La qualità nasce dalla conoscenza del processo

La qualità farmaceutica è stata a lungo associata soprattutto al controllo del prodotto finito. Lo sviluppo scientifico, la digitalizzazione e le tecnologie analitiche stanno ampliando questa prospettiva. Quality by Design, Process Analytical Technology e monitoraggio continuo permettono di comprendere meglio il processo mentre avviene, costruendo strategie di controllo più solide senza ridurre il ruolo del laboratorio.

Valentina Parrella

Agosto 6, 2026

Per lungo tempo il controllo qualità farmaceutico è stato rappresentato attraverso una sequenza lineare: produzione del lotto, prelievo dei campioni, analisi di laboratorio e decisione sul rilascio. Questo modello continua a essere fondamentale e, in molti contesti, resta il modo più appropriato per dimostrare la conformità del prodotto. La sua centralità non è quindi in discussione.

Ciò che sta cambiando è l’idea che la qualità possa essere compresa soltanto osservando il risultato finale. Un campione conforme dimostra che il materiale analizzato rispetta le specifiche, ma offre una visione necessariamente limitata di quanto è accaduto durante l’intero processo. Non sempre permette di cogliere variazioni temporanee, relazioni tra parametri o segnali precoci di una perdita di controllo.

La progressiva disponibilità di dati di processo, sensori e strumenti analitici consente oggi di affiancare alla verifica finale una conoscenza molto più articolata. Il punto non è sostituire il laboratorio con la tecnologia, bensì integrare analisi, processo e dati in una strategia capace di spiegare come viene generata la qualità e quali condizioni permettono di mantenerla.

Questa evoluzione modifica il rapporto tra produzione e controllo. La domanda non riguarda più soltanto la conformità del lotto, ma anche la capacità dell’organizzazione di comprendere perché il processo continui a produrre risultati conformi.

La qualità comincia durante lo sviluppo

La possibilità di controllare un processo durante la produzione dipende innanzitutto da quanto quel processo sia stato compreso durante lo sviluppo. Quality by Design nasce proprio da questa impostazione: qualità, sicurezza e prestazioni non dovrebbero essere affidate esclusivamente ai test sul prodotto finito, ma incorporate nella conoscenza del prodotto e del processo.
Questo richiede di individuare gli attributi critici per la qualità, comprendere l’influenza delle materie prime e valutare quali parametri operativi possano incidere maggiormente sul risultato. L’obiettivo non è moltiplicare definizioni e classificazioni, ma costruire una rappresentazione scientificamente fondata della variabilità.

Un processo può produrre risultati conformi per ragioni diverse. Può essere intrinsecamente robusto oppure essere rimasto, per una serie limitata di lotti, all’interno di condizioni favorevoli. Soltanto la comprensione delle relazioni tra materiali, parametri e attributi del prodotto consente di distinguere le due situazioni.

La conoscenza acquisita durante lo sviluppo diventa quindi la base della control strategy. Specifiche, controlli sulle materie prime, parametri di processo, monitoraggi in linea e test finali non sono elementi indipendenti, ma parti di un unico sistema progettato per mantenere il prodotto entro il profilo di qualità atteso.

PAT è un approccio, non un catalogo di strumenti

La Process Analytical Technology viene spesso identificata con spettroscopia NIR, Raman, sensori o analisi multivariata. Questi strumenti ne rappresentano possibili applicazioni, ma non ne esauriscono il significato.

Il PAT è prima di tutto un approccio alla progettazione, all’analisi e al controllo del manufacturing attraverso misure tempestive delle caratteristiche rilevanti di materiali e processi. Il suo valore non dipende dalla sofisticazione della tecnologia adottata, ma dalla capacità di utilizzare le informazioni per comprendere ciò che sta accadendo e, quando previsto dalla strategia di controllo, intervenire sul processo.

Misurare durante la produzione può offrire una rappresentazione più ricca rispetto all’analisi di un numero limitato di campioni. In un’operazione di miscelazione, per esempio, il monitoraggio nel tempo può mostrare non soltanto il raggiungimento dell’omogeneità, ma anche l’evoluzione del sistema e l’eventuale comparsa di condizioni anomale.

La disponibilità di più dati, tuttavia, non garantisce automaticamente un controllo migliore. Occorre dimostrare che la misura sia rappresentativa, che il metodo sia adeguato all’uso previsto e che il modello analitico rimanga affidabile nel tempo. Anche la gestione delle calibrazioni, delle versioni e dei cambiamenti diventa parte integrante del sistema qualità.

Il PAT non riduce quindi il bisogno di rigore analitico. Lo trasferisce in un contesto nel quale metodo, processo, automazione e gestione dei dati devono funzionare come un sistema coerente.

PAT, RTRT e Continued Process Verification non sono sinonimi

La Process Analytical Technology è un approccio alla progettazione, all’analisi e al controllo del processo attraverso misure tempestive di attributi rilevanti di materiali e processi. Può sostenere il monitoraggio e, quando previsto, il controllo in tempo reale.

Il Real Time Release Testing utilizza dati di processo e attributi misurati per valutare la qualità del prodotto ai fini del rilascio. Richiede una strategia scientificamente giustificata e accettata nel dossier regolatorio. Non elimina automaticamente i test finali né le attività previste dal Pharmaceutical Quality System.

La Continued Process Verification riguarda il monitoraggio della produzione commerciale nel tempo. Serve a dimostrare che il processo rimanga in uno stato di controllo e a individuare tendenze o variazioni che richiedano approfondimento.

I tre concetti possono sostenersi reciprocamente, ma rispondono a obiettivi differenti: comprendere e controllare il processo, supportare il rilascio e verificarne le prestazioni lungo il ciclo di vita.

Dal campionamento intermittente all’osservazione continua

La collocazione dello strumento rispetto al processo determina modalità differenti di acquisizione delle informazioni. Le misure possono essere effettuate at-line, portando il campione vicino alla linea produttiva; on-line, attraverso un sistema collegato al processo; oppure in-line, direttamente nel flusso o nell’apparecchiatura.

Questa distinzione non stabilisce una gerarchia automatica. Una misura in-line non è necessariamente migliore di un metodo at-line. La scelta dipende dall’attributo da controllare, dalla maturità tecnologica, dalla rappresentatività del campionamento, dalla velocità richiesta e dalla capacità di gestire il dato.

L’aspetto più rilevante è il passaggio da una fotografia puntuale a una visione dinamica. Un processo osservato con maggiore continuità può rivelare derive, oscillazioni o correlazioni che rimarrebbero invisibili attraverso controlli effettuati soltanto in momenti prestabiliti.

Questa maggiore visibilità consente di intervenire prima che una variazione produca un risultato fuori specifica. Il controllo diventa meno dipendente dalla scoperta tardiva del problema e più orientato alla prevenzione.

Anche in questo caso, però, la tecnologia deve essere inserita in una strategia comprensibile. Se l’organizzazione raccoglie grandi quantità di dati senza aver definito quali segnali siano rilevanti, chi debba interpretarli e quali decisioni ne debbano derivare, il monitoraggio rischia di aumentare il rumore invece della conoscenza.

Quando il laboratorio entra nel processo

L’integrazione tra strumenti analitici e manufacturing modifica anche il rapporto tra Quality Control, produzione, engineering e automazione. Il metodo non viene più utilizzato soltanto da un analista in un ambiente separato, ma può diventare parte del sistema che governa il processo.

Questo richiede competenze condivise. Il laboratorio deve comprendere le condizioni reali di utilizzo dello strumento; la produzione deve conoscere il significato analitico delle misure; engineering e automazione devono garantire affidabilità, integrità dei dati e corretta integrazione con i sistemi di controllo.
La responsabilità non si sposta semplicemente dal QC alla produzione. Diventa distribuita all’interno di un modello nel quale le funzioni devono contribuire alla stessa strategia di controllo.

Anche i sistemi digitali assumono un ruolo più rilevante. Historian, MES e piattaforme analitiche possono collegare i dati provenienti dalle apparecchiature con risultati di laboratorio, condizioni ambientali e informazioni sulle materie prime. La possibilità di integrare fonti diverse amplia la comprensione del processo, ma rende indispensabili governance, contestualizzazione e qualità del dato.

Un valore privo di riferimento temporale, identificazione del lotto, stato dell’apparecchiatura o versione del metodo perde gran parte del proprio significato. La capacità di produrre dati deve quindi essere accompagnata dalla capacità di conservarne il contesto.

Il Real Time Release Testing non è una scorciatoia

Uno degli sviluppi più discussi riguarda il Real Time Release Testing. L’espressione viene talvolta interpretata come possibilità di eliminare i test sul prodotto finito o accelerare il rilascio grazie all’automazione. Questa lettura è incompleta.

Il RTRT è la capacità di valutare e garantire la qualità del prodotto in-process o finale sulla base di dati di processo, comprendendo combinazioni valide di attributi misurati e controlli di processo. La sua applicazione richiede una conoscenza approfondita del prodotto, una strategia di controllo adeguata e una giustificazione scientifica e regolatoria.

Non tutti gli attributi si prestano allo stesso modo a questa impostazione. Per alcuni può essere possibile dimostrare che la combinazione di monitoraggio, modelli e controlli fornisca un’evidenza più tempestiva e rappresentativa del test finale. Per altri, l’analisi tradizionale continuerà a essere necessaria.

Anche quando il RTRT viene autorizzato, non scompaiono la revisione del batch record, la valutazione delle deviazioni, la verifica dello stato dei sistemi e le responsabilità previste per il rilascio. La decisione resta inserita nel Pharmaceutical Quality System.

L’obiettivo non è ridurre i controlli, ma utilizzare una combinazione di conoscenza e dati capace di offrire un livello di assurance almeno equivalente e, in determinate situazioni, più informativo rispetto alla sola analisi finale.

L’analisi finale conserva un ruolo essenziale

La diffusione di PAT e monitoraggio in-process non rende superfluo il laboratorio. Al contrario, ne amplia le responsabilità.

I metodi di riferimento restano essenziali per lo sviluppo e la validazione dei modelli, la verifica delle prestazioni, la gestione degli eventi inattesi e il controllo degli attributi che non possono essere misurati adeguatamente durante il processo. Il laboratorio contribuisce inoltre a interpretare i dati e a distinguere una variazione analitica da una variazione reale del prodotto.

La trasformazione riguarda quindi la posizione del QC all’interno dell’organizzazione. Da funzione prevalentemente collocata al termine della produzione, può diventare un interlocutore coinvolto già nello sviluppo del processo e nella progettazione della strategia di controllo.

Questo passaggio richiede anche un’evoluzione delle competenze. Accanto alle tecniche analitiche tradizionali diventano rilevanti chemometrics, gestione dei modelli, statistica, data integrity e conoscenza delle tecnologie di processo.
Il laboratorio continua a misurare la qualità, ma partecipa sempre più direttamente alla costruzione del sistema che permette di comprenderla.

La qualità continua dopo il rilascio

La conoscenza acquisita durante sviluppo e validazione non rimane immutata. La produzione commerciale genera nuovi dati, spesso su una scala e in condizioni più ampie rispetto a quelle disponibili nelle fasi precedenti.

La Continued Process Verification utilizza queste informazioni per verificare che il processo rimanga in uno stato di controllo durante la produzione di routine. L’attenzione si sposta dal singolo lotto alla capacità di riconoscere tendenze nel tempo.

Risultati analitici, parametri di processo, deviazioni, prestazioni delle apparecchiature e caratteristiche delle materie prime possono essere letti insieme per individuare variazioni graduali prima che diventino criticità manifeste.

Questo approccio non coincide con la semplice generazione periodica di report. Richiede la definizione di indicatori significativi, limiti coerenti, responsabilità e criteri per approfondire i segnali osservati. Un trend diventa utile quando produce una domanda e, se necessario, una decisione.

La qualità assume così una dimensione realmente lifecycle. Lo sviluppo costruisce la conoscenza iniziale, la produzione la amplia e il Pharmaceutical Quality System la utilizza per mantenere e migliorare la control strategy.

Più dati richiedono più governo

La possibilità di osservare il processo con maggiore profondità introduce anche nuovi rischi. Sensori, modelli, interfacce e sistemi di analisi diventano elementi GxP quando contribuiscono a decisioni rilevanti per la qualità.
Occorre quindi governarne l’intero ciclo di vita: definizione dell’intended use, qualificazione, validazione, controllo delle versioni, gestione delle modifiche e verifica periodica delle prestazioni. Un modello che ha funzionato durante lo sviluppo potrebbe perdere accuratezza se cambiano materie prime, apparecchiature o condizioni operative.

Anche l’intelligenza artificiale potrà contribuire all’analisi dei processi, ma non modifica questo principio. La capacità predittiva deve essere compresa rispetto alla decisione che supporta, alla qualità dei dati utilizzati e alla possibilità di individuare un deterioramento delle prestazioni.

Più il sistema diventa capace di generare indicazioni automatiche, più devono essere chiare responsabilità, supervisione e condizioni nelle quali l’operatore può accettare, approfondire o respingere il risultato.
La maturità digitale non coincide con il numero di strumenti installati. Si misura nella capacità di governarli senza perdere comprensione e controllo.

Una qualità più vicina al processo

La qualità farmaceutica continuerà ad avere bisogno di specifiche, campionamenti, analisi di laboratorio e revisione indipendente. L’evoluzione in corso non cancella questo modello, ma lo inserisce in un sistema più ampio.

Quality by Design permette di costruire la conoscenza iniziale; PAT rende possibile osservare attributi e processi durante la produzione; il RTRT può supportare il rilascio quando esistono basi scientifiche e regolatorie adeguate; la Continued Process Verification verifica nel tempo la tenuta della strategia di controllo.

Il tratto comune non è la tecnologia, ma la conoscenza. Un sensore senza comprensione del processo produce numeri. Un modello privo di governance produce risultati difficili da difendere. Un grande volume di dati senza domande precise aumenta la complessità.

Il cambiamento più importante consiste quindi nel passaggio da una qualità osservata prevalentemente alla fine a una qualità compresa lungo tutto il processo.
Il laboratorio resta centrale, ma entra in una rete più ampia di competenze e informazioni. La produzione non si limita a eseguire, ma contribuisce a generare evidenze. Il sistema qualità non controlla soltanto la conformità: organizza la conoscenza necessaria a mantenerla.

La qualità nasce dalla capacità di progettare un processo robusto, osservarlo mentre opera e apprendere dai dati che produce. È questa conoscenza, più ancora della singola tecnologia, a rendere possibile un controllo più tempestivo e consapevole.