背景：数字孪生技术有潜力提升制药生产中的实时操作和预测性质量控制，但数据完整性保障措施尚未成熟，未聚焦于人为和模拟漏洞。
目的：本综述基于数字孪生辅助连续制造中真实世界的数据完整性失效事件，将ALCOA + +原则与人为因素和模拟风险相结合进行分析。
方法：研究人员采用PRISMA-ScR（范围综述）方法，检索PubMed、Scopus、Web of Science及监管数据库（FDA 483s、EMA检查报告，2020-2026年），以识别与数字孪生、过程分析技术（PAT）和连续制造相关的事件。从失效分类的角度，使用了ALCOA + +和经改编的人因分析与分类系统（HFACS）。
结果：在248起事件中，65%为非同期数据，22%为不可追溯的模拟输入，13%为因云同步失败导致的非持久化虚拟记录。
讨论：通过一个整合了以人为中心设计、GAMP 5.2风险评估、混合审计追踪和基于人工智能（AI）的异常检测的数字孪生合规框架，模拟失效率降低了68%。
结论：本综述首次提出了连续制造中数字孪生失效的统一分类法（ALCOA++），并指出了对未来去中心化制造网络中健壮的虚拟数据治理及进一步验证的需求。
本文首次提出并组织了制药行业数字孪生的分类体系。此外，本文提供了一个框架，旨在整合并优化数字孪生在制药行业的应用，使其符合行业快速发展的技术和法规要求。该分类体系为行业利益相关者和监管机构提供了更有效的沟通手段。所提出的框架则确保了数字孪生在设计、验证和治理过程中，能够与ICH指导的质量预期相融合，而非游离其外。
该框架与分类体系将数字孪生从一个最新的实验性IT工具，重新定位为现代质量源于设计（QbD）生态系统的基础、可审计且不可或缺的组成部分。框架证明了数字孪生能够在保持检查就绪、可解释和可追溯的前提下，提供持续工艺验证、加速技术转移和实时放行检测。通过弥合创新与合规之间的鸿沟，该框架和分类体系降低了传统上持保守态度的利益相关者使用数字孪生的风险，并为监管机构审查数字孪生使能系统的合规性提供了一个清晰的框架。在人工智能（AI）和高速数据时代，遵守传统验证模型正迅速变得不可能。这是在制药和数字技术快速演变世界中的一个关键模型。
有几条研究路径值得探索。首先，该分类体系和框架需要在去中心化和高度网络化的制药领域得到验证。未来的研究应考察所提出的层结构和治理结构，这些结构分布于合同研发生产组织（CDMO）、云计算和多供应链系统中的制造、分析和决策环节。这包括在单一数字孪生生态系统内，当责任由多个参与者分担时，对数据完整性、模型生命周期、控制和变更管理进行压力测试。
其次，应评估数字孪生中AI的伦理影响。随着数字孪生集成越来越多的机器学习（ML）组件，ML算法透明度、ML偏差和ML责任等问题变得紧迫。需要研究如何将公平、可解释性和人类监督等AI伦理原则，转化为可审计的、适用于GxP的要求。该研究应有助于表征AI风险、开发文档模板，以及为制药行业数字孪生使能系统中的AI建立治理结构。
至关重要的是，需要强调针对印度背景进行研究的重要性，并纳入印度的监管框架、基础设施和治疗挑战。一个潜在的发展领域是将仿生设计与数字孪生结合用于透皮给药系统（TDDS），例如，使用受莲花启发的TDDS，利用其具有微纳结构的叶片实现更好的渗透性、抗污和湿度控制。在数字孪生中，贴剂的微结构被虚拟设计，皮肤与器械之间的相互作用针对不同的印度患者群体进行预测。此外，可以采用质量源于设计（QbD）方法进行设计控制，以优化皮肤接触，从而进行大规模测试。
此类研究不仅将在不同的资源条件下测试该框架的适用性，还将证明经典仿生学与当代网络物理模型的互补性。在印度背景下，通过对莲花启发的TDDS、复杂仿制注射剂和疫苗冷链数字孪生等试点项目的定义，将实现分类体系的完善、新监管痛点的识别以及数字健康基础设施新指南的制定。最后，将去中心化系统实证研究、AI伦理与本地案例研究相结合，对于将初始分类体系和框架发展为全球制药行业合规数字孪生的实用灵活指南至关重要。
