近日，ICH在其指南列表页面悄无声息地更新了一个条目，即“M16 EWG 结构化产品质量申报”(暂译，Structured Product Quality submissions，SPQS)。ICH组建了以FDA CDER药品质量办公室(OPQ)药品质量审评第1办公室(OPQA I)主任Geoffrey Wu为报告人的专家工作组，开始编制M16的概念性文件。

相比2025年5月ICH发布全新CTD架构M4Q(R2)征求意见引发广泛关注，SPQS尚不为业界所熟知。但早在ICH M4Q(R2)草拟阶段，ICH就已明确将在前者开始征求意见时启动SPQS。

具体何为SPQS，将给药学注册审评带来何种革新，这些疑问有待ICH在M16概念性文件和指南中阐述，但仅从其字面“结构化产品质量申报”理解，SPQS的内涵和外延可能比许多业界人士预期的要更深更广，可能超出M4Q(R2)重组药学申报资料的范畴。

其原因在于，由FDA人士主导的ICH SPQS可能延续了该机构近年来在药学(涵盖FDA语境下的Quality和CMC)注册审评领域的未竟创新，并有机会与日新月异的AI技术结合，充分发挥数据潜能。

注册和审评是一个硬币的两面。药业关注审评，也是在关注即将到来的注册范式变革。笔者基于FDA质量审评核心团队(包括余煊强博士)发表于2024年的综述文章《旨在改进 FDA 对人用药申请质量评估的监管创新网络》，将FDA的药学审评创新工具概述如下，供读者参考。

*FDA的药学审评创新工具矩阵，基于文献内图片编译

KASA：从“看资料”转向“读数据”

知识辅助评价和结构化申请(Knowledge-aided Assessment and Structured Application, KASA)是FDA首批监管创新之一。该系统利用信息技术，通过结构化数据、分析和知识管理来精简监管申报、审评和注册流程。

以往的药学审评方法依赖于审评人员对申请人提供的PDF文件信息进行自由叙述式(free narrative)描述(申报资料本身也是叙述式)。此类系统可能导致文本冗长、知识共享能力不一致且受限、数据提取困难，影响决策效率。KASA系统以结构化格式捕获并管理关于原料药、制剂、生产及设施的风险与控制策略信息，通过为各审评学科建立规则和算法来辅助审评人员，以促进风险分析、缓解和沟通。风险识别涉及计算机辅助分析申请材料是否符合监管标准，并基于先前知识确定产品在整个生命周期内的质量风险。KASA还结构化审评文件，以最小化不必要的文本叙述以及对申请人已提供信息的重复总结。

读者可点击此文更直观了解KASA。

PQ/CMC：“读数据”的前提是数据结构和交换标准

尽管ICH M4Q(R2)提供了有利于基于科学和风险的药学审评的组织结构，但它未涉及数据结构和交换标准。缺乏这些标准，无论CTD目录如何改动，最终提交的仍可能是pdf而不是数据。

药品质量/化学、生产与控制结构化数据(Structured Data on Pharmaceutical Quality/Chemistry, Manufacturing, and Controls, PQ/CMC)工作的重点就是建立此类标准，以实现从提交申报资料到监管机构审评数据的无缝连接和传输，可供KASA、质量监控仪表盘(Quality Surveillance Dashboard, QSD)及其他FDA系统使用。结构化数据的益处在于确保FDA和行业使用“相同的数据”，并消除在分析系统使用前手动操作数据的需要。

EC：结构化数据有望助Q12重要工具发扬光大

既定条件(Established Conditions, EC)的概念首见于FDA 在2015年5月发布《既定条件：已批准的药品和生物制品的可报告的化学、生产、控制(CMC)变更》指南草案。ICH 于2021年5月定稿Q12之后，EC作为Q12三大监管工具之一进入我国业界视野。另外两个工具是批准后变更管理方案(PACMP)和产品生命周期管理(PLCM)。

EC被定义为药品申请中那些为保证产品质量所必需的CMC要素(例如，生产工艺、设施和设备以及相关控制策略的要素)。FDA原本期望利用EC减少补充申请审评压力。然而在实践中，监管和业界双方对于何为EC难以达成共识，而对于EC的僵化理解可能对变更管理产生负面影响，导致企业“该报不报”或是“冗余申报”，以至于打击企业推动优化质量的变更的积极性。近日日本业界的EC调研就显示药企对于EC应用严重不足。

值得一提的是，我国药监已发布了多份PACMP指南，但对EC还在评估当中。NMPA在2025年12月的Q12适用问题公告中表示“将持续跟进国际进展，及时借鉴国际经验，组织工业界开展研究，积极推动...转化应用”。

在FDA看来，EC想要充分发挥价值，需要整个结构化申报体系的支持，如KASA将捕获产品整个生命周期中EC的风险评估，而QSD将促进知识管理及设施评估，帮助FDA评价企业有效管理变更的能力。

QSD：“仪表盘”链接监管内部“数据孤岛”

设施审评需要对产品属性、生产工艺和检查历史进行全面评价。然而相关数据分布在FDA内部多个不同的数据系统中。药学审评人员可能花费大量时间手动检查、提取和审评每个系统的数据。执行高效的设施审评需要一个集中化和自动化的系统，提供全面且最新的设施质量相关信息。

质量监控仪表盘(QSD)的设计初衷正是在一个平台汇总多源设施信息进行报告、数据探索和分析，为CDER提供一致审评的框架。该仪表盘为审评人员提供导航每个设施产品详细信息(例如，申请状态、供应链角色、给药途径、产品可及性)以及设施历史事件时间线的能力。它同时使用预测模型和自然语言处理(检测和提取文本数据关系的自动化技术)，以实现高效的基于风险的设施审评。未来版本的QSD将集成从KASA收集的数据，获得更强大的分析能力。随着QSD的成熟，它将扩大用户数量，扩展数据获取范围，并改进数据清洗方法。不过FDA特别强调，执行审评的仍然是审评人员而非QSD。

IQA：基于强大数据基础的审评团队建设和工作流程设计

FDA认为，审评创新并非一定是电子化和数字化，高效药学审评总是需要不同质量学科的无缝整合。集成质量审评(Integrated Quality Assessment, IQA)流程促进了一种多学科、基于团队的方法，遵循明确的业务流程，并为每个团队成员设定清晰的职责。IQA团队包括申请技术负责人、监管业务流程经理、学科审评人员以及根据需要增加的技术顾问。

IQA面临的挑战之一是需要团队建设和关系建设，即团队内部的凝聚力和一致性，并需要精心设计以将不同学科的个体聚集在一起，有效处理大量申请。药品质量办公室(OPQ)在设计IQA团队时采用“对齐团队”策略。该策略从跨学科的较小人员池中抽取人员分配对齐的IQA团队，从而形成更频繁的合作，因此拥有更稳固的工作关系和增强信任的审评人员小组。这使得团队能够尽可能协作且高效地进行药学审评，同时为申请人提供更一致的反馈。

OPQ于2015年首次采用IQA流程，其积极经验还用于支持新药办公室(OND)在2020年实施集成新药申请(NDA)审评团队。未来OPQ将继续监控对齐团队以寻找持续改进的机会。

原文链接：

https://www.ich.org/page/multidisciplinary-guidelines