1. 课程导入与全景认知

生物制品与化学药最大的差异，在于它的"产品"本质上是一个由活细胞或生物大分子构成的复杂体系。单克隆抗体、重组蛋白、疫苗、细胞与基因治疗产品，其质量属性往往不是单一含量或纯度指标能够概括的，而是由糖型分布、电荷异质性、聚集体比例、效价、残留宿主细胞蛋白等一组彼此关联的属性共同定义。更关键的是，这些属性对工艺参数的变化高度敏感——一个补料速率的微调、一次培养基批次的更换，都可能在数周后表现为聚集体上升或糖型漂移。正因如此，生物制品的工艺验证不能是"一次性证明"，而必须是一种持续保持受控状态的能力。

持续工艺验证（Continued Process Verification，CPV），是指在商业生产阶段，通过持续收集和分析与工艺、产品质量相关的数据，确认工艺始终处于受控状态，并在出现偏离趋势时及时触发调查与改进的系统性活动。它不是一个孤立的验证阶段，而是生命周期验证三阶段中的第三阶段：第一阶段是工艺设计（Process Design），第二阶段是工艺确认（Process Qualification，含厂房设施与工艺性能确认），第三阶段才是持续工艺验证。理解这一点非常重要——CPV 的输入来自前两个阶段建立的工艺理解与控制策略，而不是从零开始"再验证一遍"。

法规背景上，这一概念由 FDA 在 2011 年发布的工艺验证指南中正式确立，随后被 EU GMP 附录15、ICH Q8/Q9/Q10/Q11 等文件从质量源于设计（QbD）、质量风险管理、质量体系三个维度加以支撑。中国 NMPA 在 2015 年发布的《确认与验证》附录以及后续的生物制品相关指导原则中，也明确要求上市后持续监测工艺性能与产品质量。这些法规的共同逻辑是：验证状态不是靠一次三批成功的工艺性能确认"买断"的，而是靠持续的数据证据"维持"的。

与传统工艺验证相比，CPV 的差异可以从几个维度看清。传统验证以"三批合格"为核心证据，关注的是"能不能做出来"；CPV 关注的是"是否一直做得出来、且做得一致"，证据来自持续批次的趋势数据。传统验证的取样计划通常是固定的、有限的；CPV 的取样与监测频率则依据风险与变异来源动态调整。传统验证的偏差处理往往是事后补救；CPV 强调用统计过程控制（SPC）等手段提前识别趋势偏移。下表给出一个对照，便于建立整体印象。

要真正把 CPV 做成工程能力，而不是一堆报表，需要建立一个清晰的思维框架。这个框架可以概括为"三条链"：工艺参数链（从原材料、培养基、细胞培养、纯化到制剂，每个单元操作的输入参数与输出属性）、质量属性链（关键质量属性 CQA 如何随工艺变化而响应）、数据证据链（从在线传感器、LIMS、MES、批记录中采集数据，经统计分析与趋势判定，最终形成决策）。三条链必须对齐：工艺参数链上的关键控制点，应当对应质量属性链上的敏感 CQA，并由数据证据链提供可追溯的监测证据。下面这张图展示了这一框架的整体结构。

从工程落地角度看，CPV 的日常运行通常围绕几个具体动作展开。第一是建立监测计划：明确监测哪些 CPP 与 CQA、取样频次、检测方法、数据来源系统。第二是设定统计判定规则：例如对某抗体产品的聚集体比例，历史数据均值 1.2%、标准差 0.15%，则可设控制限为均值±3σ，即约 0.75%～1.65%，连续多点上升或超出控制限即触发调查。第三是定期回顾：按批或按季度汇总趋势，评估工艺能力指数 Cpk 是否稳定在 1.33 以上。第四是偏差与变更联动：任何超出趋势的异常都要进入偏差系统，任何工艺变更都要评估对已验证状态的影响。

本课程后续 29 章将沿着这条主线展开：从法规要求与质量体系，到工艺表征与控制策略，再到数据采集、统计分析、趋势判定、偏差处理、年度产品回顾，最后落到审计应对与持续改进。学习时建议始终带着三个问题：这个环节监测的是什么对象？它对应哪条链上的哪个节点？出现异常时我依据什么判断、采取什么行动？把这三个问题贯穿始终，CPV 就不再是一堆表格，而是一套可执行、可审计、可持续的工程能力。