Roche. Nicht-klinische Statistik in der Pharma Produktion. Jessica Prasser Vortrag in der Reihe «Statistik im Job», LMU München

Transkript

1 Roche Nicht-klinische Statistik in der Pharma Produktion Jessica Prasser Vortrag in der Reihe «Statistik im Job», LMU München

2 Roche Pharma-Produktion Statistik bei Roche 2

3 Roche - das Wichtigste auf einen Blick Konzentration auf innovative Medikamente und Diagnostika Unser Ziel ist es, innovative Lösungen mit klarem medizinischem Nutzen in Krankheitsbereichen mit hohem medizinischem Bedarf zu erforschen, zu entwickeln und zu vermarkten Unsere Produkte und Dienstleistungen helfen, Krankheiten vorzubeugen, zu diagnostizieren und zu behandeln und so die Gesundheit und Lebensqualität von Menschen zu verbessern 3

4 Die Roche-Gruppe Unsere Mitarbeitenden Eine gemeinsame Zielsetzung Energie und Leidenschaft Identifikation und Engagement 4

5 Roche in Penzberg Eines der größten Biotech-Zentren Europas Divisionen: Gründung: Beschäftigte: Pharma und Diagnostics MA* /4.320 FTE* Fläche: ca m 2 Investitionen 2014: Investitionen : ca. 235 Mio. Euro ca. 768 Mio. Euro * Headcount inkl. Teilzeit- und befristete Stellen sowie Auszubildende und Praktikanten, Stand 12/2014 5

6 Roche in Penzberg Biotech from Science to Patients Oncology Discovery Translational Medicine Mircera Biologics Design Preclinical Development Pegasys Pharma Preclin Safety & DMPK Manufacturing Process Herceptin Imaging & Pathology Clinical Supply & Analytics NeoRecormon Big Data & Automation Clinical Development Gazyvaro Research Development Operations Diagnostics Workflow Solutions Antibody Engineering Cobas Family New Technologies Stem Cell Tools Biomarker Assays Custom Antibodies Biochem. Reagents Cedex HiRes Kits Rec. Proteins Real-time PCR Light Cycler Kits Biostatistics Rare Reagents MagNA Pure Kits 6

7 Roche Pharma-Produktion Nicht-klinische Statistik 7

8 Pharma-Highlights Made in Germany Biotechnologische Wirkstoffe für den Weltmarkt Wirkstoff Marktprodukt Indikation Obinutuzumab, GA 101 Gazyvaro Gazyva noch unbehandelte Chronische Lymphatische Leukämie (CLL) Trastuzumab Herceptin Brustkrebs Metastasierender Magenkrebs Methoxy polyethylene glycol-epoetin beta MIRCERA Blutarmut Epoetin beta NeoRecormon (= EPO) Peginterferon alpha-2a Pegasys Blutarmut Hepatitis B und C 8

9 Pharma-Produktion Zusammenspiel in der Wirkstoffherstellung QA (Compliance & Release, etc) Fermentation Downstream Bioreactor Cultivation Separation Chromatography UF/DF QC (IPK, MiBi, Release)

10 Pharma-Produktion 10

11 Roche Pharma-Produktion Statistik bei Roche 11

12 Statistik bei Roche Statistik-Gruppen DIA Biostatistics Clinical Studies Cobas Cube Analysis Regulatory Compliance Assay Support Biomarker Statistics & CDx Data Management Experimental Design Data Management & Statistical Programming PHC Statistics New Tech Statistics Pharma pred Biostatistics Oncology Bioinformatics Oncology Biostatistics Genomics/Genetics Lab Non-clinical Statistics 12

13 Nicht-klinische Statistik in Pharma Biotech Penzberg Projects Process Development Design and analysis of Small Scale Experiments Validation of Methods Statistic questions in QbD projects Manufacturing Support Six Sigma Projects Statistical Process Control Multivariate Data analysis Trouble Shooting Consulting Quality Control Validation of Methods Control Limits Transfer of Methods Bioassay Design and Analysis Trainings, Workshops, Software Support: JMP 13

14 CQA Nicht-klinische Statistik Process Development Problem Statement: 1. What is the design space for the process parameters. Determine the ranges of all process parameters that lead to an acceptable product quality. 2. Classify potentially critical process parameters (pcpp) into high impact PP and low impact PP for each critical quality attribute. Solution: Use small scale data to investigate process parameters and predict quality attributes. Statistical Input: Upper Limit Experimental Design Model Selection Mean Prediction Intervals low setpoint high PP 14

15 diff Nicht-klinische Statistik Method Comparison/ Method Validation Objective: Compare the accuracy of two methods. Evaluate the robustness of the new method. Solution: Measure at least six samples with two methods and evaluate the difference. Change predefined factors to evaluate the robustness, e.g. flow rates, hold times, equipment. Statistical Input: Confidence Intervals, Equivalence tests Bland-Altman Plots Design of experiments meanvalue 15

16 CQA RefStd Nicht-klinische Statistik Statistical Process Control: Referenced Trending Problem Statement: Observed variability = process variability + analytical variability Aim: Design Control Charts to monitor process variability only Einzelwertkarte CQA Einzelwertkarte 2 2 UCL= MW= LCL= Einzelwertkarte Resid UC MW LC RefStd UCL= MW= LCL=

17 PC2 (15.2%) Parameter z-stand Nicht-klinische Statistik Trouble-Shooting: MVDA Smoothed Line Plot Problem Statement: Seasonality of unknown origin in process parameters regarding cell growth Solution: Identify hypotheses and further investigate them by designed experiments. Statistical Input: Principle Component Analysis Partial Least Squares Regression Batch Loading plot: PC1, PC PC1 (39.1%) 17

18 Stats Skill Set Programmierung Statistische Methodik Kreativität Soft skills 18

19 Kontakt Jessica Prasser Expert Biostatistics

20 Doing now what patients need next 20