模块6的例2讲过这个近红外光谱法NIR含量方法的建模和验证。模块7把这个方法放回它的真实场景——连续生产的实时放行，并补齐了两块重要内容：ATP里那个”3.3%“的来历，以及模型作为既定条件怎么管、什么时候要更新。
其中第二个变更示例，是多变量方法生命周期管理最有教学价值的一段。
场景与ATP
产品X在连续生产线上制造，压片后的片芯进入一个个独立的暂存容器。近红外光谱法NIR方法配自动分样机构，对每个容器至少30片均匀取样实时测定含量；判定合格的容器才混合进入包衣工序。这是实时放行，方法输出的每一份结果都直接决定物料去向，因此这个PLS模型按ICH的定义属于高影响模型。
ATP的核心标准写法值得拆开：测得含量与真实值之差要在±3.3%以内。3.3%不是惯例数字，是含量质量标准范围（95.0%–105.0%）总宽度的三分之一。
围绕这个目标：准确度预测均方根误差（RMSEP）≤3.3%，精密度RSD≤2.0%（RMSEP本身已合并准确度和精密度，RSD单独约束是为保证与参比方法相当），专属性要求载荷和回归向量体现API的特有光谱特征，可报告范围70–130%，响应相关系数r≥0.970。
预测均方根误差（RMSEP）：近红外 (NIR)、化学计量学校正模型里最核心的准确度指标，专门用来评价**模型对未知样品的预测误差**。方法与验证
仪器为FT-NIR透射模式，采集范围12500–5800 cm⁻¹，扫描≥32次，分辨率≥16 cm⁻¹；预处理为SNV加17点Savitzky-Golay一阶导数；模型区间12500–8950 cm⁻¹，3个潜变量。
数据质量检查的阈值是：马氏距离≤0.74、残差≤0.078。模块7对这个机制加了一句重要说明：数据质量检查是实时测试，验证 光谱是否落在模型空间内；通不过的光谱不等于产品不合格或工艺失控，它的功能是标记异常、提示模型可能需要维护。
> **马氏距离：待测样品光谱，距离模型校正集光谱中心的多维距离。**
用来判断这个样品**光谱是不是落在原有模型的适用空间之内**，属于**光谱异常值检查 / 数据质量把关指标**
验证结果与模块6一致：重复性RSD 1.6%，RMSEP 2.3%，范围69.3–132.9%、r 0.998，各项耐用性因素全部通过。仪器、方法和模型的确认、日常使用和维护都在公司质量体系内管理，接受检查。
模型参数也是建立条件
这个案例的建立条件表(EC表)回答了一个多变量方法特有的问题：模型参数算不算既定条件？答案是算，但类别很低：
| 要素 | 风险 | 报告类别 |
|---|---|---|
| ATP中的性能特征与标准 | 高 | PA |
| 方法原理（NIR透射+PLS模型） | 高 | PA（换成Raman即属此类） |
| 同原理下的采集模式、仪器关键特性、光谱范围、测量位置 | 中 | NM |
| 采样频率（每容器少于30片） | 中 | NM |
| 软件供应商 | 低 | NL |
| 模型细节参数（预处理方式、模型区间、潜变量数、数据质量检查阈值） | 低 | NL——模型更新导致这些参数变化时，只要计算原理不变，PQS内记录即可 |
| 同原理更换仪器、每容器多于30片、扫描多于32次、分辨率高于16 cm⁻¹、软件版本 | 低 | 不是EC，不报告 |
这个结构的意思是：方法原理动不得，模型细节可以动。多变量方法天生需要定期维护，如果模型每次更新都要走监管程序，方法就没法用了——把模型参数定为NL，是给生命周期管理留出的必要空间。
两个变更示例
变更1：增加一台备用NIR仪器。
与在用仪器完全相同，用于主机停机时替补。风险评估认定程度低（不改变方法原理，落在EC描述范围内），且结论是不需要为新仪器补充建模数据——新仪器上所有性能标准直接满足。增仪器不是EC，无需报告，PQS记录。
变更2：原料药粒径和辅料干燥失重变化触发模型更新。
这两个物料属性的变更本身已确认不影响任何CQA，生产工艺也不变。但日常运行中数据质量检查开始报警：新物料的光谱落在模型空间之外。调查确认了模型预测偏倚，结论是需要更新模型，把新的变异来源收进来。
做法是加入含新变异的光谱、剔除过时光谱，使样品库重新反映当前产品；数学优化后潜变量从3变为4，光谱质量阈值按更新后的校正与验证数据集重算；更新后所有性能标准满足。模型更新这个EC的报告类别是NL，按NL提交。
这里数据质量检查发挥了它设计好的作用：它不是报警器，是触发器——先报警、后调查、再更新模型、最后按既定类别报告。如果没有这道检查，同样的物料变化会以含量结果漂移的形式出现，发现得晚得多。
与模块6合起来看
模块6讲这个方法的”前半生”：校正集怎么设计、模型怎么建、验证数据长什么样。
模块7讲的是”后半生”：ATP怎么定标准、ECs怎么划、模型怎么维护、变更怎么走。
多变量方法在Q14框架下不是特例，只是生命周期里”持续监测”和”变更管理”这两段的戏份更重——因为它维护的对象不是一台仪器，而是一个模型。
参考文献
ICH Q2(R2), Validation of Analytical Procedures, 附件2, 2023年11月
ICH Q14, Analytical Procedure Development, 附件B例2, 2023年11月
ICH Q2(R2)/Q14 Training Module 7, 第5节, 2025年7月
