全球製藥正加速走向智慧化、連續化與高度自動化，並從流體化學、AI製程最佳化到整合式連續製造(ICM)等技術全面升級。臺灣首次會聚多國先進製造權威分享實務經驗，專家們一致強調：從實驗室到商轉的即時監控、數據驅動與跨域協作的重要性。隨著日本、美國等地連續製程成功案例累積，如何結合技術、法規與人才，讓製藥業從傳統批次跨入連續製造時代，已成全球共同課題與競爭關鍵！

撰文/彭梓涵、吳培安、吳康瑋、李珍伶

10月16日，由經濟部產業技術司指導、工業技術研究院(ITRI)與財團法人醫藥工業技術發展中心(PITDC)主辦之「原料藥及藥品先進製造技術國際研討會」，首次匯集國9位先進製造權威同台，包括來自美國安進(Amgen)、美國 OSD Pharmaceutical Solutions 、日本岐阜藥科大學、美國 Rutgers University、日本CMIC集團旗下CMIC CMO USA、美國Continuus Pharmaceuticals、比利時GEA Group、德國Ehrfeld Mikrotechnik，以及美商康寧(Corning)等專家，分享從實驗室研發到產線應用的最新實踐經驗。

從智慧化、自動化、人工智慧(AI)等新技術，探討製藥產業如何從傳統批次走向連續化生產的轉型契機。

中華民國製藥發展協會李芳全理事長開場致詞中表示，今日的研討會內容涵蓋許多先進技術的最新知識與經驗，期許為現場的製藥產業專業人士、學術研究人員及對先進製造有興趣的聽眾帶來豐富的收穫。

美國安進(Amgen)製程化學家謝効吾(Hsiao-Wu Hsieh)介紹安進如何透過連續製程與即時監控，讓旗下暢銷免疫疾病明星藥Otezla (apremilast)的生產效率最大化。(攝影/李林娜)

⊕ 謝効吾 »
解密安進免疫明星藥連續製程 反應時間縮短97%

美國安進(Amgen)製程化學家謝効吾(Hsiao-Wu Hsieh)首先介紹了安進如何透過連續製程與即時監控，讓旗下全球年銷售額高達20億美元的免疫疾病明星藥Otezla (apremilast)的生產效率最大化。該藥全球年銷售額高達20億美元，適應症包括乾癬、乾癬性關節炎等多種發炎疾病。

從2018年迄今，安進持續將流體化學(Flow Chemistry)視為製程開發的核心技術之一。謝効吾表示，這項技術不只是將實驗與生產自動化，其產生的大量數據，也能成為機器學習、製程最佳化的基礎。

謝効吾說明，在Otezla活性藥物主成分ampremilast的合成步驟中，存在著室溫下溶解度低、達到中控標準(IPC)的反應時間長、反應之後還需要多個單元操作步驟等製程瓶頸，因此，安進透過一系列的製程平台改良、組合成連續製程，才加以克服。

例如，將反應溫度拉高到攝氏130度，成功將製程縮短到25分鐘，並改用不提供羥基或羰基的極性溶劑，結果在公斤級製造中運行超過24小時，沒有出現阻塞現象。此外，他們也改採用三階段的MSMPR (完全混合懸浮-完全混合取出式結晶槽)，解決結晶析出分離步驟中，過飽和速率(Desupersaturation)緩慢的問題。

這套系統還進一步導入了即時回饋監控系統，並採用移動平均與設定上下濃度控制限制，避免系統因反應過度敏感而中止運作。謝効吾表示，這套經過改良的連續製程，成功將反應時間大幅縮短了97%、將單元操作強化了66%，更將製程物料指數(PMI)減少52%、水用量減少42%、有機溶劑用量減少58%、製造足跡減少了90%，達成了增進永續性的目標。

藥品製劑顧問服務公司OSD Pharmaceutical Solutions LLC總裁Firouz Asgarzadeh分享在藥品製劑開發中導入AI、機器學習(ML)與機器人自動化的觀點。(攝影/李林娜)

⊕ Asgarzadeh »
AI結合自動化設備 解放科學家重複性研發的任務

連續製程無疑已成為產業界重要的發展，而AI也正逐漸成為推動製劑開發與製程優化的關鍵推手。藥品製劑顧問服務公司OSD Pharmaceutical Solutions LLC總裁Firouz Asgarzadeh分享在藥品製劑開發中導入AI、機器學習(ML)與機器人自動化的觀點。

Asgarzadeh指出，藥物研發失敗率高達90%，因此，「選對目標」與「減少試錯」成為AI導入的關鍵。他舉例說明，在製程開發與放大中，以往判斷濕式造粒終點常靠徒手捏取及觀察顆粒濕度的「香蕉測試法」或電流變化，但在AI發展下已可透過「神經模糊邏輯模型(Neuro-Fuzzy Logic)」整合既有的經驗數據，如攪拌器轉速、剪切力分布、電流等進行非線性數據的建模，大幅提升對顆粒化終點的預測準確性。

此外，AI還能分析過去實驗的大量數據，從中辨識出影響配方穩定性的關鍵變數，並預測最佳的材料組合與製程條件，甚至可應用於脂質載體系統的開發，透過分析藥物與脂質結構特徵，預測雙方的最佳匹配度，為設計具高口服吸收效率或長效釋放特性的配方提供重要參考。

在自動化方面，Asgarzadeh 指出，過去製藥研發中繁瑣的實驗流程，如長效注射劑 PLGA 配方的乳化、硬化與噴霧乾燥，如今已能透過機器人與 AI 系統自動化完成。以Persist AI的實驗室為例，其機械手臂可同時篩選數百種配方，並根據累積的大量實驗數據自動調整混合比例與顆粒大小，進行高速優化，其整體效率較人工操作提升超過30倍。

Asgarzadeh表示，目前許多模型已可公開取得，例如COSMO-SAC與Salmi Dataset，可協助藥廠在配方設計階段進行模擬與預測分析。

他最後表示，AI與機器學習並非神話，而是將過去經驗、文獻與實驗整合為可重複使用的智慧資產，並呼籲業界應從「Quality by Accident (QbA,偶然的品質)」邁向「Quality by Design (QbD設計導向的品質)」。

日本岐阜藥科大學製藥工程與固體製劑設計領域權威暨日本製藥連續製程聯盟(CCPMJ)主席的竹内洋文(Hirofumi Takeuchi)教授分享日本在連續製程發展的歷程與現況。(攝影/李林娜)

⊕ 竹内洋文»
從聯盟到PMDA 日本打造連續製程推進體系「連續製程審查團隊」

接著論壇邀請到日本岐阜藥科大學製藥工程與固體製劑設計領域權威暨日本製藥連續製程聯盟(CCPMJ)主席的竹内洋文(Hirofumi Takeuchi)教授、及率先開發廣泛應用於製藥產業的連續直壓製程技術之美國羅格斯大學(Rutgers University)化...