聯(lián)系電話
上海新威圣制藥機(jī)械有限公司
中級(jí)會(huì)員·11年您現(xiàn)在的位置： 首頁(yè)> 公司動(dòng)態(tài)> 喜訊！新威圣AI視覺(jué)檢測(cè)成果入選英國(guó)權(quán)威制藥期刊IPI
- 聯(lián)系人：
- 邵小姐
- 電話：
- 021-59585480
- 手機(jī)：
- 傳真：
- 86-021-59585237
- 地址：
- 上海市嘉定區(qū)滬宜公路5995號(hào)
- 網(wǎng)址：
- www.shxws.cn
掃一掃訪問(wèn)手機(jī)商鋪
微信掃碼進(jìn)入微名片
圖片來(lái)源：新威圣展會(huì)實(shí)拍圖
文章原文鏈接:https://international-pharma.com/navigating-ai-driven-pharmaceutical-visual-inspection/
以下為文章中文譯版，歡迎閱讀與交流!
制藥質(zhì)量控制的新范式
AI驅(qū)動(dòng)的視覺(jué)檢測(cè)
制藥行業(yè)仍在持續(xù)應(yīng)對(duì)質(zhì)量控制方面的挑戰(zhàn)。傳統(tǒng)檢測(cè)方法已難以滿足現(xiàn)代化生產(chǎn)的需求，諸如Moderna疫苗中出現(xiàn)金屬不銹鋼顆粒等高關(guān)注度的污染事件，暴露了現(xiàn)有體系中的關(guān)鍵脆弱點(diǎn)?¹?。人工目檢依然容易受到人為錯(cuò)誤的影響，而傳統(tǒng)自動(dòng)化檢測(cè)系統(tǒng)只能識(shí)別其被預(yù)先編程去尋找的缺陷。隨著監(jiān)管審查日益嚴(yán)格、生產(chǎn)復(fù)雜性不斷提高，制造商亟需新的解決方案。AI自動(dòng)化技術(shù)代表了視覺(jué)檢測(cè)領(lǐng)域的一次高級(jí)演進(jìn)，能夠從根本上彌補(bǔ)人工檢測(cè)和傳統(tǒng)自動(dòng)化方法的局限性。人工智能驅(qū)動(dòng)的檢測(cè)有望在保持商業(yè)可行性的同時(shí)，實(shí)現(xiàn)零缺陷生產(chǎn)，從而徹底改變制藥質(zhì)量保證體系。
監(jiān)管驅(qū)動(dòng)因素
包括美國(guó)食品藥品監(jiān)督管理局(FDA)、歐洲藥品管理局(EMA)以及英國(guó)藥品和健康產(chǎn)品管理局(MHRA)在內(nèi)的監(jiān)管機(jī)構(gòu)，正逐步要求制造商展示超越傳統(tǒng)合規(guī)措施的、更加穩(wěn)健的質(zhì)量控制能力。
現(xiàn)行《藥品生產(chǎn)質(zhì)量管理規(guī)范》(cGMP)包含嚴(yán)格的污染控制要求，旨在防止異物顆粒危及藥品質(zhì)量，且該類要求在全球市場(chǎng)中的執(zhí)行力度正不斷加強(qiáng)。
FDA發(fā)布的《注射劑可見(jiàn)異物檢測(cè)行業(yè)指南》明確要求：所有用于腸外給藥的藥品必須進(jìn)行可見(jiàn)異物的目視檢查，凡發(fā)現(xiàn)可見(jiàn)顆粒的容器均必須判為不合格并剔除?²?。此外，《美國(guó)藥典》中關(guān)于注射劑可見(jiàn)異物的指南規(guī)定，在產(chǎn)品放行前，必須通過(guò) 100% 目視檢查來(lái)證明批次“基本不含可見(jiàn)異物”?³?。這些法規(guī)凸顯了全面檢測(cè)能力在制藥生產(chǎn)中的關(guān)鍵重要性。
目前尚未出臺(tái)專門(mén)針對(duì)AI的正式法規(guī)，但歐盟已起草了GMP附錄22(人工智能)和附錄11(計(jì)算機(jī)化系統(tǒng))，目前仍處于審議階段。草案中逐漸明確的一項(xiàng)核心監(jiān)管原則是：在關(guān)鍵GMP應(yīng)用中，僅允許使用靜態(tài)或確定性模型，而動(dòng)態(tài)或持續(xù)學(xué)習(xí)的模型不適用于關(guān)鍵GMP場(chǎng)景??????。
這意味著，在生產(chǎn)線上部署于檢測(cè)設(shè)備中的 AI模型必須是鎖定且靜態(tài)的，自學(xué)習(xí)能力僅可用于開(kāi)發(fā)階段或未來(lái)版本更新，而不得在現(xiàn)場(chǎng)生產(chǎn)過(guò)程中自動(dòng)更新模型。
鑒于AI專項(xiàng)法規(guī)仍處于草案階段，AI視覺(jué)檢測(cè)設(shè)備目前仍適用于與傳統(tǒng)檢測(cè)設(shè)備相同的監(jiān)管框架。歐盟關(guān)于自動(dòng)視覺(jué)檢測(cè)(AVI)的政策指出：“在采用自動(dòng)檢測(cè)方法時(shí)，該過(guò)程應(yīng)經(jīng)過(guò)驗(yàn)證，能夠檢測(cè)已知缺陷(可能影響產(chǎn)品質(zhì)量或安全)，并且其檢測(cè)能力應(yīng)等同于或優(yōu)于人工檢測(cè)方法” ???。
許多AI自動(dòng)化檢測(cè)系統(tǒng)通過(guò)生成完整的審計(jì)追蹤記錄來(lái)支持各類合規(guī)框架，滿足監(jiān)管對(duì)文件化的要求，從而為制造商提供可驗(yàn)證及可追溯的質(zhì)量保證體系。
技術(shù)進(jìn)步與能力
AI自動(dòng)化技術(shù)代表了視覺(jué)檢測(cè)領(lǐng)域的一次重大革新，能夠解決人工檢測(cè)和傳統(tǒng)自動(dòng)化檢測(cè)的根本性局限。人工檢測(cè)易受人為錯(cuò)誤、疲勞和一致性不足的影響，而傳統(tǒng)自動(dòng)化檢測(cè)只能識(shí)別被明確編程的缺陷類型???。AI自動(dòng)化技術(shù)則具備顯著優(yōu)勢(shì)，包括對(duì)新型缺陷的識(shí)別能力以及通過(guò)算法的學(xué)習(xí)迭代實(shí)現(xiàn)持續(xù)改進(jìn)，從根本上改變了檢測(cè)范式。
基于AI的檢測(cè)設(shè)備能夠顯著降低漏檢率，將誤判為不合格的合格產(chǎn)品比例從10–20% 降低至約2%???。這一精度的大幅提升直接轉(zhuǎn)化為顯著的成本節(jié)約和廢品減少。此外，AI 技術(shù)還能將圖像序列作為視頻進(jìn)行分析，通過(guò)運(yùn)動(dòng)軌跡和多角度視圖來(lái)判斷疑似缺陷，從而提供比靜態(tài)圖像分析更全面的評(píng)估。
AI自動(dòng)化檢測(cè)的運(yùn)行機(jī)制是：利用包含大量圖像的數(shù)據(jù)集對(duì)深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，其中包括標(biāo)記為“合格”的良品圖像，以及標(biāo)記為“不合格”的缺陷產(chǎn)品圖像，并明確標(biāo)注缺陷區(qū)域。
完整的訓(xùn)練通常使用約100萬(wàn)張合格產(chǎn)品圖像和250萬(wàn)張缺陷圖像。合格圖像不僅包括無(wú)缺陷的產(chǎn)品，也包含氣泡、刻度痕跡、雕刻標(biāo)識(shí)等可預(yù)期的干擾因素。
缺陷圖像則涵蓋制藥產(chǎn)品中常見(jiàn)的污染類型，如玻璃、顆粒物和金屬污染等，且缺陷類型無(wú)需窮盡。訓(xùn)練完成后，模型能夠?qū)W習(xí)區(qū)分帶有正常干擾特征的合格產(chǎn)品與缺陷產(chǎn)品。
圖片來(lái)源：新威圣展會(huì)實(shí)拍圖
在實(shí)際運(yùn)行中，檢測(cè)設(shè)備會(huì)對(duì)每件產(chǎn)品采集多張圖像并輸入模型進(jìn)行合格/不合格的判定。當(dāng)圖像中所有特征均符合合格產(chǎn)品的預(yù)期特征時(shí)，模型給出“合格”判定；而在以下任一情況下則給出“不合格”判定：其一，某些特征與訓(xùn)練中學(xué)習(xí)到的缺陷模式相匹配；其二，某些特征不符合合格產(chǎn)品的特征輪廓，即使其并未直接匹配到某一特定缺陷類型。
第二種判定遵循“失效安全(fail-safe)”原則，確保任何潛在存在問(wèn)題的產(chǎn)品都會(huì)被標(biāo)記以供進(jìn)一步評(píng)估。檢測(cè)設(shè)備還可檢測(cè)封蓋缺陷、容器外觀缺陷以及灌裝量控制等項(xiàng)目，每一類均采用獨(dú)立訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型，方法基本一致。
經(jīng)濟(jì)效益與性能指標(biāo)
AI自動(dòng)化檢測(cè)可通過(guò)減少人工成本、降低廢品率以及避免召回?fù)p失，實(shí)現(xiàn)顯著的成本節(jié)約。更先進(jìn)的視覺(jué)檢測(cè)技術(shù)還能降低合規(guī)成本，防止因質(zhì)量問(wèn)題造成的聲譽(yù)損害，并避免市場(chǎng)機(jī)會(huì)的流失。最大的成本節(jié)約來(lái)源于廢品減少：誤剔除率可從約15%降至2%，相當(dāng)于挽救了原本會(huì)被不必要丟棄的13%成品 ??? 。
檢測(cè)系統(tǒng)性能通常通過(guò)兩個(gè)核心指標(biāo)來(lái)評(píng)估：漏檢率(假陰性)和誤檢率(假陽(yáng)性/誤剔除)。漏檢率指未被檢測(cè)系統(tǒng)剔除的缺陷產(chǎn)品比例，而誤檢率指被錯(cuò)誤判為不合格的合格產(chǎn)品比例。檢測(cè)概率(PoD)或檢出率是漏檢率的反值，計(jì)算方式為：1 − 漏檢率。
根據(jù)《美國(guó)藥典》，目視檢測(cè)是一種概率性過(guò)程而非絕對(duì)過(guò)程，其檢測(cè)能力受顆粒尺寸、形狀、顏色、密度和反射率等因素影響。人眼的理論分辨極限約為11μm，但實(shí)際可分辨能力更接近85–100μm。在受控條件下，人工檢測(cè)對(duì)50μm顆粒的PoD僅略高于0%；對(duì)100μm的單一球形顆粒(如聚苯乙烯微球)約為40%；對(duì)150μm顆粒約為70%；而對(duì)200μm及以上顆粒則可超過(guò)90% ?¹º? 。
在玻璃容器中，由于分層或破裂導(dǎo)致玻璃顆粒成為主要污染風(fēng)險(xiǎn)，不同檢測(cè)方法的性能差異尤為明顯。研究表明，人工檢測(cè)僅能識(shí)別約40%含有單個(gè)50–400μm玻璃顆粒的產(chǎn)品；傳統(tǒng)自動(dòng)化檢測(cè)系統(tǒng)通常可檢測(cè)約90%；而AI視覺(jué)檢測(cè)系統(tǒng)的檢出率可高達(dá)98.5%，漏檢率僅為1.5% ?¹¹?。這些改進(jìn)顯著提升了無(wú)菌產(chǎn)品的安全性和質(zhì)量保證水平。
對(duì)于塑料容器，由于異物在透明材料中更難區(qū)分，性能差異更加顯著。人工檢測(cè)對(duì)單個(gè)塑料顆粒的PoD約為25%，當(dāng)存在5個(gè)400μm顆粒時(shí)提升至約45%。傳統(tǒng)自動(dòng)化系統(tǒng)的檢出率約為65%，而AI檢測(cè)系統(tǒng)可達(dá)到約95%。在誤剔除率方面，傳統(tǒng)機(jī)器視覺(jué)常被氣泡和外觀特征干擾，誤剔除率高達(dá)10–20%，而AI系統(tǒng)約為2%，與人工檢測(cè)水平相當(dāng)?¹¹?。
實(shí)施挑戰(zhàn)與解決方案
從人工或傳統(tǒng)自動(dòng)化檢測(cè)轉(zhuǎn)向AI自動(dòng)化檢測(cè)，制造商需要謹(jǐn)慎應(yīng)對(duì)一系列挑戰(zhàn)。其中一個(gè)關(guān)鍵挑戰(zhàn)是設(shè)定明確的合格判定閾值。這一點(diǎn)與人工檢測(cè)顯著不同，后者的合格標(biāo)準(zhǔn)往往以口頭方式傳達(dá)且相對(duì)模糊。制藥企業(yè)在初期實(shí)施階段，常常會(huì)遇到質(zhì)量、生產(chǎn)和財(cái)務(wù)等不同部門(mén)對(duì)機(jī)器閾值設(shè)定存在分歧的問(wèn)題，需要通過(guò)有效的變革管理和利益相關(guān)方協(xié)調(diào)來(lái)達(dá)成共識(shí)。
圖片來(lái)源：新威圣展會(huì)實(shí)拍圖
成功實(shí)施還需要全面的驗(yàn)證流程，以證明新系統(tǒng)在性能上等同或優(yōu)于現(xiàn)有方法。企業(yè)必須為操作新系統(tǒng)的人員建立*的培訓(xùn)體系，制定適配AI流程的標(biāo)準(zhǔn)操作規(guī)程(SOP)，并確保其與現(xiàn)有質(zhì)量管理體系的無(wú)縫集成。同時(shí)，還需滿足數(shù)據(jù)治理要求，包括數(shù)據(jù)集的合理構(gòu)建、偏差管理，以及模型開(kāi)發(fā)和驗(yàn)證過(guò)程的完整文檔化。
未來(lái)技術(shù)發(fā)展
視覺(jué)檢測(cè)技術(shù)仍在持續(xù)進(jìn)化，目標(biāo)是實(shí)現(xiàn)更高性能和更廣泛的適用性。當(dāng)前研發(fā)重點(diǎn)之一是構(gòu)建更加通用的計(jì)算機(jī)視覺(jué)神經(jīng)網(wǎng)絡(luò)模型，類似于大語(yǔ)言模型的發(fā)展趨勢(shì)。現(xiàn)階段，往往需要針對(duì)不同容器規(guī)格，甚至不同藥液分別訓(xùn)練模型。鑒于合格樣本與缺陷樣本之間的相似性以及算法的最新進(jìn)展，行業(yè)正嘗試將不同模型進(jìn)行融合，形成統(tǒng)一的通用檢測(cè)模型。這不僅能減少客戶在模型切換方面的工作量，降低運(yùn)行風(fēng)險(xiǎn)，也能顯著減輕設(shè)備制造商反復(fù)校準(zhǔn)的負(fù)擔(dān)。
多年來(lái)，相機(jī)成像景深受限一直制約著檢測(cè)能力，尤其是在30ml西林瓶等相對(duì)較大容器中檢測(cè)微小顆粒時(shí)。借助AI的預(yù)測(cè)能力，研究人員正在開(kāi)發(fā)算法，通過(guò)分析前20% 的圖像序列來(lái)預(yù)測(cè)顆粒在三維空間中的運(yùn)動(dòng)軌跡，并實(shí)時(shí)控制液態(tài)鏡頭以調(diào)整焦平面。這種方法可克服淺景深限制，獲取更清晰的疑似顆粒圖像，從而將漏檢率從2%降至0.2%，檢出率從98.5%提升至99.8%?¹²?。
先進(jìn)的AI視覺(jué)技術(shù)還可實(shí)現(xiàn)更精細(xì)的缺陷分類與表征，為制造商提供關(guān)于污染來(lái)源和模式的更深入信息。機(jī)器學(xué)習(xí)算法能夠識(shí)別缺陷發(fā)生趨勢(shì)，從而支持預(yù)測(cè)性維護(hù)和工藝優(yōu)化。這使AI的價(jià)值從單一檢測(cè)環(huán)節(jié)擴(kuò)展至更廣泛的制造智能領(lǐng)域。
戰(zhàn)略實(shí)施考量
成功引入由AI驅(qū)動(dòng)的制藥視覺(jué)檢測(cè)，需要在技術(shù)、監(jiān)管和組織層面進(jìn)行系統(tǒng)化規(guī)劃。制造商應(yīng)評(píng)估現(xiàn)有質(zhì)量控制的基礎(chǔ)設(shè)施，識(shí)別具體改進(jìn)機(jī)會(huì)，并制定分階段實(shí)施方案，以盡量減少對(duì)生產(chǎn)運(yùn)營(yíng)的影響。監(jiān)管因素應(yīng)貫穿技術(shù)選擇和驗(yàn)證策略，在滿足現(xiàn)行要求的同時(shí)，為未來(lái)法規(guī)變化做好準(zhǔn)備。
培訓(xùn)與變革管理同樣至關(guān)重要。員工需要理解新技術(shù)并適應(yīng)新的工作方式。質(zhì)檢人員需掌握AI系統(tǒng)驗(yàn)證和持續(xù)監(jiān)控方法，生產(chǎn)人員則需熟悉自動(dòng)化系統(tǒng)的運(yùn)行及異常處理流程。管理層的支持以及對(duì)實(shí)施收益的清晰溝通，有助于確保組織層面的認(rèn)同和技術(shù)的成功落地。
在財(cái)務(wù)層面，決策者應(yīng)不僅關(guān)注初始資本投入，還應(yīng)綜合評(píng)估長(zhǎng)期運(yùn)營(yíng)收益，包括廢品減少、合規(guī)能力提升和產(chǎn)品質(zhì)量改善?？傮w擁有成本分析應(yīng)涵蓋人工節(jié)約、召回風(fēng)險(xiǎn)降低及因卓越質(zhì)量控制能力帶來(lái)的競(jìng)爭(zhēng)優(yōu)勢(shì)。
結(jié)論
制藥行業(yè)正站在一個(gè)關(guān)鍵的歷史節(jié)點(diǎn)。從人工檢測(cè)邁向AI系統(tǒng)，實(shí)現(xiàn)的是精度上的巨大飛躍，這不僅是一次技術(shù)升級(jí)，更代表了我們守護(hù)人類健康方式的根本轉(zhuǎn)變。擁抱這一變革的制造商，不只是更新設(shè)備，而是在一個(gè)“精準(zhǔn)即生命”的行業(yè)中確立領(lǐng)導(dǎo)地位，贏得信任。
人工檢測(cè)和傳統(tǒng)方法的性能已接近上限，而 AI驅(qū)動(dòng)的檢測(cè)仍在隨著算法突破不斷進(jìn)步。未來(lái)檢出率有望接近99.8%，將今天的雄心目標(biāo)轉(zhuǎn)化為明天的最低標(biāo)準(zhǔn)。這項(xiàng)技術(shù)已超越商業(yè)指標(biāo)，成為全球健康保護(hù)的重要工具：每一支被成功攔截的污染藥品，都是對(duì)一名患者的守護(hù)。
隨著監(jiān)管要求日益嚴(yán)格、市場(chǎng)環(huán)境持續(xù)變化，AI視覺(jué)檢測(cè)正從新興技術(shù)轉(zhuǎn)變?yōu)殛P(guān)鍵基礎(chǔ)設(shè)施。率先部署該技術(shù)的制造商，將建立起愈發(fā)難以復(fù)制的競(jìng)爭(zhēng)優(yōu)勢(shì)。在一個(gè)質(zhì)控能力決定市場(chǎng)準(zhǔn)入和運(yùn)營(yíng)可持續(xù)性的監(jiān)管環(huán)境中，AI驅(qū)動(dòng)的質(zhì)量檢測(cè)已成為未來(lái)醫(yī)藥制造卓越性的核心組成部分。
參考文獻(xiàn)：
1. Chooi, W.H. 等(2022)《疫苗污染：成因與控制》，《Vaccine》。可獲取于PMC數(shù)據(jù)庫(kù)(訪問(wèn)日期：2025年8月20日)
2. (2021)《注射劑可見(jiàn)異物檢測(cè)—行業(yè)指南》，美國(guó)食品藥品監(jiān)督管理局(FDA)?？色@取于FDA官方文件(訪問(wèn)日期：2025年8月20日)
3. (2014)《美國(guó)藥典》(United States Pharmacopeia), 第790章?？色@取于USP官方網(wǎng)站(訪問(wèn)日期: 2025年8月21日)
4. (2025)《GMP附錄22:人工智能(Annex 22: Artificial Intelligence)》，歐盟委員會(huì)草案文件?？色@取于歐盟衛(wèi)生部門(mén)(訪問(wèn)日期：2025年8月20日)
5. (2011)《GMP附錄11：計(jì)算機(jī)化系統(tǒng)(Annex 11: Computerised Systems)》，歐盟委員會(huì)?？色@取于歐盟衛(wèi)生部門(mén)(訪問(wèn)日期：2025年8月20日)
6.(2022)《GMP附錄1：無(wú)菌藥品的生產(chǎn)(Annex 1: Manufacture of Sterile Medicinal Products)》?？色@取于歐盟官方文件(訪問(wèn)日期：2025年8月21日)
7.《使用機(jī)器學(xué)習(xí) / 人工智能的視覺(jué)檢測(cè)》，《Pharmaceutical Engineering》(2020年11–12月刊)?？色@取于ISPE官方網(wǎng)站(訪問(wèn)日期：2025年8月20日)
8. Xin Weisheng(2025)《AI驅(qū)動(dòng)的視覺(jué)檢測(cè)性能與傳統(tǒng)視覺(jué)檢測(cè)設(shè)備的對(duì)比研究》，內(nèi)部研究數(shù)據(jù)，未公開(kāi)
9. Xin Weisheng(2025)《AI驅(qū)動(dòng)的視覺(jué)檢測(cè)性能與傳統(tǒng)視覺(jué)檢測(cè)設(shè)備的對(duì)比研究》，內(nèi)部研究數(shù)據(jù)，未公開(kāi)
10. Cherris, R.(2016)《注射劑視覺(jué)檢測(cè)—NGVF大師班演示文稿》，PDA/PharmOut。可獲取于PharmOut官方網(wǎng)站(訪問(wèn)日期：2025年8月21日)
11. Mazaheri, M. 等(2024)《通過(guò)人工目檢監(jiān)測(cè)腸外制劑中的可見(jiàn)顆粒—重新評(píng)估定義顆?？梢?jiàn)性的尺寸閾值及其他顆粒特性》,《Journal of Pharmaceutical Sciences》?？色@取于ScienceDirect(訪問(wèn)日期：2025年8月28日)
12. Xin Weisheng(2025)《未來(lái)AI視覺(jué)檢測(cè)檢出率的公司預(yù)測(cè)》，內(nèi)部估算數(shù)據(jù)，未公開(kāi)
宜川县|
山西省|
盐津县|
遂昌县|
徐闻县|
晋城|
广南县|
甘南县|
仪陇县|
开平市|
临高县|
张掖市|
若羌县|
晋中市|
湟中县|
报价|
盘锦市|
米泉市|
永胜县|
余江县|
台安县|
敦化市|
巩义市|
博罗县|
驻马店市|
安顺市|
安康市|
正安县|
铁力市|
嘉兴市|
绥滨县|
田东县|
瑞金市|
安康市|
盖州市|
柳州市|
南川市|
扬中市|
沙河市|
兴义市|
搜索|