实验室质量风险管理：ICH Q9框架、工具与落地步骤

偏差处理了一个又一个，问题还是反复出现；哪些环节值得投入控制资源，全凭经验拍板——这是不少实验室质量管理的真实状态。ICH Q9《质量风险管理》提供了一套通用的方法框架，把"哪里可能出错、出了错影响多大、怎么控、控得够不够"变成有章可循的过程。本文解读其核心内容并结合实验室场景给出落地路径。

ICH Q9 的两条原则与五个环节

ICH Q9 给出两条基本原则：其一，质量风险的评估应以科学知识为基础，并最终与保护受试者和患者相结合；其二，风险管理过程的投入、形式与文件化程度，应与风险的水平相适应。第二条常被忽视——不是所有问题都需要复杂的定量分析，关键是方法与风险相称。

风险管理过程通常包括：风险启动与界定、风险评估（识别、分析、评价）、风险控制（降低与接受）、风险沟通、风险回顾。它是一个循环，不是一次性报告。

常用工具与适用场景

FMEA 中常以 RPN（风险优先数，严重性、发生度、可探测性三者乘积或加权）排序，但 RPN 只是排序辅助，高严重性项即使 RPN 不高也应单独评估。

实验室的三类典型落地场景

检验方法与分析过程

对关键方法做 FMEA：哪些步骤影响结果正确性（称量、稀释、进样、积分），失效的严重性与可探测性如何，现有控制（系统适用性、平行样、复核）是否足够，缺口补充针对性措施。

数据与计算机化系统

围绕数据完整性识别风险：权限设置、审计追踪覆盖、备份恢复演练、手工转录环节。把"可能丢失或被无痕修改的数据流"逐一过筛，比笼统声明"系统合规"更有说服力。

物料与外部供应

关键试剂、标准物质与外包服务按影响分级：高影响的加强验收、批号追溯与供应商审计，低影响的常规管理，让质量投入与风险相称。

常见误区

一是"工具化"：做了漂亮的 FMEA 表格却不再回顾，风险管理与实际运行两张皮。二是"全员低分"：为了不采取行动把发生度都打低，评估失去意义。三是"只识别不控制"：风险清单很长，控制措施与责任人缺席。建议每项高风险都有明确的措施、责任人和完成时限，并在年度回顾中更新。

常见问题

研发实验室也需要做质量风险管理吗？

需要，深度可以不同。研发阶段重点管理影响决策可靠性的风险（关键数据、样品链路），GxP 环境则应结合监管期望系统化开展，范围与文件化程度按风险相称原则确定。

风险评估多久更新一次？

触发式与定期结合：发生重大偏差、变更（方法、设备、供应商、系统）时触发更新，日常至少每年回顾一次，确认控制措施仍然有效。

严重性、发生度怎么打分才客观？

先定义分级标准表（例如发生度按历史数据频次分档），再由熟悉过程的人员集体评定。有数据的用数据，没有数据的明确标注为经验判断。

风险管理与偏差、CAPA 是什么关系？

风险管理是事前预防与分级，偏差 CAPA 是事后响应；有效的风险管理会降低高严重性偏差的发生，偏差数据反过来又是风险评估的输入。

衍因智研云 yanCloud 平台提供审计日志、权限与审批等合规能力，可为数据与系统类风险的评估和控制措施落地提供支撑，帮助实验室把质量风险管理从文档循环推进到日常运行。