机器学习在生物制药工艺开发与制造中的应用：当前趋势、挑战与机遇
机器学习
2023-10-17 v1
摘要
尽管机器学习(ML)已在生物制药领域作出重大贡献，但其在为基于质量源于设计(QbD)的生物制药开发与制造提供直接支持方面仍处于早期阶段，阻碍了从开发到制造的生物工艺自动化的巨大潜力。然而，由于大规模生产数据的积累，采用基于ML的模型替代传统多变量数据分析方法正显著增加。该趋势主要由通过实施先进过程分析技术对生物制药产品的工艺变量和质量属性进行实时监测所驱动。鉴于生物产品设计、生物工艺开发和产品制造数据的复杂性与多维性，基于ML的方法正日益被用于构建准确、灵活且高性能的预测模型，以解决生物制药领域的分析、监测和控制问题。本文旨在全面综述ML解决方案在生物产品设计、监测、控制以及上游、下游和产品配方工艺优化中的当前应用。最后，本文深入讨论了与生物工艺本身、工艺数据以及机器学习模型在生物制药工艺开发与制造中使用相关的主要挑战。此外，本文还对创新机器学习方法的采用以及新数字生物制药解决方案开发中的新兴趋势提供了进一步见解。
引用
@article{arxiv.2310.09991,
title = {Applications of Machine Learning in Biopharmaceutical Process Development and Manufacturing: Current Trends, Challenges, and Opportunities},
author = {Thanh Tung Khuat and Robert Bassett and Ellen Otte and Alistair Grevis-James and Bogdan Gabrys},
journal= {arXiv preprint arXiv:2310.09991},
year = {2023}
}
备注
155 pages