Ứng dụng AI trong môi trường GMP đòi hỏi sự kiểm soát rất nghiêm ngặt để bảo vệ an toàn bệnh nhân. Trí tuệ nhân tạo hiện đang ảnh hưởng tới ngành dược toàn cầu. Đây là lý do Annex 22 ra đời nhằm thiết lập khung hướng dẫn chi tiết cho các nhà máy.
Hình ảnh minh hoạ AI trong môi trường GMP
Bài viết này tổng hợp nội dung quan trọng của Annex 22 dưới góc nhìn chuyên gia GMP. Mục tiêu là giúp nhân sự nhà máy Việt hiểu và vận dụng đúng yêu cầu khi triển khai AI trong sản xuất dược phẩm.
1. Vì sao Annex 22 xuất hiện?
Tài liệu EU GMP Annex 22 được công bố vì AI ngày càng được dùng nhiều trong sản xuất dược. Các mô hình có thể hỗ trợ phân loại ảnh, dự đoán sai lỗi và đánh giá rủi ro. Tuy nhiên, AI cũngcó thể gây rủi ro lớn nếu không được kiểm soát.
Các tác động này ảnh hưởng trực tiếp đến chất lượng và dữ liệu. Vì vậy, EU cần một khung thống nhất để quản lý ứng dụng AI trong môi trường GMP. Điều này giúp nhà máy triển khai công nghệ mà vẫn đảm bảo tuân thủ và an toàn.
Kết lại, Annex 22 đưa ra nền tảng phù hợp để các doanh nghiệp triển khai AI một cách thận trọng. Đây là cơ sở quan trọng giúp nhà máy Việt chuẩn hóa việc ứng dụng AI trong môi trường GMP.
2. Những mô hình AI trong môi trường được phép và không được phép
Annex 22 bắt đầu bằng việc xác định ranh giới rõ ràng giữa mô hình AI được phép và không được phép. Điều này rất quan trọng để nhà máy lựa chọn giải pháp phù hợp ngay từ đầu. Nhân sự vận hành cũng dễ dàng hiểu phạm vi áp dụng.
2.1. Mô hình AI được phép
Các mô hình AI trong môi trường GMP được phép thường có các đặc tính sau:
- Hoạt động tĩnh và không tự học sau triển khai.
- Tạo ra kết quả lặp lại với cùng một đầu vào.
- Có thể giải thích được lý do dự đoán.
Những đặc tính này giúp mô hình tuân thủ nguyên tắc GMP về tính nhất quán và minh bạch. Chúng tạo nền tảng để ứng dụng AI trong môi trường GMP một cách an toàn.
2.2. Mô hình bị cấm trong ứng dụng quan trọng
Một số loại mô hình AI trong môi trường GMP không được phép:
- Mô hình tự học và thay đổi theo dữ liệu mới
- Mô hình xác suất có kết quả khác nhau ở mỗi lần chạy.
- Mô hình sinh nội dung như LLM hoặc Generative AI trong khâu quan trọng.
| Aspect | Annex 11 (Traditional Systems) | Annex 22 (AI Models) |
| Validation | Based on fixed logic | Based on trained data patterns |
| Output | Deterministic or logic-based | Must be deterministic |
| Change Control | Code/document tracked | Model behavior + training data traced |
| Explainability | Not explicitly required | Mandatory for critical apps |
| Confidence Scores | Not applicable | Required where relevant |
Những mô hình này không đáp ứng yêu cầu lặp lại và kiểm soát theo tiêu chuẩn dược. Kết lại, nhà máy cần phân loại mô hình theo mức độ rủi ro trước khi triển khai.
3. Bốn nguyên tắc nền tảng khi ứng dụng AI trong môi trường GMP
Phần này mô tả khung quản lý cho mọi AI sử dụng trong GMP. Đây là bốn nguyên tắc mà Annex 22 yêu cầu các nhà máy tuân thủ. Chúng giúp đảm bảo việc triển khai diễn ra nhất quán và có thể kiểm toán.
Hình ảnh sơ đồ 4 nguyên tắc ứng dụng AI trong môi trường GMP
Có 4 nguyên tắc nền tảng khi ứng dụng AI trong môi trường GMP là:
- Nguyên tắc 1: Cần phối hợp nhiều bộ phận
- Nguyên tắc 2: Mọi hoạt động phải được tài liệu hóa đầy đủ
- Nguyên tắc 3: Phân quyền rõ ràng và kiểm soát truy cập
- Nguyên tắc 4: Áp dụng Quality Risk Management đầy đủ
Nguyên tắc 1: Cần phối hợp nhiều bộ phận
Việc triển khai AI cần nhiều chuyên môn phối hợp: QA, IT, SME, và bộ phận dữ liệu. Mỗi nhóm giữ một phần trách nhiệm cụ thể trong thiết kế và vận hành. Điều này giúp hạn chế sai sót ngay từ quá trình chuẩn bị.
Sự phối hợp liên phòng ban là điều kiện bắt buộc khi ứng dụng AI trong môi trường GMP. Đây là yếu tố giúp doanh nghiệp duy trì kiểm soát chất lượng toàn diện.
Nguyên tắc 2: Mọi hoạt động phải được tài liệu hóa đầy đủ
Tài liệu là cơ sở kiểm soát của GMP, và AI không phải ngoại lệ. Nhà máy phải ghi lại toàn bộ quá trình thiết kế, huấn luyện, kiểm định và vận hành mô hình. Tài liệu phải rõ ràng và truy vết đầy đủ.
Việc ghi chép đầy đủ giúp mô hình luôn nằm trong trạng thái phù hợp. Đây là nền tảng bảo vệ dữ liệu khi ứng dụng AI trong môi trường GMP.
Nguyên tắc 3: Phân quyền rõ ràng và kiểm soát truy cập
Hệ thống phải xác định ai được truy cập dữ liệu và ai được chỉnh sửa mô hình. Những thao tác này phải tuân thủ nguyên tắc phân quyền chuẩn GMP. Một số trường hợp phải áp dụng nguyên tắc “bốn mắt”.
Kết lại, kiểm soát truy cập là yêu cầu bắt buộc khi triển khai AI. Đây là biện pháp ngăn ngừa thay đổi trái phép trong môi trường GMP.
Nguyên tắc 4: Áp dụng Quality Risk Management đầy đủ
Nhà máy phải đánh giá rủi ro ngay từ giai đoạn đầu. Mức kiểm soát phải tương ứng với mức rủi ro của mô hình và dữ liệu. Đánh giá rủi ro phải được tài liệu hóa và xem xét định kỳ.
Điều này giúp doanh nghiệp tránh những lỗ hổng tiềm ẩn khi ứng dụng AI trong môi trường GMP. Đây cũng là yêu cầu luôn được thanh tra chú trọng.
Đọc thêm: Khái quát những bí quyết giúp doanh nghiệp Việt đạt chứng nhận nhà máy EU GMP nhanh và bền vững
4. Xây dựng “Intended Use” khi triển khai AI
Intended Use là yêu cầu cốt lõi khi đăng ký mô hình AI vào môi trường GMP. Phần này phải mô tả rõ mục đích thực tế mà mô hình phục vụ. Các thanh tra thường xem xét phần này đầu tiên.
Phần mô tả mô hình AI trong môi trường GMP phải bao gồm:
- Mục đích sử dụng.
- Loại dữ liệu đầu vào.
- Biến thể dữ liệu có thể gặp.
- Cách mô hình hỗ trợ quyết định.
Khi mô tả rõ Intended Use, doanh nghiệp giảm đáng kể rủi ro không phù hợp. Đây là bước nền tảng cho việc ứng dụng AI trong môi trường GMP.
5. Thiết lập và đánh giá tiêu chí chấp nhận mô hình AI
Tiêu chí chấp nhận phải được đưa ra trước khi thử nghiệm. Chúng cho phép đánh giá mô hình theo cách khách quan và chính xác. Đây là yêu cầu quan trọng trong Annex 22.
Các bước chính trong thiết lập và đánh giá tiêu chí chấp nhận mô hình AI trong môi trường GMP gồm:
- Lựa chọn chỉ số phù hợp như F1 score hoặc sensitivity.
- Thiết lập ngưỡng cho từng nhóm dữ liệu.
- Bảo đảm mô hình tốt hơn hoặc tương đương quy trình hiện tại.
Việc thiết lập tiêu chí rõ ràng giúp doanh nghiệp tự tin triển khai AI trong GMP. Đây cũng là bước bảo vệ mô hình trước yêu cầu thanh tra.
6. Yêu cầu về dữ liệu kiểm định
Dữ liệu kiểm định quyết định độ tin cậy của mô hình AI. Annex 22 yêu cầu dữ liệu phải đại diện cho thực tế vận hành. Dữ liệu cần đủ lớn để đánh giá khách quan.
Các yêu cầu chính và dữ liệu kiểm định AI trong môi trường GMP:
- Dữ liệu phải bao phủ phạm vi sử dụng.
- Dữ liệu phải được gắn nhãn đúng.
- Dữ liệu không được loại bỏ tùy tiện.
- Dữ liệu tổng hợp chỉ được dùng khi có lý do rõ ràng.
Kết lại, dữ liệu kiểm định là yếu tố nền tảng khi ứng dụng AI trong môi trường GMP. Nhà máy phải hiểu rõ và tuân thủ đầy đủ.
7. Bảo đảm tính độc lập của dữ liệu kiểm định
Annex 22 yêu cầu dữ liệu kiểm định phải độc lập với dữ liệu huấn luyện. Điều này bảo đảm kết quả kiểm định không bị thiên lệch. Đây là yêu cầu tối thiểu cho mọi mô hình AI quan trọng.
Hình minh họa QC nhà máy đang sử dụng phần mềm dữ liệu hóa khi ứng dụng AI trong môi trường GMP ở nhà máy
Nhà máy phải bảo đảm tính độc lập của dữ liệu kiểm định, cụ thể là:
- Tách dữ liệu từ đầu hoặc thu thập sau khi huấn luyện.
- Kiểm soát truy cập chặt chẽ.
- Ghi lại mọi thao tác với dữ liệu.
Việc tách biệt dữ liệu là nền tảng của tính khách quan. Đây là yếu tố cơ bản của ứng dụng AI trong môi trường GMP.
8. Yêu cầu về khả năng giải thích mô hình
Mô hình phải cho biết yếu tố nào ảnh hưởng đến quyết định. SME phải đánh giá và xác nhận tính hợp lý của các yếu tố này. Đây là điều kiện quan trọng để đảm bảo tính minh bạch.
Các công cụ hỗ trợ giải thích mô hình AI trong môi trường GMP gồm:
- SHAP
- LIME
- Heatmap
Khả năng giải thích giúp tránh việc mô hình dựa vào tín hiệu sai. Đây là yêu cầu quan trọng khi áp dụng AI vào GMP.
9. Confidence Score và ngưỡng chấp nhận
Annex 22 yêu cầu mô hình phải lưu Confidence Score. Đây là mức độ tự tin của mô hình cho mỗi dự đoán. Những kết quả dưới ngưỡng phải chuyển sang người vận hành.
Việc quản lý Confidence Score giúp tăng tính an toàn của mô hình. Đây là điểm quan trọng khi ứng dụng AI trong môi trường GMP.
10. Quản lý vận hành và vòng đời mô hình AI
Sau khi mô hình được phê duyệt, nhà máy phải duy trì trạng thái phù hợp. Việc giám sát mô hình là yêu cầu liên tục. Không mô hình nào được xem là “cài xong rồi để đó”.
Nhà máy phải quản lý vận hành và vòng đời mô hình AI,cụ thể::
- Thực hiện change control khi có thay đổi hệ thống.
- Theo dõi hiệu năng định kỳ.
- Kiểm soát data drift.
Việc quản lý vòng đời giúp đảm bảo mô hình luôn phù hợp trong môi trường GMP.
Annex 22 là bước tiến lớn trong quản lý AI tại nhà máy dược. Tài liệu này tạo khung quản lý rõ ràng cho mọi mức rủi ro. Việc ứng dụng AI trong môi trường GMP cần được thực hiện chặt chẽ và có tài liệu đầy đủ.
Nhà máy Việt nên chuẩn bị sớm để đi trước thị trường. Đây là cách giúp doanh nghiệp nâng cao năng lực sản xuất và khả năng cạnh tranh.
TECOVA hiện cung cấp trọn gói dịch vụ tư vấn và đào tạo GMP, bao gồm chương trình triển khai AI trong nhà máy, xây dựng SOP, đánh giá rủi ro và hướng dẫn vận hành theo Annex 22. Đội ngũ chuyên gia của chúng tôi hỗ trợ tùy chỉnh theo từng mô hình sản xuất, đảm bảo chi phí tối ưu và hiệu quả cao. Liên hệ TECOVA để được tư vấn chi tiết và nhận lộ trình triển khai phù hợp cho nhà máy của bạn.
