プロセス特性解析：リスク評価からDoEでCPPを見極める
プロセス特性解析（process characterization＝工程を体系的に理解する作業）は、商用製造を始める前に「どの運転条件が製品の品質に効くのか」「その条件をどこまで動かしても大丈夫なのか」を実験で見極める段階です。抗体医薬の製造では、培養・回収・精製と多数の工程が連なり、それぞれに温度・pH・流速・滞留時間といったたくさんのパラメータがあります。そのすべてを厳密に管理するのは現実的ではなく、かといって闇雲に緩めれば品質が揺らぎます。どこを締め、どこは緩めてよいのかを、データに基づいて仕分けるのがこの作業の目的です。
進め方は大きく三段です。まずリスクアセスメント（多くはFMEA）で、多数あるパラメータのうち品質に効きそうなものを絞り込みます。次にスケールダウンモデル（小さく再現した工程模型）を使い、DoE（実験計画法）で複数のパラメータを計画的に動かして影響を測ります。そして得られたデータから CPP（重要工程パラメータ＝品質に効く運転条件）と、その許容できる運転範囲を決めます。
この一連の作業は、FDAが示すプロセスバリデーションの三段階（ステージ1：プロセス設計／ステージ2：適格性評価／ステージ3：継続的検証）のうち、ステージ1の中核にあたります。ここで工程の理解を作り込めているかどうかが、後段のバリデーションと商用製造の安定性を大きく左右します。この記事では、リスク評価からDoE、CPP決定までの流れを、専門外の方にも追える密度で整理します。
プロセス特性解析とは何か
プロセス特性解析は「工程パラメータと品質特性の関係を実験で明らかにし、管理戦略の土台を作る」作業です。
出発点になるのが CQA（重要品質特性＝Critical Quality Attribute）です。これは、患者さんの安全性や薬の効き目を担保するために、一定の範囲に収めておくべき製品の性質を指します。抗体医薬なら、糖鎖プロファイル、電荷バリアント、凝集体（高分子量種）、宿主細胞由来タンパク質（HCP）や残存DNAといった項目が代表例です。
プロセス特性解析は、これらCQAが「どの工程の、どのパラメータで動くのか」をつないでいく作業だと考えると分かりやすいです。たとえば培養温度が糖鎖に効く、精製の溶出pHが電荷バリアントに効く、といった因果の地図を、思い込みではなくデータで描きます。ICH Q8(R2)が示す「クオリティ・バイ・デザイン（QbD＝設計段階から品質を作り込む考え方）」の実務面が、まさにここに現れます。
用語が近くて混同しやすいので、先に整理しておきます。
| 用語 | 意味 | 位置づけ |
|---|---|---|
| CQA（重要品質特性） | 安全性・有効性のため範囲を保つべき製品の性質 | 守りたいゴール |
| PP（工程パラメータ） | 温度・pH・流速など運転で設定・調整する条件 | 動かせる入力 |
| CPP（重要工程パラメータ） | PPのうち、CQAに有意に効くもの | 締めて管理する入力 |
| 許容範囲（PAR等） | パラメータを動かしてよい実証済みの幅 | どこまで動かせるか |
CQAとCPPは似た略語ですが、CQAは「守りたい結果」、CPPは「効く原因」です。プロセス特性解析は、この原因と結果を結ぶ線を引き、どの線を太く管理するかを決める作業だといえます。
プロセス特性解析のゴールは「すべてのパラメータを厳しく管理すること」ではありません。品質に効くものを見極めて重点管理し、効かないものは合理的な範囲で緩める——この仕分け（管理戦略）を、根拠あるデータで裏づけることがゴールです。
リスクアセスメントでパラメータを絞る（FMEA）
むやみに実験を増やさないため、まずリスク評価で「効きそうなパラメータ」に的を絞ります。
一つの工程だけでも、設定・調整できるパラメータは数十に及びます。全工程を掛け合わせれば膨大な数になり、そのすべてをDoEで検証するのは時間もコストも現実的ではありません。そこで先に、ICH Q9(R1)が示すリスクマネジメントの考え方を使い、優先順位をつけます。
よく用いられるのが FMEA（故障モード影響解析＝Failure Mode and Effects Analysis）です。各パラメータについて、「品質に及ぼす影響の大きさ（Severity）」「起こりやすさ（Occurrence）」「気づきやすさ（Detection）」の三つを評点し、それらを掛け合わせたRPN（リスク優先度数）などでランク付けします。点数の高いものを、次のDoEで詳しく調べる候補として拾い上げる、という流れです。
| 評価軸 | 問いの例 |
|---|---|
| 影響の大きさ | このパラメータがずれると、CQAはどれだけ動くか |
| 起こりやすさ | 実運転で、その逸脱はどの程度起こり得るか |
| 検出性 | ずれたとき、どれだけ早く気づけるか |
ここで大切なのは、点数そのものより、判断の根拠を残すことです。なぜこのパラメータを「効きそう」と見たのか、逆になぜ「効きにくい」として調査対象から外したのか。過去のロットデータ、プラットフォーム知識、文献、開発初期の観察——判断の材料を記録しておくと、後で規制当局に工程理解を説明する際の一貫した筋道になります。
一方で、FMEAはあくまで既知の知識に基づく仮説の整理です。点数が低いから安全と決めつけず、相互作用が疑われるものは残す、といった保守的な運用が現実には取られます。リスク評価は「調べる範囲を賢く狭める」ための道具であって、「調べなくてよい理由」を作る道具ではありません。
スケールダウンモデルでDoEを回す
商用スケールをそのまま実験に使うのは非現実的なので、小さく再現した工程模型でDoEを回します。
商用の培養槽は数千〜数万リットル規模です。CPPを探るために、そこで温度やpHを何十通りも振るのは、コストの面でも供給の面でも成り立ちません。そこで、混合や酸素移動、滞留時間といった重要な物理・化学条件をできるだけ商用スケールに合わせた小型の系——スケールダウンモデルを用意し、その上で実験を組みます。このモデルが商用スケールを代表していること（同等性の確認）が、得られる結論の信頼性を支える前提になります。スケールダウンモデルの考え方は スケールダウンモデルとは で詳しく扱っています。
その上で威力を発揮するのがDoE（実験計画法）です。従来のように一度に一つのパラメータだけ動かす（OFAT＝One Factor At a Time）やり方は、直感的で分かりやすい反面、二つの弱点があります。実験回数がかさむこと、そして「パラメータ同士の相互作用」を捉えられないことです。抗体の品質は、単独の条件ではなく複数条件の組み合わせで動くことが多く、この相互作用を見落とすと工程理解が浅くなります。
DoEは、複数のパラメータを統計的に計画された組み合わせで同時に動かします。これにより、少ない実験回数で、各パラメータの効き（主効果）と組み合わせの効き（交互作用）を切り分けて評価できます。
| 手法 | 主な用途 | 特徴 |
|---|---|---|
| スクリーニング計画（部分実施要因計画など） | 多数の因子から効くものを絞る | 少回数で主効果を粗く把握 |
| 完全実施要因計画 | 数個の因子と相互作用を精査 | 主効果＋交互作用を丁寧に評価 |
| 応答曲面計画（RSM） | 最適点や範囲の形を描く | 曲がりを含めた応答面を推定 |
実務では、まずスクリーニングで因子を絞り、続いて要因計画や応答曲面法で範囲を詰める、という二段構えがよく取られます。DoEの価値は「答えを一点に当てる」ことではなく、パラメータを動かしたとき品質がどう応答するかという“地形”を、少ない実験で描けることにあります。
CPPと許容範囲を決める
DoEの結果から、品質に有意に効くパラメータをCPPとして特定し、その運転範囲を決めます。
DoEで得たデータを統計的に解析すると、どのパラメータがCQAに有意な影響を与えるかが見えてきます。影響が確認されたものはCPPとして重点管理の対象にし、影響が小さいと判断されたものは非CPPとして、より広い範囲での運転を許容します。この仕分けが、後段の管理戦略の骨格になります。
範囲の言い方には、混同しやすい用語が並ぶので整理しておきます。
| 用語 | おおまかな意味 |
|---|---|
| PAR（実証された許容範囲） | 一因子ずつ検証し、品質を満たすと確認できた各パラメータの幅 |
| NOR（通常運転範囲） | 日常の製造で狙って運転する、PARより狭い範囲 |
| デザインスペース | 複数因子の組み合わせとして品質保証が示された多次元の領域 |
NORは日常の狙い値の幅、PARはそこから逸脱してもよいとされる外枠、と捉えると関係がつかみやすいです。複数因子をまとめて扱うデザインスペースまで踏み込むと、その中での変更は「変更（承認手続きが要る）」とはみなされない、という規制上の柔軟性が期待できます。この考え方はICH Q8(R2)に基づくものです。
注意したいのは、ここに「唯一の合格基準」があるわけではない点です。どの範囲までを許容とするか、どこまでをデザインスペースとして申請するかは、製品の重要度、工程の頑健性、そして各極の規制当局の期待に応じて判断が変わります。日本・米国・欧州で運用の細部は異なり得るため、範囲の設定は自社の管理戦略と規制方針に沿って決めるものだと考えるのが安全です。CPPと範囲の決定は統計解析だけで自動的に決まるものではなく、科学的根拠とリスクベースの判断を組み合わせて下すものです。
ステージ1バリデーションの中での位置づけ
プロセス特性解析は、プロセスバリデーション・ステージ1（プロセス設計）の中核をなす活動です。
FDAの2011年ガイダンス「Process Validation: General Principles and Practices」は、プロセスバリデーションを製品ライフサイクルに沿った三段階として描いています。プロセス特性解析は、その最初のステージ1にあたります。
| ステージ | 名称 | 概要 |
|---|---|---|
| ステージ1 | プロセス設計 | 開発とスケールアップの知見から商用工程を定義。CPP・範囲・管理戦略を作り込む |
| ステージ2 | プロセス適格性評価（PPQ） | 設計した工程が再現性をもって狙いの品質を出せることを商用スケールで確認 |
| ステージ3 | 継続的プロセス検証 | 商用製造中も工程が管理状態にあることをモニタリングで確認し続ける |
ここで押さえておきたいのは、三段階が独立ではなく地続きだということです。ステージ1で「どの範囲なら品質が保てるか」を突き止めておくからこそ、ステージ2のPPQ（プロセス性能適格性評価）で確認すべき運転点や許容幅が定まり、ステージ3で日常的にモニタリングすべき指標も決まります。ステージ1の工程理解が浅いと、後段で逸脱の原因を説明できなかったり、範囲の妥当性を問われたりと、しわ寄せが下流に及びます。
また、こうして得た工程理解は、ICH Q11（原薬の開発と製造）が求める「工程開発と管理戦略の説明」の土台にもなります。DoEで描いたパラメータと品質の関係、リスク評価で残した判断の根拠——これらは規制当局に対して「この工程をなぜこう管理するのか」を語るための一次資料になります。プロセス特性解析は単発の実験プロジェクトではなく、バリデーション全体と申請資料を貫く工程理解の背骨です。
まとめ
プロセス特性解析は、商用製造の前に工程を体系的に理解し、管理戦略の土台を作る作業です。要点を整理します。
- 出発点はCQA（守りたい品質）。工程パラメータとCQAの因果を、思い込みでなくデータでつなぐのが目的です。
- まずFMEAなどのリスク評価で、品質に効きそうなパラメータに的を絞ります。判断の根拠を残すことが後段の説明力になります。
- 商用スケールを代表するスケールダウンモデル上で、DoE（実験計画法）を回します。相互作用まで含めて、少ない実験で品質の応答を描けるのが強みです。
- 有意に効くものをCPPとし、PAR・NOR・デザインスペースといった範囲を決めます。唯一の合格基準はなく、製品と各極の規制に応じて判断します。
- 一連の作業はプロセスバリデーション・ステージ1の中核であり、PPQや継続的検証、そしてICH Q11の申請資料へと地続きにつながります。
工程を「なんとなく回す」のではなく「なぜその範囲で回すのか」を語れる状態にすること——それがプロセス特性解析の到達点だといえます。
参考文献
- ICH Q8(R2) Pharmaceutical Development（医薬品開発。QbD・CPP・デザインスペースの基本概念）: https://database.ich.org/sites/default/files/Q8%28R2%29%20Guideline.pdf
- ICH Q9(R1) Quality Risk Management（品質リスクマネジメント。FMEA等のリスク評価の枠組み）: https://database.ich.org/sites/default/files/ICH_Q9%28R1%29_Guideline_Step4_2022_1219.pdf
- ICH Q11 Development and Manufacture of Drug Substances（原薬の開発と製造。工程開発と管理戦略の記述）: https://database.ich.org/sites/default/files/Q11%20Guideline.pdf
- FDA, Guidance for Industry — Process Validation: General Principles and Practices（2011。ステージ1〜3のライフサイクルアプローチ）: https://www.fda.gov/regulatory-information/search-fda-guidance-documents/process-validation-general-principles-and-practices
