Pharmaceutical Technology Brasil Ed. 3-19

Pharmaceutical Technology 34 Edição Brasileira - Vol. 23 / Nº3 ACD / Labs. Espectros devem ser coletados e análises de separação executadas. Os dados obtidos devem ser gerados como uma tabela, gráfico ou outra imagem que descreva os resultados, os quais devem então ser comparados aos padrões de referência para determinar se estão em conformidade ou não. “Muitas dessas etapas não podem ser digitalizadas nem facilmente automatizadas. Trazer dados de volta para o mecanismo de tomada de decisão é muito difícil sem ferramentas de informática especializadas que lidam com todos os diferentes tipos de dados. Esse desafio é o maior problema não aparente para as organizações de desenvolvimento ”, afirma Anderson. Desafios de volume e complexidade Sempre haverá desafios para obter os dados certos, de acordo com Anderson. “Existem trade-offs entre os cronogramas do projeto e os dados que possivelmente podem ser gerados e, por fim, tratados pela infraestrutura existente”, explica ele. Um exemplo refere-se à mudança para uma abordagem de qualidade por design para o desenvolvimento de processos. Com essa abordagem, surge uma expansão geométrica na quantidade de dados que estão sendo adquiridos para caracterizar um processo. Cada variante de parâmetro possível requer um ponto de dados para o sistema de modelagem usado para deter- minar as condições operacionais ideais. Além disso, os dados em si estão se tornando mais complexos. Um espectro de ressonância magnética nuclear (RMN) fornece uma quantidade significativa de informações detalhadas sobre uma deter- minada molécula e é, portanto, atraente para a análise de prova de estrutura de API de molécula pequena. A interpretação desse tipo de espectro, como a comparação com um padrão de referência para confirmar a identidade, requer um especialista, no entanto. “Um método para os operadores da planta aplicarem para determinar se um espectro de lote está em conformidade com um padrão deve ser robusto e permitir simples aquisição e validação. A análise ultravioleta (UV) é um exem- plo. Tal método deixa algumas dúvidas, no entanto; A RMN oferece mais fidelidade, portanto há uma troca entre a confirma- ção absoluta e a praticidade”, observa An- derson. A complexidade dos experimentos analíticos, na verdade, sempre supera a ca- pacidade de implementá-los em processos de qualidade, ele acrescenta. “Muitas vezes há desafios para implementar técnicas analíticas mais complexas em um para- digma de qualidade. Todos os aspectos da garantia de qualidade estão aumentando em complexidade: sistemas de software e como eles lidam com dados, práticas de qualidade, procedimentos operacionais padrão e métodos de teste. Cada um desses fatores deve ser considerado, para garantir que os medicamentos introduzidos no mercado sejam da mais alta qualidade”, observa Anderson. Não é apenas o volume e a complexi- dade dos dados brutos gerados que é a questão-chave para Marco Galesio, líder de equipe de P & D no grupo de desenvol- vimento de química analítica da Hovione, mas a falta de softwares específicos e amigáveis para tratar e interpretar esses dados. “Na maioria das vezes, há muitos dados relevantes sendo gerados, mas devi- do à falta de softwares adequados e tempo suficiente, não é possível tirar o máximo proveito disso”, diz ele. Desafios maiores para biológicos Os medicamentos biológicos apre- sentam alguns desafios adicionais além daqueles associados às APIs químicas. Pequenas moléculas têm uma estrutura e composição. Como substâncias farmacêu- ticas biológicas são produzidas em células ou microorganismos, suas estruturas e composições podem variar ligeiramente de lote para lote, levando à variabilidade inerente, de acordo com Tiffani A. Ma- nolis, diretora sênior do programa global de estratégias farmacêuticas da Agilent Technologies. Soma-se a essa variabilidade a com- plexidade das estruturas de moléculas grandes, o que exige o uso de um número maior de metodologias analíticas mais complexas, segundo Íñigo Rodríguez- -Mendieta, gerente de produtos técnicos biofarmacêuticos da SGS Life Sciences. Na maioria dos casos, é necessária especia- lização específica para interpretar dados de moléculas grandes, observa Constança Cacela, diretora associada de P & D do grupo de desenvolvimento de química analítica da Hovione. A necessidade de se definir completa- mente as características estruturais relati- vamente complexas e diversas das grandes entidades moleculares levou à expansão da variabilidade e sofisticação das ferra- mentas analíticas no campo da biologia, de acordo com Rodríguez-Mendieta. “Muitas dessas técnicas têm sido tradicionalmente empregadas no setor acadêmico, onde a interpretação dos dados depende muito da revisão manual subjetiva, e isso é difícil de traduzir para o entendimento baseado em máquinas”, diz ele. Abordagens à digitalização incluíram referência automatizada a dados de biblio- teca, como no caso do dicroísmo circular (CD) e / ou à aplicação de algoritmos com- plexos, como no caso de sequenciamento baseado em espectrometria de massa (MS). “Nenhuma dessas abordagens foi aperfeiçoada, no entanto, particularmen- te para aplicações de moléculas grandes onde a diversidade estrutural pode ser um impedimento significativo para uma inter- pretação precisa”, acrescenta Rodríguez- -Mendieta. O principal desafio está no fato de que, com moléculas biológicas, a identidade tem vários significados relacionados à