文/ Andreas Gross
不管是自動(dòng)駕駛、電腦游戲或者人臉識(shí)別——人工智能現(xiàn)在正在改變我們的日常生活。許多領(lǐng)域已經(jīng)使用了相應(yīng)的軟件和算法,包括制造零件的視覺檢查。所以,為什么不也在藥品檢查中使用這些軟件和算法呢?這其中的一個(gè)挑戰(zhàn)是將這些應(yīng)用轉(zhuǎn)化為復(fù)雜的制藥過程,并為制藥這一監(jiān)管嚴(yán)格的行業(yè)提供適當(dāng)?shù)膶?shí)施和驗(yàn)證概念。而今天的先行者將成為明天行業(yè)的潮流引領(lǐng)者。
人工智能(AI)以驚人的速度進(jìn)入我們的生活——家庭、交通和工作。智能手機(jī)擁有語音助手,醫(yī)生也可以利用人工智能診斷身體狀況。人工智能系統(tǒng)越智能,理解這些系統(tǒng)的好處、推動(dòng)關(guān)鍵技術(shù)的接受度就變得更加重要。自動(dòng)駕駛就是人工智能有益于人類安全的一個(gè)實(shí)例。就數(shù)字化和工業(yè)4.0 而言,制造商還可以利用人工智能和深度學(xué)習(xí)來優(yōu)化制造過程,使制造過程更加安全、容易并且可以預(yù)測(cè)。這一潛力還適用于可以發(fā)揮更重要作用的領(lǐng)域:人類使用藥物的制造。
圖1 藥品的自動(dòng)化視覺檢查
在制藥生產(chǎn)過程中,檢查是一項(xiàng)非常具有挑戰(zhàn)性的工作。對(duì)具有難點(diǎn)的產(chǎn)品而言尤為如此,例如,對(duì)于無法完全去除氣泡的高粘度注射液,區(qū)別這些氣泡與顆粒存在困難。在達(dá)到平衡的檢測(cè)水平和誤剔率之前,這些情況通常需要長(zhǎng)期進(jìn)行視覺算法開發(fā)與優(yōu)化。人工智能具有縮短開發(fā)期并且快速優(yōu)化期望結(jié)果的潛力。對(duì)期望收到優(yōu)質(zhì)產(chǎn)品的制造商和安全藥品的病人而言這是一個(gè)雙贏局面。
市場(chǎng)上許多成功的檢查技術(shù)可以提高自動(dòng)視覺檢查的檢出率,例如,在檢查之前準(zhǔn)備產(chǎn)品的單個(gè)旋轉(zhuǎn)裝置、高分辨率數(shù)碼相機(jī)或靜態(tài)分割(SD)光穿透法。盡管如此,在某些情況下,比如在濃溶液和小規(guī)格容器的組合下,旋轉(zhuǎn)不會(huì)促使顆粒移動(dòng),從而導(dǎo)致檢測(cè)的可能性降低。此外,結(jié)塊或其他類型與顆粒類似的產(chǎn)品固有的形態(tài)特征,以及類似玻璃顆粒的氣泡的存在可能導(dǎo)致合格品的誤剔。對(duì)高成本產(chǎn)品而言,每一次誤剔都是難以承受的。人工智能應(yīng)用有進(jìn)一步增加檢出率,降低氣泡產(chǎn)品、濃溶液等難以檢測(cè)產(chǎn)品的誤剔次數(shù)的潛力。
圖2 在自動(dòng)化視覺檢查中,人工智能不僅意味著可能性
雖然許多藥品生產(chǎn)商和機(jī)器制造商都在考慮使用人工智能,而且有的藥品生產(chǎn)商和機(jī)器制造商已經(jīng)發(fā)布了第一批研究結(jié)果,但對(duì)實(shí)施和驗(yàn)證的保留意見使大部分公司無法在真實(shí)的生產(chǎn)環(huán)境中利用這些應(yīng)用。與此同時(shí),機(jī)器視覺軟件公司已經(jīng)開始提供深度學(xué)習(xí)視覺工具,并將其視為其產(chǎn)品組合的一部分。因此,對(duì)于全自動(dòng)燈檢機(jī)制造商而言,開發(fā)自己的深度學(xué)習(xí)算法或神經(jīng)網(wǎng)絡(luò)并不是非常必要。事實(shí)上,現(xiàn)有的解決方案僅需要適度的軟件修改。此外,利用在游戲行業(yè)普遍使用的圖形處理器(GPU),可以實(shí)現(xiàn)具有較高處理能力的視覺計(jì)算機(jī)的升級(jí)。
正如在相關(guān)視覺檢查論壇上討論的那樣,檢查技術(shù)專家可以方便地對(duì)視覺檢查的使用進(jìn)行必要的升級(jí)。然而,為了確保驗(yàn)證,必須考慮以下至關(guān)重要的一點(diǎn):與許多其他行業(yè)不同,在開發(fā)階段最終確定之后,必須立即“凍結(jié)”藥品深度學(xué)習(xí)模型。藥品深度學(xué)習(xí)模型必須處于靜態(tài),無法改變,以便控制版本并且進(jìn)行驗(yàn)證。在美國(guó)食品藥品監(jiān)督管理局(FDA)近期出版的一篇關(guān)于醫(yī)療器械軟件監(jiān)督框架的討論文章中提供了藥品生產(chǎn)以外其他領(lǐng)域的應(yīng)用參考實(shí)例。
在自動(dòng)化視覺檢查中,人工智能不僅意味著可能性。事實(shí)上,一些試驗(yàn)項(xiàng)目幾乎已經(jīng)接近生產(chǎn)實(shí)踐。Syntegon 為原博世包裝技術(shù)的新名稱,目前致力于一個(gè)實(shí)施深度學(xué)習(xí)算法的項(xiàng)目,將深度學(xué)習(xí)算法用于其AIM 5023燈檢機(jī)上進(jìn)行注射器膠塞邊緣的檢查。是什么敲定了人工智能開發(fā)投資決定呢?“勇氣和專業(yè)知識(shí),”正如Jose Zanardi 博士所說的那樣。Jose Zanardi 博士負(fù)責(zé)Syntegon 公司的視覺檢查開發(fā)和應(yīng)用,并且密切地參與了該項(xiàng)目。
藥品行業(yè)因其對(duì)創(chuàng)新的保守態(tài)度而出名。這主要是因?yàn)闃O其嚴(yán)格的工藝驗(yàn)證監(jiān)管準(zhǔn)則所致——總的來說,這個(gè)屬性是積極的,因?yàn)橹圃飚a(chǎn)品會(huì)直接影響病人的健康與安全?!斑@一雄心勃勃的項(xiàng)目需要大量與軟件實(shí)施和工藝驗(yàn)證相關(guān)的經(jīng)驗(yàn)來使其概念超出終點(diǎn)線——并不是每個(gè)機(jī)器制造商都可以提供這一組合?!盳anardi 強(qiáng)調(diào)。自20 世紀(jì)70年代初期以來,長(zhǎng)期積累的全自動(dòng)燈檢機(jī)開發(fā)經(jīng)驗(yàn)與工藝,以及實(shí)施和驗(yàn)證方面的專業(yè)知識(shí)的組合是非常重要的先決條件。
圖3 標(biāo)注與深度認(rèn)知圖片處理
通常情況下,“一刀切”方法不適用于視覺檢查深度學(xué)習(xí)項(xiàng)目。反而,第一步應(yīng)包括基于大量多元化的參考樣品圖片的預(yù)評(píng)估。在我們的例子中,這些圖片可以是含有氣泡的合格品,用于瓶身檢查的包含不同膠塞位置、產(chǎn)品、灌裝量以及不同類型的工藝固有顆粒的圖片。根據(jù)現(xiàn)有圖片資料,離線驗(yàn)證研究可以為深度學(xué)習(xí)模型與現(xiàn)有軟件的整合提供依據(jù)。在第二步中,特定客戶項(xiàng)目可以通過產(chǎn)品、現(xiàn)有機(jī)械、期望與時(shí)間軸等參數(shù)確定。
圖3 對(duì)比了標(biāo)準(zhǔn)配方方法開發(fā)與驗(yàn)證(左)與深度學(xué)習(xí)方法(右):原則過程不變,配方參數(shù)仍然根據(jù)GMP 要求驗(yàn)證。工藝與需求硬件的開發(fā)所使用的工具是唯一的變量。正如上文所述,即使硬件(深度學(xué)習(xí)需要PC 與GPU)只是產(chǎn)生細(xì)微的變化,就可以處理更加復(fù)雜、更多的數(shù)據(jù)。在確定性的深度學(xué)習(xí)模型中,小批量樣品可以訓(xùn)練機(jī)器達(dá)到特定的“智能水平”,然后凍結(jié)該模型。對(duì)驗(yàn)證、監(jiān)管批準(zhǔn)和檢查而言,這一點(diǎn)尤為重要。
“我們相信本技術(shù)可以在未來使檢出率接近99%的同時(shí),讓誤剔率顯著地降低一半甚至更多。”Zanardi 說。他確信深度學(xué)習(xí)應(yīng)用可以在GMP 環(huán)境中實(shí)施——而且將獲得確認(rèn)戰(zhàn)略和實(shí)施的監(jiān)管許可。它將顯著地改善難以檢查的產(chǎn)品的檢查效果,例如,凍干制品或填充至注射器或雙容器系統(tǒng)等復(fù)雜的初級(jí)包裝的產(chǎn)品。它將降低誤剔率,進(jìn)而減少罕見病藥物等昂貴產(chǎn)品的生產(chǎn)費(fèi)用。
在美國(guó)藥典(USP)第1790章中規(guī)定,自動(dòng)檢查設(shè)備的驗(yàn)證宜根據(jù)以下二者之間的對(duì)比進(jìn)行:藥典手動(dòng)檢查過程與可以證明等效或更優(yōu)性能的備選檢查方法的期望。對(duì)于現(xiàn)有的深度學(xué)習(xí)項(xiàng)目而言,這是可行的。鑒于有關(guān)全自動(dòng)燈檢機(jī)的實(shí)施指南適用于人工智能及其所有衍生品,該類試驗(yàn)項(xiàng)目很可能進(jìn)入批量生產(chǎn)階段——而且很可能成為整個(gè)行業(yè)的潮流引領(lǐng)者。