PATとリアルタイム工程制御とは？連続生産を動かす頭脳
PAT（Process Analytical Technology：プロセス解析工学）は、製造の途中で品質特性や工程パラメータを実時間で測り、その情報を制御に戻すための枠組みです。完成した製品を後から試験する従来のやり方と違い、工程が進んでいる最中に品質を捉え、必要なら直ちに条件を調整します。「測ってから直す」のではなく「測りながら直す」ための仕組みだと考えると分かりやすいでしょう。
PATは「工程中に測って制御へ戻す」枠組み
PATの中心にあるのは、品質を工程の最後で確認するのではなく、工程が進行している最中に把握するという発想の転換です。インラインやオンラインのセンサーで連続的に信号を取り、その値を工程の状態を表す指標に変換し、あらかじめ決めた管理範囲と照らし合わせて運転に反映します。
測定の対象は大きく二つに分かれます。一つは温度・pH・溶存酸素・伝導度・流速・圧力といった工程パラメータ、もう一つはラマン分光やUVなどで捉える濃度や品質特性です。前者は古くから測られてきましたが、PATでは後者の品質に近い情報まで実時間で取り、制御に使う点に特徴があります。 PATの要点は、測定値を出荷後の記録ではなく運転中の制御入力として扱うこと です。
| 測定の種類 | 主な対象 | 取得のタイミング |
|---|---|---|
| 工程パラメータ | 温度・pH・DO・伝導度・流速・圧力 | 常時オンライン |
| 品質関連の特性 | 濃度・純度・凝集体などの分光由来情報 | インライン／オンライン |
| 物質収支・滞留追跡 | 流量・容量・トレーサビリティ | 連続的に積算 |
PATは特定の分析装置の名前ではなく、「実時間で測り、その情報を制御へ戻す」枠組みの呼び名です。装置の選定よりも、何を測り、どの判断に使うかという設計が本体になります。
何を測るか：ラマン分光・UV・インラインセンサー
実時間測定に使われる代表的な手段がラマン分光です。培養液や精製プロセス中の特定成分の濃度や品質に関わる情報を、サンプルを抜き取らずに連続して推定できます。UV吸光は精製クロマトグラフィーで溶出のタイミングや濃度を捉える定番で、回収の開始・終了を判断する根拠になります。
これらに加え、伝導度・pH・流速・圧力・濁度などのインラインセンサーが工程の状態を支えます。測定方式によって応答の速さや精度、設置のしやすさが異なるため、その工程で本当に管理したい品質特性に対して、十分な速さと感度で応答できる手段を選ぶことが前提になります。 測定手段は装置の性能ではなく、管理したい品質特性に対する応答性で選ぶ のが原則です。
| 手段 | 主に得られる情報 | 典型的な使いどころ |
|---|---|---|
| ラマン分光 | 成分濃度・品質関連の特性 | 培養・精製のインライン監視 |
| UV吸光 | 濃度・溶出プロファイル | クロマト溶出の判定 |
| 各種インラインセンサー | pH・伝導度・流速・圧力・濁度 | 工程状態の常時監視 |
ラマンのように複数成分が重なった信号から目的の値を取り出す場合は、後述する多変量モデルが欠かせません。
ラマン信号をどう品質値に変換するか：ケモメトリクス
ラマンなどの分光信号は、そのままでは目的の濃度や品質特性を直接示しません。多数の波長にまたがる信号の中から目的の値を抽出するため、ケモメトリクス（多変量解析）と呼ばれる統計モデルを使います。あらかじめ測定信号と基準分析値の対応をデータで学習させ、新しい信号から品質値を推定する仕組みです。
このモデルは作って終わりではありません。原材料のロット差や運転条件の変化、装置の経時変化によって、信号と品質値の関係がずれていくことがあります。そのため、モデルが想定した範囲の中で使われているかを継続的に確認し、必要に応じて再学習や保守を行う運用が前提になります。 多変量モデルは固定資産ではなく、維持管理を続けて初めて信頼できる という点が運用上の肝です。
| 課題 | 内容 | 対応の方向 |
|---|---|---|
| モデルのずれ | 原料差・経時変化で関係が変化 | 適用範囲の監視・再学習 |
| 外挿の危険 | 学習範囲外で精度が低下 | 適用範囲の明示と逸脱検知 |
| 基準分析との整合 | オフライン試験との突き合わせ | 定期的な照合 |
ラマン由来の品質値は推定値であり、学習に使ったデータの範囲内でこそ信頼できます。範囲外の状態を範囲内のように扱うと、見かけ上もっともらしい誤った値が制御に流れ込みます。
連続生産での制御：フィードバック・分流・滞留追跡
連続生産では、PATの情報を使った運転制御が三つの形で現れます。第一にフィードバック制御で、測定値が目標からずれたときに流速やフィード量などの操作条件を調整します。第二に分流（ダイバート）で、規格を外れた可能性のあるフラクションを下流に送らず分離し、適合部分だけを次工程へ流します。
第三が物質収支と滞留追跡によるトレーサビリティです。連続プロセスでは「どの原料が今どこにいるか」が時間とともに移り変わるため、流量を積算して物質収支を取り、ある時点の品質情報をどのフラクションに紐づけるかを追い続けます。ここで難しいのが応答の遅れで、測定から制御反映までに時間差があると、その間に流れた分の扱いを設計に織り込む必要があります。 連続生産では滞留追跡と応答遅れの管理が、分流判定の正しさを左右する という関係になります。
| 制御の形 | 役割 | 前提となる情報 |
|---|---|---|
| フィードバック制御 | 操作条件を調整 | 実時間の測定値 |
| 分流（ダイバート） | 規格外フラクションを分離 | 品質判定と滞留追跡 |
| 物質収支・滞留追跡 | トレーサビリティ確保 | 流量積算・時間情報 |
リアルタイムリリースとデータ完全性
PATと連続生産が積み重ねた実時間データは、リアルタイムリリース試験（RTRT）の基盤になります。RTRTは、完成品を改めて試験するのではなく、工程中に得た測定とモデルの結果をもって品質を保証し、出荷判定につなげる考え方です。バッチ完成後にまとめて試験する従来の流れと対照的に、品質の根拠が工程の進行そのものに置かれます。
この成立条件として外せないのがデータ完全性（データインテグリティ）です。実時間で大量に生成される測定値・モデル出力・制御履歴が、後から正確にたどれ、改変されておらず、記録として完結していることが求められます。誰が・いつ・どの条件で取得し、どの判定に使ったかが追跡できなければ、工程データを出荷の根拠にはできません。 RTRTはデータ完全性が確保されて初めて成り立つ判定方式 だといえます。バイオ医薬品の安定性評価の考え方はICH Q5C、ウイルス安全性の枠組みはICH Q5A(R2)が示すように、PATで得た情報も既存の品質保証体系の中で位置づけて運用します。
| 項目 | 従来のバッチ試験 | リアルタイムリリース |
|---|---|---|
| 品質の根拠 | 完成品の試験結果 | 工程中の測定とモデル |
| 判定のタイミング | 製造後 | 工程進行中 |
| 成立の前提 | 試験法の妥当性 | データ完全性・モデル維持 |
まとめ
PATは、ラマン分光・UV・各種インラインセンサーで品質や工程パラメータを実時間で測り、その情報をフィードバック制御・分流・リアルタイムリリースへ戻すための枠組みです。連続生産では工程が連結し、滞留時間分布によって品質が決まるため、継続的な監視と物質収支・滞留追跡によるトレーサビリティが運転の前提になります。完成品を後から試験するのではなく、工程の進行中に品質を捉えて制御へ返す点が、従来のバッチ試験との違いです。実運用では、多変量モデルの維持、応答遅れの管理、データ完全性の確保が、PATを支える三つの継続課題になります。
参考文献
- ICH Q5A(R2), Viral Safety Evaluation of Biotechnology Products Derived from Cell Lines of Human or Animal Origin
- ICH Q5C, Stability Testing of Biotechnological/Biological Products
- ICH Q6B, Specifications: Test Procedures and Acceptance Criteria for Biotechnological/Biological Products
