一、风险评估的”数据鸿沟”：为什么辅料的 EIs 评估这么难？
制药企业需依据 ICH Q3D《元素杂质指导原则》对制剂中的元素杂质（Elemental Impurities, EIs）进行控制，评估对象覆盖原料药、辅料、生产设备、包材、公用工程五大污染源。赋形剂（Excipients）是五大污染源中最难攻克的堡垒——种类繁多（350+种常用药用辅料）、供应商数据透明度有限、基质复杂，导致企业往往被迫进行大量 ICP-MS 检测。然而，盲目检测成本高昂，单一批次数据缺乏行业代表性，难以支撑合规申报。为解决这一痛点，辉瑞，阿斯利康、葛兰素史克等药企巨头与 Lhasa Limited 合作，建立了共享的辅料元素杂质数据库，为行业提供了公认的、具有统计学意义的元素分布基准（Benchmark）。
具备 ICP-MS 和 ICP-OES 双平台元素杂质检测能力、且熟悉 Lhasa 数据库应用逻辑的实验室，能够帮助企业避免盲目检测，用数据驱动合规决策。
二、Lhasa/Vitic 辅料数据库：规模、方法与数据质量
1. 联盟（Consortium）模式：打破信息孤岛
该数据库通过联盟模式建立，全球顶尖药企将内部经过验证、高精度的辅料元素分析数据匿名汇集到 Vitic 系统（由 Lhasa Limited 开发的数据库托管平台）。这一机制打破了单一企业的信息孤岛，形成行业共享的权威基准。
2. 数据权威性：规模庞大 × 方法严谨 × 维度详尽
| 维度 | 具体指标 |
|---|---|
| 规模 | 350+ 种药用辅料，4,000+ 项分析研究，100+ 家供应商 |
| 方法 | 全部采用 ICP-OES 或 ICP-MS 高灵敏度仪器，通过严格方法学验证 |
| 维度 | 元素含量 + LOD（检测限）+ LOQ（定量限）+ 供应商信息（脱敏）+ 赋形剂生产工艺背景 |
三、口服、注射、吸入制剂的差异化风险评估策略
核心结论：不同给药途径的 PDE 差异巨大（口服通常最高，吸入最严），应针对口服/注射/吸入制剂选择不同的数据库数据应用逻辑。
1. 口服制剂（Oral）：关注采掘矿物类辅料，采用”最差情况”原则
口服途径 PDE 较高，风险点主要集中在采掘矿物类辅料（如滑石粉 Talc、硬脂酸镁 Mg Stearate）。数据应用逻辑：对于高风险辅料，当数据库实测值与药典标准并存时，选择更高的限度值作为”最差情况”计算，更容易获得监管机构的认可。
2. 注射制剂（Parenteral）：PDE 极低，必须评估 1、2A 及 3 类元素（Li、Sb、Cu）
案例 A：大分子处方（组氨酸体系）
含 L-组氨酸、组氨酸盐酸盐、蔗糖、聚山梨酯 20 的生物制剂处方。基于发酵生产工艺且不涉及金属催化剂，数据库中 L-组氨酸的低杂质记录具有极高科学说服力——即使数据量相对较少，也无需额外进行自检。
案例 B：小分子静注（NaCl 体系）
含大量 NaCl 和 NaHCO3 的小分子静注制剂。数据库拥有极强支撑力（来自 8 个供应商的 44 项研究），由于无机盐成分简单且经精制生产，最终元素累积量仅为 PDE 的 0.1%~2.1%，可有效支撑豁免检测的合规论证。
3. 吸入制剂（Inhaled）：PDE 极低，需警惕”高 LOQ 离群值”
吸入制剂对 Cr、Ni 等元素的要求近乎苛刻，PDE 极低。典型案例警示：某乳糖载体吸入剂评估中，直接引用数据库中 Cr 的最大值，计算结果高达 PDE 的 141.7%——按常规判定”不合格”。科学转机：通过查询 Vitic 系统细分数据，发现该”最大值”实为某次检测中因基质干扰产生的高 LOQ 值（非真实检出）。研究者弃用受干扰的最大值，改用次最大值（Second Maximum） 进行评估，结果瞬间降至 PDE 的 2%，实现合规逆转。
具备 ICP-MS 和 ICP-OES 双平台元素杂质检测能力、且熟悉 Lhasa 数据库应用逻辑的实验室，能够帮助企业避免盲目检测，用数据驱动合规决策。
四、科学处理”未检出（<LOQ）”数据：均值陷阱与偏倚控制
核心结论：数据库约 64% 的结果为”未检出（<LOQ）”，处理这些”左审查数据”需警惕均值陷阱，优先使用中位数和低 LOQ 条目。
1. 均值 vs. 中位数：警惕”均值陷阱”
当某元素的平均值（Mean）远大于中位数（Median） 时，说明数据分布严重右偏。这通常是因为数据集中包含过时的、灵敏度较低的检测方法产生的”高 LOQ”结果。处理策略：在这种情况下，中位数通常比平均值更能代表该赋形剂的真实杂质水平，应优先使用中位数进行风险评估。
2. LOQ 偏倚控制：三条科学做法
| 原则 | 说明 |
|---|---|
| 优先低 LOQ | 优先选择具有低 LOQ 值（即高灵敏度方法产生）的数据条目 |
| 善用最大值 | 样本量充足的辅料，使用最大值是安全的”最差情况”假设 |
| 剔除离群值 | 吸入剂等极端情况下，应对完整数据集进行审计，剔除”高限度离群值”（过时的低灵敏度方法产生的结果） |
伯朗氏实验室可提供：Lhasa/Vitic 数据库辅助下的元素杂质风险评估 + ICP-MS/ICP-OES 双平台验证检测，帮助企业在监管申报中展示科学决策逻辑，而非简单的数据堆砌。
五、结语
ICH Q3D(R2) 合规的核心不在于你做了多少次检测，而在于是否真正理解了产品中的风险来源。通过深度挖掘 Lhasa 数据库，医药研发人员能够以最科学、最经济的方式，为产品的安全性和合规性提供无可辩驳的证据。在实际申报中，具备 ICP-MS 和 ICP-OES 双平台元素杂质检测能力、且熟悉 Lhasa 数据库应用逻辑的实验室，能够帮助企业避免盲目检测，在监管审查中展现更强的科学说服力。
六、高频 Q&A
Q1：ICH Q3D(R2) 中，哪些元素需要优先关注？
答：依据 ICH Q3D(R2)，元素杂质分为 1 类（As、Cd、Hg、Pb）、2A 类（Co、Ni、V）、2B 类（Ta、Ti 等）及 3 类（Li、Sb、Cu）。注射和吸入制剂需额外关注 3 类元素。不同给药途径的 PDE 值差异显著，建议先查阅 ICH Q3D(R2) 附录获取各元素的 PDE 数据。
Q2：如何使用 Lhasa/Vitic 数据库进行风险评估？
答：主要步骤包括：① 确定目标赋形剂及可能含有的元素杂质类别；② 在 Vitic 系统中检索该赋形剂的元素含量数据；③ 根据给药途径和 PDE 值，计算每日暴露量与 PDE 的比值；④ 若暴露量 >PDE，考虑使用次最大值或审计数据质量后重新评估；⑤ 撰写风险评估报告作为申报资料支撑。
Q3：吸入制剂元素杂质评估有哪些特殊注意事项？
答：吸入制剂 PDE 极低，评估时需注意：① 警惕数据库中因基质干扰导致的高 LOQ 值，优先使用低 LOQ 条目；② 关注 Cr、Ni 等具有严格 PDE 的元素；③ 可通过审计完整数据集识别并剔除离群值；④ 必要时结合自检数据验证，检测方法应优先选择高灵敏度的 ICP-MS。
Q4：当数据库数据不足时，如何支撑赋形剂的风险评估结论？
答：可采取以下策略：① 基于赋形剂的生产工艺（发酵/合成/采掘）进行科学论证，如发酵工艺且无金属催化剂，可论证低杂质水平；② 使用保守的”最差情况”假设（如选用更高限度值）；③ 补充自有检测数据，使用 ICP-OES/ICP-MS 验证；④ 引入供应商审计数据或药典数据作为交叉验证。
Q5：USP <232> 和 USP <233> 在元素杂质评估中扮演什么角色？
答：USP <232>《元素杂质——限度》 规定了各元素的每日允许暴露量（PDE）限度；USP <233>《元素杂质——程序》 规定了元素杂质的检测方法验证要求。两者与 ICH Q3D(R2) 共同构成元素杂质评估的法规框架，数据库中的检测数据应符合 USP <233> 的方法验证要求。
参考文献
Susana Torres, Ruth Boetzel, et al. ICH Q3D Drug Product Elemental Risk Assessment: The Use of An Elemental Impurities Excipients Database. Journal of Pharmaceutical Sciences 111 (2022) 1421–1428.
— 广州伯朗氏实验室 | Lhasa 数据库辅助风险评估 + ICP 双平台检测 | brunslab.com
