본문으로 건너뛰기

머리말 — 같은 약을 두 번 만든다는 것

📍 현재 위치: 바로 문 앞입니다. 약을 만드는 단 한 단계라도 시작하기 전에, 이 책이 정말로 무엇에 관한 것인지 — 그리고 왜 바이오의약품이 사실상 두 번 만들어지는지 — 함께 짚어 봅시다.

환영합니다. 이 책은 눈에 보이지 않는 무언가에 관한 책입니다. 현대의 약이 제조될 때, 생산 라인에서는 두 가지 제품이 나옵니다. 하나는 손에 쥘 수 있습니다. 바이알(vial) 속의 맑은 액체, 살아 있는 세포가 키워 낸 단백질이지요. 다른 하나는 결코 손에 쥘 수 없습니다 — 그것은 그 액체가 어떻게 만들어졌는지에 대한 완전한 기록, 즉 그 바이알 안에 라벨에 적힌 바로 그것이 정확히 들어 있음을 증명하는 모든 측정값과 서명과 시험 결과입니다. 이 두 번째 제품이 바로 데이터(data) 이며, 이것을 잘 관리하는 것이 환자에게 도달하는 약과 그러지 못하는 약의 차이를 가릅니다.

이 책을 읽는 데는 아무런 배경지식도 필요 없습니다. 공장에 한 번도 발을 들여 본 적 없고, 규정을 읽어 본 적도 없으며, 데이터베이스를 생각해 본 적도 없다면, 당신이야말로 우리가 염두에 두고 쓴 바로 그 독자입니다. 우리는 전문 용어가 처음 나올 때마다 그 뜻을 정의하고, 각 장의 끝에 있는 핵심 용어 상자에서 다시 한번 정리해 드리겠습니다.

쉽게 말하면

심사위원이 두 가지를 하는 대회에 케이크를 구워 출품한다고 상상해 보세요. 심사위원은 케이크를 맛보는 동시에 당신의 노트를 읽습니다 — 모든 재료의 무게, 오븐의 온도, 시간 한 분 한 분까지, 당신이 만들어 가며 서명하고 날짜를 적은 그 노트 말입니다. 맛있는 케이크만으로는 충분하지 않습니다. 노트의 한 페이지가 빠져 있다면, 케이크가 아무리 완벽해도 실격입니다. 그리고 흠잡을 데 없는 노트라도 맛 심사에서 떨어진 케이크를 구해 줄 수는 없습니다. 규제 대상인 의약품 제조에서는 케이크가 그렇듯 노트 역시 제품 그 자체이며 — 둘 다 합격해야 합니다. 이 책은 바로 그 노트를 지키는 일에 관한 책입니다.

이 장에서 다루는 내용​

머리말을 빠르게 짚어 보면 다음과 같습니다. 이 책이 누구를 위한 것인지와 우리가 당신에게 하는 약속, 데이터는 그 자체로 하나의 제조된 제품이라는 핵심 발상, 이 책의 다섯 부(part)가 서로 어떻게 맞물리는지, 이 책이 동반 공정 가이드인 Biologic Drug Manufacturing 과 어떤 관계인지, 그리고 모든 페이지에서 보게 될 인용·용어집·이중 언어 같은 몇 가지 규칙입니다.

우리의 약속: 모든 주장은 추적 가능합니다​

이 책은 어조는 대중서이고 엄밀함은 교과서입니다. 이 두 목표는 서로 충돌할 수 있어서, 우리는 한 가지 규칙을 세웠습니다. 자명하지 않은 모든 주장은 — 모든 숫자, 모든 규제 사실, 모든 "연구에 따르면"은 — 이런 작은 대괄호 표시를 답니다 [1]. 그것을 클릭하면 단 하나의 참고문헌(References) 페이지에 도달하는데, 그 페이지에는 해당 진술의 근거가 되는 정확한 동료 심사 논문이나 규제 문서가 나열되어 있습니다. 자명하지 않은 주장이라면 어디서든 그 출처로 따라가 직접 확인할 수 있습니다.

데이터는 제품의 쌍둥이입니다​

이 책 전체가 의지하는 핵심 발상은 이렇습니다.

한 배치는 두 개의 제품을 만든다: 분자와 그 데이터 그림자​

바이오의약품(biologic) — 순수한 화학이 아니라 살아 있는 세포가 만들어 내는 약으로, 단일클론항체(monoclonal antibody)(조작된 세포가 수십억 개씩 키워 낸 똑같은 하나의 항체 단백질로, 단 하나의 표적 분자 — 항원(antigen) — 에 결합합니다)가 그 예입니다 — 은 같은 방식으로 두 번 만들기가 어렵습니다. 그것은 조립되는 게 아니라 키워지는 것이므로, 그것을 만드는 방식 자체가 그것이 실제로 무엇인지를 정의하는 데 한몫을 합니다. 그 키우고 정제하는 여정의 모든 단계는 동반 가이드 Biologic Drug Manufacturing에 용기 하나하나 단위로 펼쳐져 있습니다. 이 책은 그 곁을 나란히 달리며 각 단계에서 묻습니다. 여기서는 어떤 데이터가 태어나며, 그것은 어디로 가는가?

설계기반 품질: 증거로서의 공정 데이터​

두 번 만들기라는 이 과제에 대한 규제 분야의 답이 설계기반 품질(Quality by Design, QbD) 이라 불리는 것인데, 이는 공정에 대한 깊고 기록된 이해를 분자 그 자체만큼이나 제품에 필수적인 것으로 다룹니다. 즉, 어떤 공정 설정이 핵심 공정 변수(critical process parameters, CPPs) 이고 어떤 측정 가능한 제품 특성이 핵심 품질 특성(critical quality attributes, CQAs) 인지를 식별한 다음, 그 둘을 잇는 데이터를 확보하는 것입니다 [1]. 그 규율의 핵심은 CPP — 탱크 온도, 피드 속도 — 를 통제하여 CQA — 순도, 항체에 붙는 올바른 당(糖) 패턴(항체는 당 사슬을 달고 다니는데, 이를 당화(glycosylation)라 하며, 그 모양은 약이 어떻게 작용하는지와 몸속에서 얼마나 오래 지속되는지에 영향을 줍니다) — 가 언제나 규격 안에 들어오게 하고, 그렇게 했음을 증명하는 데이터를 보존하는 것입니다. 다시 말해, 현대의 의약품 제조는 단지 분자를 생산하는 데 그치지 않습니다. 그것은 그 분자에 대한 지식 을, 기록된 형태로 생산합니다. 그 기록된 지식이야말로 — 작업자의 기억도, 구두 보증도 아니라 — 규제 당국이 한 배치를 환자에게 보내도 될지 판단할 때 저울에 올리는 증거입니다. 이 도구 모음은 계속 자라 왔습니다. 후속 가이드라인들은 같은 발상을 제품의 전(全) 생애주기에 걸친 관리(국제의약품규제조화위원회(International Council for Harmonisation) — ICH, 지역마다 다른 의약품 품질 기대치를 조화시키는 가이드라인을 내는 기구로, 여기서는 ICH Q12 [9])로, 그리고 공정을 개별 배치가 아니라 연속적으로 운영하는 것(ICH Q13 [10])으로 확장합니다 — 이 머리말 끝의 실제 사례 절과 책 전체에 걸쳐 이어받는 방향들이지요.

공정 분석 기술: 실시간으로 품질을 측정하기​

그 지식은 방대합니다. 단 하나의 배치(batch)는 끊임없는 센서 측정값의 흔적을 남깁니다 — 온도, 산소, 산도(酸度) 등을 실시간으로 포착하여, 품질을 제조가 끝난 뒤에만이 아니라 제조 도중 에 판단할 수 있게 하지요. 규제 당국은 이 접근을 공정 분석 기술(Process Analytical Technology, PAT) 이라 부릅니다 [2]. 각각의 측정값은 작고 구조화된 하나의 사실입니다. 바이오리액터에서 나온 단 하나의 온도 측정점은 tag=BR101.Temp.PV, value=37.2, unit=°C, timestamp=2026-06-14T14:32:07Z, status=Good 처럼 저장될 수 있습니다 — 이름이 붙은 태그(tag)(BR101.Temp.PV 처럼 구조화되고 계층적인 이름이며, 이는 Part II에서 풀어 설명합니다), 값, 단위, 정확한 시각, 그리고 품질 플래그(여기서는 측정값 자체가 믿을 만하다는 뜻이며 — 37.2 °C가 허용 범위 안에 있는지에 대한 판단이 아닙니다)입니다. 이런 사실이 수백만 개씩 쌓입니다. 여기에 실험실 시험 결과, 단계별 배치 기록, 사람의 서명까지 더하면, 약 그 자체와 나란히 흘러가는 두 번째 산물이 생겨납니다. 우리는 이것을 그 분자의 데이터 그림자(data shadow) 라고 부릅니다.

하나의 공정, 두 개의 제품: 바이오리액터 속 살아 있는 세포가 바이알 속의 분자와 그 데이터 그림자를 함께 만들어 내며, 한 배치(batch)가 출하되려면 둘 다 합격해야 합니다 하나의 공정, 두 개의 제품 — 분자와 그 데이터 그림자는 함께 만들어지고, 함께 평가되며, 함께 출하됩니다. 저자가 AI의 도움을 받아 직접 제작한 그림입니다.

한 배치의 데이터 그림자 해부​

데이터 그림자는 하나의 커다란 덩어리가 아닙니다. 그것은 여섯 가지 서로 다른 출처에서 나오며, 각각은 서로 다른 곳에서 태어나고 저마다의 모양을 지닙니다. 끊임없는 센서 측정값 — 공정 안에서 직접 이루어지는 인-라인·온-라인 측정(인-라인 = 용기 안에 들어앉은 탐침, 온-라인 = 바로 옆에서 자동으로 빼낸 곁가지 흐름을 측정하는 것) — , 즉 촘촘한 시계열 — 온도, pH, 산소 — 을 빠르면 초 단위까지 표집하며, 더 느리게 변하는 태그는 덜 자주 읽고, 히스토리안(historian)(태그 데이터를 저장하는 시계열 데이터베이스)은 대개 값이 바뀌는 지점만 저장합니다. 앳-라인·오프라인 실험실 결과(앳-라인 = 라인 옆 기계에서 시험하는 표본, 오프라인 = 실험실로 가져가 시험하는 표본) — QC 실험실에서 시험된, 채취된 표본마다 하나씩 나오는 역가(배양액 1리터당 항체가 얼마나 되는지)나 생존율(아직 살아 있는 세포의 비율) 같은 이산적인 숫자, 레시피의 한 단계가 끝나고 다음 단계가 시작되는 지점을 표시하는 상(相) 전이 이벤트, ISA-88 및 ISA-95 표준의 언어로 제품·레시피·장비·작업자를 기술하는 메타데이터인 배치 마스터 레코드(batch master record)(ISA-88은 배치 레시피와 그 절차가 어떻게 구조화되는지를, ISA-95는 공장의 장비와 기업이 어떻게 조직되는지를 기술합니다 — Part IV에서 우리가 토대로 삼는 공유 어휘들입니다), 공정 이벤트 — 피드, 투여, 표본을 채취한 순간 — , 그리고 누가 무엇을 언제 했고 누가 승인했는지를 기록하는 감사 추적(audit trail)과 전자 서명이 그것입니다. 여섯 개의 출처, 여섯 개의 형식, 여섯 개의 출생지입니다.

이 여섯 갈래의 흩어진 출처를 하나의 일관된 이야기로 바꾸는 것은 단 하나의 공유 키, 곧 batch_id 입니다. 모든 측정값과 결과와 이벤트에 똑같은 배치 식별자를 찍으면, 헐벗은 37.2 는 "배치 BATCH-2026-001에서, 생산 상(相) 동안, 장비 BR101에서 측정된 37.2 °C" 가 됩니다 — 신뢰할 수 있는 맥락을 갖춘 숫자가 되는 것이지요.

한 배치의 데이터 그림자 식별 카드: 여섯 갈래의 출처 — 끊임없는 센서 측정값, 앳-라인·오프라인 실험실 결과, 상 전이 이벤트, 배치 마스터 레코드, 공정 이벤트, 서명을 포함한 감사 추적 — 각각의 예시 데이터 포인트와 태어나는 곳을 보여 주며, 모두 하나의 공유 batch_id 키로 엮여 단일한 맥락화된 레코드를 이룹니다 한 배치의 데이터 그림자를 이루는 여섯 출처. 각각 서로 다른 시스템에서 태어나며, 모두 하나의 공유 batch_id 로 엮여 신뢰할 수 있는 단일 레코드가 됩니다. 저자가 AI의 도움을 받아 직접 제작한 그림입니다.

배치 계보: 여러 스테이션을 하나의 추적 가능한 이야기로 잇기​

이 여섯 갈래의 출처는 한 방에서 한꺼번에 만들어지지 않습니다. 배치가 공장을 거쳐 가는 동안 스테이션마다 차곡차곡 쌓입니다 — 세포를 깨우는 시드 트레인(seed train), 그것을 키우는 생산 바이오리액터, 정제 구역, 충전 라인이지요. 각 스테이션은 배치를, 그리고 그와 함께 자기 몫의 데이터 그림자 조각을 다음으로 넘깁니다. 배치 계보(batch genealogy) 는 그 길을 거꾸로 되짚게 해 주는 식별자의 사슬입니다. 환자 손에 들린 바이알에서, 충전 로트로, 바이오리액터 실행으로, 배치가 출발한 바로 그 냉동 세포 바이알로까지 거슬러 올라가지요. 계보가 온전하면 조사관은 "이 한 회분에는 무슨 일이 있었는가?" 를 몇 분 만에 답할 수 있습니다. 계보가 끊어지면 그 답에는 몇 주가 걸릴 수 있으니 — 아래에서 다시 다룰 문제입니다.

여기서 따라 나오는 냉엄한 결과는 이렇습니다. 규제 대상 공정에서는, 효과적으로 기록되지 않은 배치는 일어나지 않은 것이다. 어떤 배치가 양호함을 증명하는 데이터가 빠져 있거나, 불완전하거나, 신뢰할 수 없다면, 탱크 속 분자가 완벽하더라도 그 약은 출하될 수 없습니다. 데이터는 제품에 관한 서류가 아닙니다. 그것은 하나의 제품입니다.

아직 풀리지 않은 문제: 파편화 문제​

이 주제 전체의 중심에 자리한 솔직한 어려움이 여기 있으며, 그것은 아직 풀리지 않았습니다. 우리는 방금 깔끔한 batch_id 로 엮인 여섯 갈래의 단정한 출처를 묘사했습니다. 실제 공장에서는 그것들이 그렇게 단정한 경우가 드뭅니다. 센서 흔적은 히스토리안에, 실험실 결과는 LIMS(실험실 정보 관리 시스템, Laboratory Information Management System)에, 배치 기록과 공정 이벤트는 MES(제조 실행 시스템, Manufacturing Execution System)에, 분석자의 메모는 ELN(전자 실험 노트, Electronic Laboratory Notebook)에, 원시 장비 파일은 장비 안에 각각 살고 있습니다. 각 시스템은 서로 다른 공급업체에서, 서로 다른 시대에 구입되어, 서로 다른 형식을 말하고, 서로 다른 시계로 타임스탬프를 찍습니다. 어느 것도 "배치" 가 무엇인지, 그 식별자를 어떻게 표기하는지에 대해 처음부터 합의되어 있지 않습니다.

그 대가는 구체적입니다. 무언가 잘못되어 조사관이 무슨 일이 있었는지 재구성해야 할 때, 대부분의 노력이 데이터를 분석 하는 데가 아니라 그것을 찾아내고 정렬 하는 데로 들어갑니다 — 스프레드시트를 내보내고, 타임스탬프를 손으로 맞추고, 한 시스템의 배치 이름을 다른 시스템의 것과 대조하는 일이지요. 규제 당국도 이를 알아챘습니다. 현대의 데이터 무결성 지침은 그 기대치를 여러 컴퓨터 시스템에 분산된 데이터에까지 명시적으로 확장하며, 완전하고 귀속 가능한 기록이 시스템들 사이의 이음매를 넘어 살아남아야 한다고 못 박습니다 [4]. 그리고 과학 데이터 공동체의 답 — 데이터를 찾을 수 있고, 접근할 수 있고, 상호운용 가능하며, 재사용 가능하게(FAIR) 만들기 — 은 단일 연구실 안에서보다 이질적인 제조 공장 안에서 이루기가 훨씬 더 어렵다는 것이 드러납니다. 숫자에 의미를 주는 맥락이, 그것을 공유하도록 설계된 적이 없는 시스템들에 흩어져 있기 때문이지요 [5].

이 책은 그 문제가 다 끝났다고 가장하지 않습니다. 이 책이 제시하는 것은 그곳을 통과하는 길입니다. 배치가 무엇인지 에 대한 공유 모델, 숫자가 어디서나 같은 것을 뜻하게 하는 공유 어휘, 그리고 출처들을 다시 하나로 잇는 아키텍처입니다. 그 조인의 구체적 모양 — 측정값이 결코 헐벗지 않도록 s88.batch 맥락에 꿰매진 ts.sensor_reading 행 — 이야말로 세 번째 책의 레퍼런스 아키텍처가 코드로 짓는 바로 그것입니다. 문제를 정직하게 이름 붙이는 것이 첫걸음이며, 이 책과 그 동반서의 나머지가 그 답입니다.

이 책을 읽는 법​

이 책의 다섯 개의 부​

이 책은 다섯 개의 부로 나뉘어 전해지는 하나의 연속된 논증입니다. 처음부터 끝까지 쭉 읽어도 되고, 필요한 부로 건너뛰어도 됩니다.

  1. Part I — 왜 데이터가 제품의 쌍둥이인가 — 방금 만난 발상을 풀어냅니다. 한 배치의 데이터 그림자가 무엇을 담고 있는지, 그리고 왜 기록되지 않은 배치는 일어나지 않은 것인지.
  2. Part II — 출처, 시스템, 아키텍처 — 데이터가 태어나는 곳(센서, 장비, 사람)과 그것을 공장 전체에 걸쳐 포착하고 저장하는 시스템.
  3. Part III — 무결성, 규정 준수, 검증 — 환자의 안전을 걸 만큼 데이터를 신뢰할 수 있게 만드는 규칙들, 그리고 그 신뢰가 어떻게 입증되는지.
  4. Part IV — 의미론과 디지털 스레드 — 데이터를 단지 저장 되는 것을 넘어 의미 있는 것으로 만들기: 공유된 어휘와 연결을 통해, 그것을 읽는 모든 시스템과 사람에게 하나의 숫자가 같은 것을 뜻하게 하기 — 나아가 기계가 검증하고 질의할 수 있을 만큼 형식적으로, 즉 RDF 트리플의 지식 그래프로 표현하고 SHACL 셰이프로 검증하며 SPARQL 질의로 답하게 하는 계층까지 다루며, 이는 자매서 바이오의약품 제조를 위한 온톨로지(Ontologies for Biopharmaceutical Manufacturing)가 온전히 구축합니다.
  5. Part V — 분석과 미래 — 데이터가 깨끗하고, 연결되어 있으며, 신뢰할 수 있게 되었을 때 비로소 가능해지는 것들, 공정 통찰에서부터 내일의 공장에 이르기까지 — 여기에는 GxP 아래에서 정직하게 수행될 때 이 책이 거듭 강조하는 엄밀성, 즉 누수 없는 검증, 명시적 적용 영역(applicability domain), 드리프트 탐지를 요구하는 예측 모델이 포함되며, 이는 자매서 바이오제조를 위한 머신러닝과 AI(Machine Learning & AI for Biomanufacturing)가 깊이 있게 다룹니다.

다섯 개의 부 전체를 관통하는 한 가닥의 실이 있으니, 바로 FAIR 원칙(FAIR principles) 입니다. 이는 좋은 과학 데이터라면 찾을 수 있고(Findable), 접근할 수 있고(Accessible), 상호운용 가능하며(Interoperable), 재사용 가능해야(Reusable) 한다는, 널리 채택된 지침 원칙입니다 — 서랍 속에, 혹은 한 기계만이 읽을 수 있는 형식에 갇혀 있어서는 안 된다는 것이지요 [3]. FAIR를 마음에 새겨 두십시오. 우리는 이것으로 자주 되돌아올 것입니다.

공정 가이드에서 이 책으로: 데이터 그림자의 여정​

이 책은 3부작의 가운데 권입니다. 첫 번째 책 Biologic Drug Manufacturing 은 바이오의약품을 만드는 실제 물리적 공정 — 표적을 고르고, 세포를 만들고, 바이오리액터(bioreactor)(살아 있는 세포가 약을 생산하는 따뜻한 탱크)에서 그것을 키우고, 그 결과물을 정제하여 바이알에 충전하는 일 — 에 대한 입문 가이드입니다. 그 가이드는 약이 어떻게 만들어지는가 에 답합니다. 이 책은 데이터가 어떻게 만들어지고 관리되는가 에 답합니다. 그리고 세 번째 책 Open-Source Bioprocess Data Systems 는 그 모든 것을 담는 소프트웨어를 어떻게 만드는가 에 답합니다 — 똑같이 batch_id 가 찍힌 측정값을 구체적인 데이터베이스 행(row)으로 보여 주지요.

그래서 하나의 사실이 세 권 전체를 꿰뚫습니다. 생산 바이오리액터의 탐침이 물리적으로 온도를 측정하고(첫 번째 책), 그 측정값은 단위와 타임스탬프와 품질 플래그를 갖춘 태그가 붙은 데이터 포인트가 되며(이 책), 그 포인트는 오픈소스 레퍼런스 아키텍처가 보여 주는 그대로, 자신의 s88.batch 맥락에 조인된 ts.sensor_reading 행으로 데이터베이스에 안착합니다. 물리적 단계, 데이터 포인트, 저장된 행 — 하나의 실, 세 권의 책입니다.

따라가는 데 나머지 두 책이 꼭 필요한 것은 아닙니다 — 우리는 각 공정 단계가 관련될 때마다 그것을 다시 소개할 테니까요. 하지만 데이터보다 생물학과 장비를 먼저 만나고 싶다면, Biologic Drug Manufacturing에서 시작하세요. 세 권은 나란히 두고 읽도록 설계되었습니다.

노트

이 책 전체에 걸쳐, 우리는 기초를 가르치기 위해 바이오의약품을 만드는 표준적인 상업적 방식에 기대고, 더 연속적인 현대의 접근이 어디서 다른지를 짚어 드립니다. 그 현대적 경로는 실제 사례 절에서 만나게 됩니다.

몇 가지 규칙​

이것들은 모든 페이지에 등장하므로, 한 번 알아 두는 것이 좋습니다.

  • 인용. [2] 같은 본문 표시는 참고문헌 페이지로 연결됩니다. 화면에 보이는 번호는 각 장 안에서만 통하며 매 장마다 [1]에서 다시 시작합니다.
  • 핵심 용어. 각 장은 그 장에서 소개한 용어들의 짧은 용어집으로 끝나므로, 위로 다시 스크롤해 올라갈 필요가 없습니다.
  • 어드모니션(admonition). 색이 있는 상자는 도움이 되는 곁가지 설명을 표시합니다. 윗부분의 쉬운 우리말 비유에는 tip, 유용한 맥락에는 note, 오해가 정말로 해를 끼칠 수 있는 곳에는 caution을 씁니다.
  • 이중 언어. 이 책은 영어와 한국어(Korean)로 출간되어, 독자가 어느 한쪽 언어로든 따라 읽을 수 있습니다.
  • 상표. 이 책에 언급된 제품명 및 회사명(Siemens, gPROMS, AspenTech, Aspen Hybrid Models, DataHow, DataHowLab, OPC UA, GAMP, PI System, Sartorius, Thermo Fisher, Cytiva, Waters, Agilent, AVEVA, OSIsoft, InfoPlus.21을 포함하되 이에 한정되지 않습니다)은 각 소유자의 상표 또는 등록 상표일 수 있으며, 식별 및 편집 목적으로만 사용될 뿐 어떠한 보증(endorsement)을 주장하지 않습니다.
주의

이 책은 의약품 제조에서 데이터 관리를 어떻게 생각 해야 하는지를 가르칩니다. 이 책은 규제 자문이 아니며, 검증된 절차도 아닙니다. 실제 제조 의사결정은 현행 공식 지침과 당신 조직의 승인된 공정을 따라야 합니다.

왜 중요한가​

단 하나만 기억해야 한다면, 이것으로 하십시오. 데이터를 관리하는 일은 제조의 사무적인 꼬리가 아니라 — 그것이 곧 제조의 절반입니다. 분자와 그 데이터 그림자는 함께 만들어지고, 함께 평가되며, 함께 출하됩니다. 데이터를 뒤늦은 일거리로 취급하면 물리적으로는 멀쩡하지만 법적으로도 과학적으로도 출하할 수 없는 배치를 떠안을 위험이 있습니다. 반면 데이터를 하나의 제품으로 — 분자와 똑같은 정성으로 설계하고, 만들고, 품질을 점검한 것으로 — 취급하면, 규제 승인에서 환자의 신뢰에 이르기까지 그 아래의 모든 것이 단단한 토대 위에 서게 됩니다. 이어지는 모든 장은 근본적으로 그 신뢰를 얻어 내는 일에 관한 것입니다.

실제 사례​

이것은 이론상의 문제가 아닙니다. Part I을 떠받치는 설계기반 품질 체계는 규제 과학에서 곧바로 나온 것으로 — ICH 가이드라인 Q8(R2) [6], Q9 [7], Q10 [8]에 제시되어 있습니다 — 공정 데이터를 부산물이 아니라 제품의 핵심으로 다시 규정했습니다 [1]. 실시간 인-프로세스 측정 — PAT — 으로 향하는 흐름 또한, 마지막에 검사하는 대신 제조 도중에 품질을 만들어 넣으려는 규제 당국에서 비롯되었으며, FDA의 2004년 PAT 지침(FDA 2004 PAT guidance)에 성문화되었습니다 [2]. 그리고 우리가 데이터를 저장하고 연결하는 방식을 형성하는 FAIR 원칙 은 더 넓은 과학계에서 시작되어 이후 산업과 정부 전반으로 퍼져 나갔습니다 [3].

이러한 발상들은 실제 장비와 실제 소프트웨어 위에서 실현됩니다. 세포를 키우는 바이오리액터는 Sartorius, Thermo Fisher, Cytiva 같은 공급업체에서 나오고, 공장 규모에서 제품을 정제하는 공정용 크로마토그래피(chromatography) 시스템은 Cytiva 같은 공급업체에서, QC 실험실의 분석용 크로마토그래피 장비는 Waters와 Agilent에서 나옵니다. 각 장비의 끊임없는 측정값 — 온도, pH, 용존 산소(dissolved oxygen) — 은 데이터 그림자의 일부를 이루는 촘촘한 센서 스트림(sensor stream)이 됩니다. 그 스트림들은 허공으로 사라지지 않습니다. 공정 히스토리안(process historian)(예: AVEVA/OSIsoft PI System이나 AspenTech InfoPlus.21)이 그것을 포착하고, 제조 실행 시스템(Manufacturing Execution System, MES) 이 조율하며, 실험실 정보 관리 시스템(Laboratory Information Management System, LIMS) 에 보관된 실험실 결과가 거기에 합쳐집니다. 그리고 환자가 거기에 의지하기에, 그 데이터 그림자 전체는 구속력 있는 규칙의 지배를 받습니다. 전자 기록과 전자 서명은 FDA의 21 CFR Part 11(미국 연방규정집 제21편 제11부, Title 21 of the U.S. Code of Federal Regulations, Part 11)과 EU의 Annex 11 을 충족해야 하며, 컴퓨터 시스템은 GAMP 5(ISPE) 같은 지침에 따라 검증됩니다 — 이 책이 처음부터 끝까지 되돌아오는 규제와 체계들입니다.

NIIMBL(미국 국립 바이오의약품 제조 혁신 연구소, U.S. National Institute for Innovation in Manufacturing Biopharmaceuticals) 같은 민관 협력 기관과 BioPhorum 같은 산업 컨소시엄은 이러한 발상들을 현대 바이오 제조로 가져가며, 우수제조관리기준(cGMP, current Good Manufacturing Practice — 약을 만들기 위해 지켜야 하는 구속력 있는 품질 규칙) 파일럿 시설들이 제조 혁신을 확대 적용하고(scale up) 위험을 줄이며 인력을 양성합니다 [11]. 이 책의 주제들은 약을 만드는 사람들이 매일같이 마주하는 생생한 현실의 관심사입니다.

핵심 용어​

  • 바이오의약품(biologic) — 순수한 화학이 아니라 살아 있는 세포가 만들어 내는 약.
  • 단일클론항체(mAb) — 조작된 세포가 엄청난 수로 키워 낸 똑같은 하나의 항체 단백질로, 몸속 단 하나의 표적 분자(항원, antigen)에 결합합니다.
  • 항원(antigen) — 단일클론항체가 인식하고 결합하도록 설계된, 몸속의 특정 표적 분자.
  • 바이오리액터(bioreactor) — 살아 있는 세포를 키워 약을 생산하게 하는 따뜻한 탱크.
  • 배치(batch) / 로트(lot) — 정해진 양의 제품을 만드는 한 번의 완전한 제조 실행.
  • 데이터 그림자(data shadow) — 한 배치와 나란히 생성되는, 기록된 데이터(센서 흔적, 시험 결과, 배치 기록, 서명)의 전체 묶음.
  • 태그(tag) — 하나의 측정 신호를 식별하는 구조화되고 계층적인 이름(예: BR101.Temp.PV)으로, 히스토리안은 그 아래에 시계열을 저장합니다.
  • 히스토리안(historian) — 공장의 태그 측정값을 시간에 따라 저장하는 시계열 데이터베이스로, 대개 값이 바뀌는 지점만 보관합니다.
  • 역가(titer) — 세포가 배양액 1리터당 만들어 내는 항체의 양.
  • 생존율(viability) — 배양액 속 세포 중 아직 살아 있는 세포의 비율.
  • ISA-88 / ISA-95 — 각각 배치 레시피와 그 절차가 어떻게 구조화되는지, 그리고 공장의 장비와 기업이 어떻게 조직되는지를 정의하는 표준.
  • batch_id — 한 배치의 모든 측정값·결과·이벤트에 찍히는 공유 식별자로, 데이터 그림자의 흩어진 출처들을 하나의 레코드로 엮는 키.
  • 배치 계보(batch genealogy) — 완성된 한 회분을, 그것이 거쳐 온 모든 스테이션과 앞선 배치들로 거슬러 잇는 식별자의 사슬로, 처음부터 끝까지의 추적성을 가능하게 합니다.
  • 설계기반 품질(QbD) — 기록된 공정 이해를 제품 그 자체에 필수적인 것으로 다루는 체계.
  • 핵심 공정 변수(CPP) — 제품 품질에 영향을 미치므로 반드시 통제해야 하는 공정 설정.
  • 핵심 품질 특성(CQA) — 약이 안전하고 효과적이려면 한계 안에 머물러야 하는, 측정 가능한 제품 특성.
  • 공정 분석 기술(PAT) — 핵심 특성을 제조가 끝난 뒤에만이 아니라 제조 도중에 실시간으로 측정하는 것.
  • FAIR 원칙(FAIR principles) — 데이터는 찾을 수 있고, 접근할 수 있고, 상호운용 가능하며, 재사용 가능해야 한다는 원칙.
  • 우수제조관리기준(cGMP, current Good Manufacturing Practice) — 약을 제조하려면 시설이 반드시 따라야 하는, 법적 구속력을 가진 품질 규칙.
  • 참고문헌 페이지(References page) — 모든 본문 인용 표시가 그 출처로 연결되는 단 하나의 페이지.

이 다음은​

우리는 모든 1그램의 약이 분자 그 자체만큼이나 필수적인 데이터 그림자 를 드리운다고 주장했습니다. 다음 장 바이오의약품과 그 데이터 그림자는 그것을 구체화합니다. 단 하나의 배치가 만들어 내는 데이터의 규모와 여러 유형 — 센서 흔적, 배치 기록, 시험 결과, 서명 — 을 짚어 가며, 규제 대상 제조의 핵심에 있는 문서화의 명령, 즉 이 산업을 수십 년간 이끌어 온 규칙을 소개합니다. 기록되지 않았다면, 일어나지 않은 것이다.