4. 生物制造数据分类与风险评估
在生物制造场景中，数据完整性风险并不是均匀分布的。一批CHO细胞培养记录里，某台生物反应器的pH校准时间戳与某台蠕动泵的累计运行时长，对产品质量的影响显然不同。如果对所有数据采用同一套管控强度，要么关键数据管控不足，要么在低风险数据上浪费大量审核资源。因此，数据完整性工程的第一步不是“上系统”，而是把数据按其对产品质量、患者安全和法规决策的影响程度分层，再针对不同层级设计差异化的控制策略。
一、三层数据分类：关键、主要、支持
生物制造中的数据分类通常采用三层结构，其划分依据是“该数据是否直接用于放行决策、工艺控制或法规申报”。
关键数据（Critical Data）指直接影响产品质量属性、患者安全或产品放行结论的数据。典型对象包括：无菌灌装批次的培养基除菌过滤压差与时间、生物反应器的温度/pH/溶氧控制曲线、层析步骤的紫外吸收峰收集起止体积、原液和成品的效价与纯度检测结果、以及批放行所依赖的审计追踪记录。关键数据的错误、缺失或篡改会直接导致产品被错误放行或错误拒绝。
主要数据（Major Data）指不直接决定放行，但支撑工艺一致性、趋势分析和偏差调查的数据。例如：细胞传代代次与接种密度、补料速率与补料体积、层析柱使用次数与清洗记录、中间体存放时间与温度。主要数据异常通常不会立即导致放行错误，但会削弱工艺验证的可靠性，使偏差根因难以定位。
支持数据（Supporting Data）指用于环境、设备、人员与物料背景管理的数据。例如：洁净区温湿度与压差、设备预防性维护记录、操作人员培训档案、物料入库检验报告编号。支持数据是质量体系的“底座”，其完整性缺陷往往在审计或偏差调查中才暴露。
二、基于质量风险管理的评估方法
分类完成后，需要一套可重复的评估方法来确定每类数据的风险等级和所需控制措施。这里借鉴两种成熟思路：FMEA（失效模式与影响分析）用于量化风险优先级，HACCP（危害分析与关键控制点）用于识别控制点和监控方式。
FMEA的核心是计算风险优先数：RPN = 严重度(S) × 发生度(O) × 可探测度(D)。在数据完整性语境下，三个维度的含义需要重新定义：
- 严重度S：该数据完整性失效对产品质量或患者安全的影响。1=无影响，5=直接导致患者风险或错误放行。
- 发生度O：该数据在当前流程中发生完整性缺陷的概率。1=几乎不可能，5=频繁发生（如手工转录、无审计追踪的电子表格）。
- 可探测度D：缺陷被现有控制措施发现的难度。1=实时自动拦截，5=几乎无法发现（如纸质记录事后补填且无交叉核对）。
以某单抗生产企业的“层析收集体积”数据为例：该数据用于计算收率和放行，S=5；当前依赖操作员手动记录在纸质批记录上，O=4；复核仅靠班组长签字，D=4。则RPN=5×4×4=80。若企业设定RPN≥60为高风险，则该数据必须优先改造：引入层析系统自动采集体积信号并写入审计追踪，O降为1，D降为2，RPN降至10。
HACCP思路则帮助我们把控制点落到具体环节。对识别出的高风险数据，需要确定：监控什么（如审计追踪是否连续）、监控频率（每批/每班/实时）、监控方法（系统自动校验/人工复核）、纠偏措施（数据冻结、偏差开启、重新采集）以及验证记录。HACCP强调“预防优于检测”，因此对于关键数据，优先在设计阶段就消除手工转录和可编辑窗口，而不是依赖事后审核。
三、从评估到控制：一个可执行的判断路径
把上述方法落到日常操作，可以形成一条清晰的判断路径。以“生物反应器溶氧（DO）数据”为例：
- 定用途：DO用于工艺控制与批放行，归为关键数据。
- 算RPN：若DO由传感器自动采集并写入DCS，S=5、O=2、D=2，RPN=20，属低风险，维持现有管控。
- 识别薄弱点：若发现操作员每2小时手动从本地显示屏抄录DO到批记录，则O升至4、D升至4，RPN=80，触发改造。
- 设计控制点：将DO信号直接接入 historian 并配置审计追踪；批记录改为自动打印或电子签名；设置DO偏离工艺范围的自动报警。
- 再评估：改造后O=1、D=2，RPN=10，风险可接受。
对于主要数据，控制策略可以适度简化。例如“层析柱使用次数”若由人工在纸质台账上记录，RPN可能为3×3×3=27，属低风险，但若该数据用于柱寿命验证，则严重度应上调至4，RPN=36，进入中风险区间，此时至少应增加第二人复核或电子台账的修改留痕。支持数据的评估重点则放在“是否会被用于偏差调查或审计追溯”，若是，则需保证可检索、可追溯，而不必追求实时采集。
四、分类与评估的落地要点
在实际项目中，建议把数据分类和FMEA评估做成一份可维护的清单，而不是一次性文档。清单至少包含：数据名称、所属系统/设备、用途场景、分类层级、S/O/D取值及依据、RPN、风险等级、控制措施、责任人、再评估周期。当工艺变更、设备更新或法规要求变化时，重新评估受影响的数据项。
需要强调的是，FMEA和HACCP在这里是互补的：FMEA回答“哪些数据最危险、优先改哪里”，HACCP回答“改完之后靠什么持续守住”。两者结合，才能把数据完整性从“审计时补记录”转变为“设计时防缺陷”。对于生物制造而言，关键数据的控制点应尽量前移到自动化采集和系统校验，主要数据依靠趋势监控和定期回顾，支持数据则通过体系化台账和培训来保障。分类不是目的，让每一层数据都获得与其风险相匹配的管控强度，才是数据完整性工程的起点。