模型变更控制、数据完整性、算法版本管理）。

案例走查：把层析收集交给自动判定的全过程

背景：某抗体产线的 Protein A 洗脱峰收集长期依赖操作员盯紫外曲线，批间收集窗口的主观差异肉眼可见。操作：项目团队调出上百批历史数据，统计合格批次收集起点的紫外阈值与电导特征，建立自动判定规则（阈值加斜率确认），再在缩比系统上用故意劣化的料液测试规则的边界表现，最后在车间分阶段切换：先影子模式（自动判定与人工并行但不执行），验证一致性后正式接管。结果：收集窗口的批间一致性显著改善，人工看屏转为异常复核，且每批的判定依据自动留档进批记录。解读：这个案例浓缩了 PAT 落地的标准动作——历史数据定规则、边界测试定安全、影子模式定信任、自动留档定证据。变式：规则后续并入 9.2 节的控制策略文本，收集判定从"操作习惯"升格为"注册承诺的一部分"——从此修改阈值要走变更控制。

常见问题

问题一：PAT 传感器坏了怎么办？

控制策略里要有降级预案：传感器失效时切回既有的离线检测与人工判定路径，该批按相应规则处理。在线手段是升级而不是单点依赖——冗余与降级方案是连续化与 PAT 工厂的基本功（10.2 节的可靠性条件同理）。

问题二：模型预测的浓度能直接写进批记录吗？

取决于模型的验证状态与注册承诺：已验证并纳入控制策略的模型输出可以作为过程证据；未验证的模型输出只能用于研究与决策参考。界线就是 9.1 节的数据可靠性原则——进批记录的每个数字都要能自证清白。

实时放行：监管逻辑的接续

实时放行不是"不检验"，而是证据类型的替换：终点检验回答"结果对不对"，PAT 回答"过程是否在设计空间内按已验证的机理运行"。监管接受它的前提链条来自 QbD：设计空间经充分研究确认（9.2 节）→ 过程数据可靠且可追溯 → 控制策略写明哪些属性由过程证据背书 → 持续工艺确认持续验证。目前行业里跑得最靠前的是层析收集与冻干终点这类"机理清晰、数据充分"的环节；培养与放行全项的实时化仍在推进中。对学习者的建议是把 PAT 当成一种时间维度的质量观来理解：终点检验是审计历史，PAT 是监控现在——与第 10.2 节连续工艺的"批次概念消解"一脉相承。

问：PAT 的报警怎么进入质量体系？

关键在于"分级"：设定值附近的常规波动由控制系统自动调节，不产生质量事件；触及行动限的过程数据触发偏差流程，按 9.1 节评估；而用于放行决策的过程证据（如自动收集判定）则要满足数据可靠性的全部要求。三层递进，让实时数据既不淹没质量部门，也不游离于体系之外——PAT 与 GMP 的接口本质上是报警分级的接口。

问：PAT 项目的数据基础怎么搭？

先建过程数据湖：把分布式控制系统、层析系统、实验室系统的数据统一时间戳汇聚，形成批次维度的完整画像；再谈模型。经验教训是"模型一个月，数据治理一年"——多数 PAT 项目的真正瓶颈在于历史数据的口径混乱。先把数据的家理清，智能化才有地基。

小结：PAT 三层——在线传感（光谱反演浓度）、过程建模（参数-质量映射）、实时放行（过程证据替代终点检验）；培养补料、层析收集、冻干终点是三个成熟的落地闭环；真正的门槛是模型生命周期管理与配套质量体系。检测的时间维度打通后，下一章换空间维度：工艺怎么从两升罐放大到两吨罐、在什么厂房里跑。