실시간 통합과 Pharma 4.0: 스마트하고 연속적인 공장

📍 현재 위치: 5부, 18장 — 마지막 장: 데이터가 어떻게 태어나고, 구조화되고, 보호되고, 의미를 부여받고, 모델로 변환되는지를 배운 우리는, 이 모든 것이 스마트하고 연속적인 공장에서 하나로 수렴되는 모습을 지켜봅니다. 그곳에서 의약품과 그 데이터는 마침내 하나가 됩니다.

이전 장 머신러닝, 소프트 센서, 그리고 하이브리드 모델에서 우리는 데이터가 할 수 있는 일의 최전선에 도달했습니다. 어떤 프로브로도 측정할 수 없는 양을 예측하고, 기전적 지식(mechanistic knowledge)을 과거 이력에서 학습한 패턴과 융합하며, 규제 당국을 만족시킬 만큼 신뢰할 수 있게 그것을 해내는 일입니다. 그러나 그 모든 모델은 우리가 17개 장에 걸쳐 조용히 쌓아 올린 한 가지를 전제로 합니다. 즉, 데이터가 실시간으로, 맥락(context)과 함께, 연결된 채로 도착한다는 것입니다. 이 마지막 장은 그 전제가 마침내 한꺼번에 참이 되어야만 하는 공장에 관한 이야기입니다.

이 책의 대부분에서 "배치(batch)"는 우리의 사고 단위였습니다. 정해진 양의 의약품이 하나의 개별 사건으로 제조되고 시험되며, 개별적인 데이터 그림자를 드리웁니다. 이제 우리는 그 편안한 경계가 허물어지는 것을 봅니다. 공장이 의약품을 탱크 단위로 만들기를 멈추고 연속적인 흐름(stream)으로 만들기 시작하면, 기록을 잠시 멈추고 정리할 배치 종료 시점이 존재하지 않습니다. 제품이 여전히 흐르는 동안에 데이터가 정확해야 합니다.

쉽게 말하면

빵을 덩어리(loaf) 단위로 굽는 것과, 절대 멈추지 않는 하나의 긴 컨베이어 벨트로 제과점을 운영하는 것의 차이를 생각해 봅시다. 덩어리 단위라면 각각이 식은 뒤에 검사할 수 있습니다. 그러나 컨베이어라면 확인하려고 벨트를 멈출 수 없으므로, 모든 단계를 일어나는 그 순간에 지켜보고, 라이브 측정값을 충분히 신뢰하여 빵을 라인에서 곧바로 출하해야 합니다. 연속 바이오공장은 바로 그 컨베이어이며, 이 책은 벨트가 알려주는 것을 신뢰하기 위한 설명서였습니다.

이 장에서 다루는 내용

우리는 이 책의 모든 실타래를 하나로 엮습니다.

• 왜 연속 제조가 실시간 데이터 통합을 선택이 아닌 필수로 만드는지.
• 어떻게 최종 제품 시험 대신 라이브 데이터로 제품을 출하할 수 있는지 — 실시간 출하 시험(Real-Time Release Testing, RTRT).
• 단일 실시간 출하 결정의 해부 구조, 사실 하나하나로 낱낱이 분해하기.
• 구호가 아니라 구체적인 운영 모델로서 "Pharma 4.0"이 무엇을 의미하는지.
• IOF 바이오제약 온톨로지를 통해 시맨틱(semantics)이 실제로 작동하는 모습 — 의미를 상호운용 가능하게 만들기.
• 아직 진정으로 열려 있는 모델 검증 과제.
• 이 모든 것이 어디로 향하는지 — 연합 데이터 공간(federated data spaces)과 자기 최적화 바이오공정.

배치에서 흐름으로: 왜 연속 제조가 실시간 데이터를 요구하는가

1장에서 우리는 바이오 제조가 하나의 큰 유가식(fed-batch) 탱크에서 연속 및 집약 공정(continuous and intensified processing) 으로 이동하고 있다고 언급했습니다. 세포가 쉬지 않고 생산하며, 가동을 멈추지 않은 채 공급과 수확이 이루어집니다. 그 전환은 이제 ICH Q13 — ICH은 국제의약품규제조화위원회(International Council for Harmonisation)로, 그 가이드라인은 미국, EU, 일본 등 여러 규제 당국에 걸쳐 의약품 품질 규칙을 일치시킵니다 — 즉 원료의약품 및 완제의약품의 연속 제조(Continuous Manufacturing of Drug Substances and Drug Products) 에 관한 국제 가이드라인으로 성문화되었습니다. 이 가이드라인은 화학적 물질과 치료용 단백질 모두에 적용된다고 명시하지만 — 단백질에 대한 구체적 사례 지침은 아직 상대적으로 빈약하고, 상세한 예시는 대부분 저분자(small molecule)를 다룹니다 — 통합되고 끊김 없는 단위 조작(unit operations)이 어떻게 제어, 검증, 규제되어야 하는지를 정의합니다 [1]. 단위 조작(unit operation) 은 공정의 한 단계 — 세포 배양, 청징(clarification), 포획(capture), 폴리싱(polishing) — 이며, "통합되었다(integrated)"는 것은 각 단계가 그 사이에 보관되는 물질을 최소화한 채 다음 단계로 직접 공급된다는 뜻입니다.

Q13의 배경이 되는 비전은 수년 전, 이제는 정전(正典)이 된 2015년 콘스탄티노프(Konstantinov)와 쿠니(Cooney)의 백서에서 분명히 제시되었습니다. 이 백서는 연속 바이오공정(continuous bioprocessing) 을 보관량을 최소화하여 연결된 연속 단위 조작들의 사슬로 정의했습니다 — 물질이 단계 사이의 용기에서 대기하기보다 트레인(train)을 통해 꾸준히 이동하는 것입니다 [2]. 그리고 이것은 단지 이론에 그치지 않습니다. 2015년의 획기적인 실증 사례는 재조합 단일클론항체(recombinant monoclonal antibody)의 처음부터 끝까지 완전히 연속적인 생산을 정상 상태(steady state)에서 가동하여, 생물반응기부터 최종 정제까지 하나의 연결된 공정으로 개념이 작동함을 입증했습니다 [3].

이 하드웨어는 이제 실험적인 것이 아니라 상용화되어 있습니다. 일회용 관류(perfusion) 배양 — 세포를 보유한 채 신선한 배지를 연속적으로 공급하고 소진된 배지를 제거하여 배양이 결코 생산을 멈추지 않는 방식 — 은 관류 및 집약 배양에 적합한 일회용 생물반응기 플랫폼 위에서 가동되며, 이러한 플랫폼은 사르토리우스(Sartorius), 사이티바(Cytiva), 써모 피셔(Thermo Fisher), 에펜도르프(Eppendorf), 머크(Merck) 같은 공급사들이 제공합니다. 이들을 연속 하류(downstream) 단계와 짝지으면 ICH Q13이 설명하는 통합 트레인이 형성됩니다. 이 흐름 뒤의 물리적 실체는 1권에서 우리가 따라갔던 바로 그 생산 생물반응기입니다 — 다만 이제 배치 사이에 결코 멈추지 않으며, 바이러스 불활화나 제제화 및 충전·완제 같은 단계가 개별적인 정지점이 아니라 연결되어 흐르는 단위 조작으로 가동됩니다.

데이터가 연결되고 신뢰할 수 있으며 실시간일 때, 공장은 가동 중에 스스로 판단할 수 있습니다.

저자가 AI의 도움을 받아 직접 제작한 그림입니다.

이 책의 모든 내용으로 다시 이어지는 결론이 여기 있습니다. 배치 공정에서는 — 원칙적으로 — 데이터를 수집한 다음, 나중에 앉아서 기록을 조립하고 출하 결정을 내릴 수 있었습니다. 연속 공정에서는 수 주 뒤에 캠페인이 끝날 때까지 "나중"이라는 것이 존재하지 않습니다. 물질은 지금 트레인을 떠나고 있으므로, 그 물질이 양품임을 증명하는 데이터는 지금 포착되고, 맥락이 부여되고, 신뢰되어야 합니다. 실시간 데이터 통합은 더 이상 정교함의 문제가 아니라 가동 자체를 위한 전제 조건이 됩니다 [1].

"연속"이 하류 트레인에 치르게 하는 비용

연속화의 요구는 생물반응기에 가장 무겁게 떨어지지 않습니다 — 관류는 이미 멈추지 않고 가동되기 때문입니다 — 오히려 개별 홀드(hold)로 설계되었던 하류(downstream) 정제 단계들에 가장 무겁게 떨어지며, 각 단계를 전환하는 것은 명명할 가치가 있는 구체적인 엔지니어링 문제입니다. 가장 분명한 사례는 저(低) pH 바이러스 불활화(low-pH viral inactivation) (외피 보유 바이러스를 죽이는 산성 홀드)입니다. 배치 공장에서 이것은 탱크를 채우고, 검증된 시간 — 가령 60분 — 동안 홀드한 뒤 중화하는 것이므로, 홀드의 증거는 단순히 용기에 걸린 타이머입니다. 연속 트레인에는 탱크가 없으므로, 동일한 살균력은 모든 액적이 검증된 최소 체류 시간 이상을 내부에서 보내도록 크기를 정한 흐르는 코일형 흐름 역전기(coiled-flow-inverter) 반응기 안에서 획득되어야 합니다 — 바이러스 불활화 장이 상술하는 연속 바이러스 불활화(Continuous Viral Inactivation, CVI) 입니다. 어려운 부분은 체류 시간 분포(residence-time distribution, RTD) — 서로 다른 유체 요소가 반응기 안에서 실제로 보내는 시간의 분포 — 입니다. 단순한 파이프에서는 중앙의 빠르게 움직이는 액체가 일찍 빠져나가, 처리가 미흡한(under-treated) 제품의 꼬리가 남아 올바르게 홀드된 제품에 보이지 않게 섞이므로, 연속 단계는 평균이 아니라 최소 체류 시간으로 검증됩니다. 연속 한외여과/정용여과(continuous ultrafiltration/diafiltration, UF/DF) — 농축 및 완충액 교환 최종 단계 — 도 교반 탱크 종점에서, 그 성능이 완성된 배치가 아니라 정상 상태(steady-state) 속성인 단일 통과(single-pass) 또는 연속 향류(continuous-countercurrent) 모듈로 전환되는 동일한 변화에 직면합니다. 데이터 측면의 결과는 정확합니다. 즉, 공정 중 기록은 배치별 종점 숫자("홀드 시간 = 62분")이기를 멈추고, 그 이탈이 흐름 속에서 포착되는 연속 모니터링 정상 상태 트레이스가 되며, 이는 ALCOA+ 장이 홀드 시간 기록에 담게 하는 값-더하기-품질-더하기-타임스탬프의 동일한 묶음입니다.

그 전환은 또한 자유로운 재구성이 아니라 기술 이전(tech-transfer)과 적격성 평가(qualification) 사건이기도 합니다. 연속 하류 모듈은 CSV-to-CSA 장이 발전시키는 동일한 IQ/OQ/PQ 사다리 — 설치 적격성 평가(Installation), 운영 적격성 평가(Operational), 성능 적격성 평가(Performance Qualification), 즉 시스템이 올바르게 설치되고, 올바르게 운영되며, 실제 작업 부하에 대해 올바르게 성능을 내는지를 단계적으로 증명하는 것 — 를 통해 커미셔닝(commissioning)되며, 그 맞춤형 제어 로직은 구성된 기성품(off-the-shelf)보다 더 많은 정밀 검토를 받는 더 높은 위험의 GAMP 5 소프트웨어 범주입니다. 여기서 스케일업(scale-up)은 용기 부피가 아니라 가동 시간의 스케일아웃(scale-out)입니다. 즉, 연속 트레인은 더 오래 가동하여 더 많은 물질을 만들므로, 적격성 평가의 질문은 더 큰 탱크가 더 작은 탱크처럼 거동하는지가 아니라 정상 상태가 캠페인 전체에 걸쳐 유지되는지가 됩니다.

데이터로 출하하기: 실시간 출하 시험

최종 제품 시험 대신 라이브 데이터로 출하하기

라이브 측정값을 완전히 신뢰한다면, 전통적인 일련의 최종 제품 실험실 시험 없이 제품을 출하할 수 있습니다. 이것이 실시간 출하 시험(Real-Time Release Testing, RTRT) 입니다 — 완성된 물질을 시험하는 대신 공정 중(in-process) 데이터를 사용하여 제조 중 또는 제조 종료 시점에 제품 품질을 평가하고 확인하는 능력입니다. 유럽 의약품청(European Medicines Agency)의 가이드라인(EMA/CHMP/QWP/811210/2009 Rev 1, 2012년 10월 1일 발효)은 RTRT(그리고 그 오래된 사촌 격인 모수적 출하(parametric release) — 멸균 시험이 아니라 검증된 공정 파라미터로 무균성을 보증하는 것)를 ICH Q8(의약품 개발), Q9(품질 위험 관리), Q10(의약품 품질 시스템)의 과학 및 위험 기반 틀 안에서 규정합니다 [6]. 우리의 진행 중인 사례에는 한 가지 단서가 중요합니다. 고전적인 모수적 무균 출하는 최종 멸균(terminally sterilized) 제품 — 습열 F0 값(누적된 증기 멸균 열 부하량으로, 121 °C에서의 등가 분(分)으로 표현됨)이 미생물 살균력, 즉 오염 미생물이 사멸되었음을 증명하는 경우 — 에 적용되며, 바로 그 습열이 변성시켜 파괴해 버릴 열에 약한(heat-labile) 단백질에는 닫혀 있는 경로입니다. 즉 우리가 따라온 무균 충전(aseptically filled) 바이오의약품, 다시 말해 무균성 보증이 대신 검증된 무균 여과(sterile filtration)와 무균 공정(aseptic processing)에 달려 있는 단백질에는 적용되지 않습니다. 따라서 mAb는 그 품질 특성에 대해서는 RTRT를 획득할 수 있지만, 그 무균성은 여전히 모수적으로 출하되는 것이 아니라 무균 방식으로 보증됩니다.

RTRT는 우리가 쌓아 올린 모든 것의 결실(payoff) 입니다. 이것은 2부에 나온 실시간 인라인(in-line) 계측기인 공정 분석 기술(Process Analytical Technology, PAT) 이 핵심 품질 특성(critical quality attributes) (의약품을 안전하고 효과적으로 유지하기 위해 한계 내에 머물러야 하는 제품 속성)을 신뢰성 있게 측정할 때만 작동합니다. 또한 이는 그러한 측정값이 흠잡을 데 없는 데이터 무결성(data integrity) (3부)을 갖출 때만 작동합니다. 이제 그 측정값의 말만 믿고 의약품을 출하하기 때문입니다. 그리고 어떤 프로브로도 직접 측정할 수 없는 특성을 소프트 센서와 모델(soft sensors and models)이 추론할 수 있을 때 가장 잘 작동합니다. RTRT는 부분적일 수 있습니다 — 일부 최종 제품 시험을 대체하지만 전부는 아닙니다 — 이것이 대부분의 프로그램이 시작하는 방식입니다 [6].

운영적으로 보면 제어 규칙은 구체적이고 화려하지 않습니다 — 그러나 두 가지 임무를 분명히 구별해야 합니다. 인라인 근적외선(near-infrared, NIR) 프로브가 5분마다 측정하는 포도당(glucose)은 공정(process) 파라미터입니다. 배양을 건강하게 유지하기 위해 2.5–4.2 g/L의 제어 밴드 내로 유지할 수 있습니다. 그것은 공정 중 제어(control) 밴드이지 출하 게이트가 아닙니다. 출하 그 자체 는 인라인으로 측정된 품질 특성(quality attribute) 을 조건으로 게이팅(gating)됩니다 — 예를 들어 응집체(aggregate) 함량(고분자량(high-molecular-weight) 종을, 가령 앳라인(at-line) 크기 배제 크로마토그래피(size-exclusion chromatography)나 광산란(light-scattering) 소프트 센서로 1.0% 미만으로 유지)이 그 한계 아래에 머무는 동안 숙주세포 단백질(host-cell protein)(생산 세포에서 유래한 잔류 단백질로, 낮게 유지되어야 하는 불순물)이 그 한계 아래에 머무는 것입니다. (역가(titer), 즉 BR101.Titer.PV 태그 — 생물반응기 BR101의 라이브 공정 값(.PV) — 는 수율(yield) 지표입니다 — 제품이 얼마나 많은지 이지 제품이 양품인지 가 아니므로 — 따라서 결정을 조건 지을(condition) 수는 있어도 어떤 규제 당국도 그것을 출하 기준으로 받아들이지 않습니다.) 핵심은 그 규칙이 문서로 기록되고, 자신이 대체하는 실험실 방법과 비교하여 검증되며, 몇 시간 뒤에 도착하는 결과가 아니라 라이브 태그 스트림에 대해 자동으로 집행된다는 것입니다.

대비가 이야기의 전부입니다. 옛 경로는 배치가 끝나기를 기다려 샘플을 뽑고, 실험실 대기열에 넣은 뒤, 전사된 결과에 대해 몇 시간 뒤 처분에 서명합니다. 실시간 경로는 흐르는 그대로 측정 스트림을 포착하고, 각 값에 품질과 타임스탬프로 맥락을 부여하며, 그에 대해 제어 규칙과 소프트 센서를 실행하고, 신뢰도(confidence) 수치와 함께 합격/불합격(Pass/Fail) 판정에 도달하여, 그 판정을 시맨틱 속성으로 운반하고, 서명되고 검토 가능한 기록에 그것을 — 모두 흐름 속에서 — 안착시킵니다.

RTRT 결정의 해부: 제어 규칙, 측정 스트림, 판정

실시간 출하 결정은 단순한 "합격"이 아닙니다. 그것이 읽어 들이는 OPC UA 노드처럼 — OPC UA는 플랜트 현장 데이터를 운반하는 표준화된 기계 대 기계(machine-to-machine) 프로토콜입니다 — 그것은 하나의 신분증입니다. 엔진이 물질을 출하하기로 결정하는 바로 그 순간에 함께 묶인 작은 사실들의 묶음입니다. 한 건의 기록을 해부해 보면, 왜 이 책의 모든 분야가 먼저 갖추어져 있어야 했는지가 드러납니다.

하나의 RTRT 결정은 제어 규칙, 라이브 측정 스트림, 판정, 그리고 그 신뢰도를 출하의 순간에 단일 서명 기록으로 묶습니다. 저자가 AI의 도움을 받아 직접 제작한 그림입니다.

이 카드를 위에서 아래로 읽으면 이 책의 실타래들이 차례로 다시 나타납니다. 제어 규칙(control rule) 은 자신이 지켜보는 태그와 검증 대상인 허용 밴드를 명명합니다 — 문서로 기록되고, 자신이 대체하는 실험실 방법과 비교하여 검증됩니다. 측정 스트림(measurement stream) 은 저장된 숫자가 아니라 라이브 DataValue 입니다. 값, 품질 StatusCode, 그리고 SourceTimestamp 와 함께, 어떤 프로브도 직접 읽지 못하는 특성을 위한 소프트 센서 추론이 나란히 놓입니다. 결정 로직(decision logic) 은 그 스트림에 대해 규칙을 자동으로 평가하여 판정(verdict) — 합격 또는 불합격 — 을 산출하며, 모델의 예측 구간(prediction interval)(참값이 들어 있으리라 기대되는 범위)에서 나온 신뢰도(confidence) 수치와, 자격자(Qualified Person) 의 전자서명을 동반합니다 — QP는 EU 틀에서 각 배치가 출하에 적합함을 인증할 법적 책임을 지는 개인으로, 이 서명이 그 기록을 Part 11 및 Annex 11 아래에서 ALCOA+ 귀속 가능(attributable)하게 만듭니다. 관계 패널은 디지털 스레드가 문자 그대로 구현된 것입니다. 결정은 원자적 측정값을 읽고(reads), 그 판정을 시맨틱 속성으로 운반하며(carries), 장비와 배치의 일부이고(part of), 서명된 배치 기록에 기록됩니다(recorded in).

그러나 연속 트레인에는 QP가 서명할 배치 종료 시점이 없으므로, 서명은 롤링 배치 윈도(rolling batch window) — 시간이나 부피로 정의된 스트림의 한 조각 — 단위로, 그 윈도의 물질에 의존하기 전에 검토된 감사 추적(audit trail)에 대해 적용됩니다. 그것이 바로 10장이 발전시키는 메커니즘입니다. 즉, 서명 신원과 그 감사 추적은 배치 경계가 허물어질 때 사라지지 않습니다. 대신 그것들은 윈도에 부착됩니다.

그 관계 각각은 3권의 구체적 구현으로 넘어가는 인계입니다. 결정이 읽는 원자적 측정값은 오픈소스 참조 아키텍처의 ts.sensor_reading 행이고, 그것이 운반하는 판정은 시맨틱 지식 그래프에서 bp:releaseStatus 로 이동하며, 그것이 안착하는 서명되고 검토 가능한 기록은 바로 엔드투엔드 캡스톤이 조립하는 산출물입니다. 여기서 해부한 데이터 포인트는 그 책이 저장하고, 명명하고, 서명하는 바로 그 사실들의 행입니다.

단순한 산문이 아니라 실행 가능한 셰이프로서의 출하 규칙

위의 제어 규칙 — "모든 출하 로트는 각 출하 CQA에 대해 범위 내 결과를 정확히 하나씩, 그리고 통제된 상태와 서명을 함께 가져야 한다" — 은 사람이 적용할 것을 기억해야 하는 SOP처럼 읽힙니다. 그 대신 이것은 데이터 그래프가 모든 로트에 대해 동일하게, 자동으로 집행하는 산출물이 될 수 있습니다. 그것이 바로 SHACL(셰이프 제약 언어, Shapes Constraint Language — 그래프 데이터가 규칙이 요구하는 구조를 갖추었는지 검증하는 W3C 표준)의 임무이며, 4권은 출하 게이트와 SHACL에서 바로 이 게이트를 발전시킵니다. 이것을 중요하게 만드는 구별은 개방 세계 대 폐쇄 세계(open-world versus closed-world) 입니다. 추론기는 누락된 응집체 결과를 단지 "알 수 없음"으로 취급하지만, 출하 결정은 "알 수 없음"을 용납할 수 없습니다 — 누락된 시험은 지금 즉시 불합격 로트입니다. SHACL은 "요구된 결과가 존재하고, 단일하며, 타입이 맞고, 범위 내에 있는가?"를 파이프라인이 실행하는 합격/불합격으로 바꾸는 폐쇄 세계의 절반입니다.

# 출하 셰이프(발췌): RTRT 게이트가 집행하는 HMW 응집체 규칙, 폐쇄 세계.
bp:ReleaseShape a sh:NodeShape ;
    sh:targetClass bp:DrugSubstance , bp:DrugProduct ;
    sh:property [
        sh:path bp:hmwPct ;                # SEC %HMW aggregate
        sh:minCount 1 ; sh:maxCount 1 ;    # present and singular — no cherry-picking a repeat
        sh:datatype xsd:float ;
        sh:maxInclusive 2.0 ;              # the release ceiling the OOS lot trips
        sh:message "HMW aggregate is missing or above the 2.0 % release limit." ] ;
    sh:property [
        sh:path bp:releaseStatus ;
        sh:in ( "PASS" "OOS" "PENDING" ) ] ;   # status from a controlled set, not free text
    sh:property [
        sh:path bp:approvedBy ;
        sh:minCount 1 ;
        sh:message "Release record is unsigned." ] .   # the Part 11 / Annex 11 attributable signature

그에 대응하는 역량 질문(competency question) — 모델이 답할 수 있어야 하는 질문 — 은 하나의 질의로 제기되고 수용 시험으로 실행됩니다. "이 출하 로트는 통제된 집합에서 나온 상태와 함께 귀속 가능하게 서명되었는가?"는 SPARQL ASK(단일한 참/거짓을 반환하는 질의 형식)가 됩니다.

# 출하 로트는 통제된 집합에서 나온 상태와 함께 SIGNED 되었는가? (참을 반환)
ASK {
  bp:DS-001 bp:approvedBy    ?signer .
  bp:DS-001 bp:releaseStatus ?status .
  FILTER(?status IN ("PASS", "OOS", "PENDING"))
}

이곳은 또한 오픈소스 실타래가 루프를 닫는 지점이기도 합니다. 즉, 게이트는 도해가 아니라 실행 가능한 오픈소스 코드입니다. 4권의 validate.py는 출하 그래프에 대해 pySHACL(오픈소스 SHACL 검증기)을 23개의 질문별 수용 시험 중 하나로 실행하며, 어떤 로트의 HMW가 2.41%로 읽히면 셰이프는 포커스 노드와 실패한 경로를 명명하는 구조화된 MaxInclusiveConstraintComponent 위반을 방출합니다 — 스크린샷이 아니라 질의 가능한 RDF 사실로, 바로 CSV-to-CSA 장이 추적성 매트릭스가 해소되어야 한다고 주장하는 전사가 아니라 생성된(generated-not-transcribed) 증거입니다. 솔직한 한계는 그 장이 함께 명명하는 것입니다. 즉, 셰이프는 기록이 완전하고, 형식이 올바르며, 범위 내에 있고, 서명되었음을 증명하지, 그것이 참(true) 임을 증명하지는 않습니다. 그럴듯하면서 범위 내에 있는 거짓(올바른 숫자가 잘못된 바이알에 대해 기록된 경우)은 게이트를 깨끗이 통과하므로, 출하 결정은 여전히 상류의 데이터 무결성과, 게이트가 기록하되 대체하지는 않는 인간의 판단에 달려 있습니다.

참고

RTRT는 "더 적은 노력을 위한 더 적은 시험"을 의미하지 않습니다. 이는 시험을 상류(upstream)와 인라인(inline)으로 옮기고, 인라인 측정값이 최종 품질을 예측한다는 것을 매우 철저하게 증명하여 규제 당국이 실험실 시험을 대신하는 것으로 받아들이게 한다는 뜻입니다. 증거의 부담은 더 낮아지는 것이 아니라 더 높아지며, 다만 그것이 실시간으로 떨어질 뿐입니다.

Pharma 4.0: 모든 것을 묶는 운영 모델

"스마트 공장(smart factory)"은 가볍게 흔들기 쉬운 표현입니다. 바이오 제약 산업은 그것에 Pharma 4.0이라는 이름 아래 구체적인 의미를 부여했으며, 이는 ISPE 베이스라인 가이드 8권(ISPE Baseline Guide Volume 8)에서 더 넓은 산업 4.0(Industry 4.0) 디지털 제조 운동을 제약 세계와 그 품질 틀에 적용한 운영 모델로 정의됩니다 [4]. 동료 심사를 거친 문헌도 같은 방식으로 규정합니다. 즉, Pharma 4.0은 산업 4.0 더하기 ICH 품질 시스템이며, 디지털 트윈(digital twins), PAT, 그리고 심층 데이터 통합을 통해 실현됩니다 [8].

Pharma 4.0은 몇 가지 하중을 떠받치는 핵심 아이디어 위에 놓여 있으며, 이 모든 것을 이 책이 조용히 조립해 왔습니다.

• 디지털 성숙도 모델(digital maturity model) — 종이와 사일로(paper-and-silos)에서 완전히 연결되고 데이터 기반인 운영으로 기업이 오르는 솔직한 사다리입니다 [4]. 스마트 공장으로 도약할 수는 없습니다. 자신이 어디에 있는지 평가하고 올라가야 합니다.
• 설계 기반 데이터 무결성(data integrity by design) — 3부의 ALCOA 신뢰성을 나중에 감사로 따져 넣는 것이 아니라, 처음부터 아키텍처에 구축하는 것입니다 [4].
• 디지털 스레드(digital thread) — 개발부터 제조까지 제품을 따라가는 연결된 데이터 계보로, 4부에 나온 디지털 스레드 및 트윈 아이디어 바로 그것입니다.
• 전체론적 제어 전략(holistic control strategy) 과 Plug & Produce — 매번 맞춤형 배선을 하는 대신, 장비와 소프트웨어를 표준화되고 자기 기술적인(self-describing) 인터페이스로 연결하고 재구성할 수 있다는 열망입니다 [4]. 이는 4부의 시맨틱 상호운용성(semantic interoperability) 꿈을 물리적 기계에 적용한 것입니다.

실제로 이러한 아이디어들은 실제 소프트웨어 위에서 돌아갑니다. 쾨르버(Körber)의 PAS-X, 지멘스 옵센터 익스큐션 파마(Siemens Opcenter Execution Pharma), 에머슨 신케이드(Emerson Syncade) 같은 상용 제조 실행 시스템(Manufacturing Execution System, MES)은 배치 및 연속 실행을 오케스트레이션하고, AVEVA PI System(이전 명칭 OSIsoft PI)이나 AspenTech InfoPlus.21 같은 플랜트 히스토리안(historian)은 시계열 기록을 보관합니다. 그리고 모듈 타입 패키지(Module Type Package, MTP) 표준(VDI/VDE/NAMUR 2658)은 위에서 말한 Plug & Produce 아이디어의 구체적 실현입니다. 즉, 공급사가 제공한 스키드(skid)가 자신의 서비스를 스스로 기술하게 하여 공정 오케스트레이션 계층이 맞춤형 엔지니어링 없이 그것을 통합할 수 있게 합니다 — 매번 맞춤 배선을 하는 대신 자기 기술적인(self-describing) 장비를 쓰는 것입니다.

실타래가 연결되는 방식: 연속 공정은 실시간 통합을 요구하고, 이는 데이터로의 출하를 가능하게 하며, 이 모두는 Pharma 4.0 운영 모델로 통제됩니다. 저자가 AI의 도움을 받아 직접 제작한 그림입니다.

이 모든 것을 산업계 홀로 알아내도록 맡겨 두지는 않습니다. FDA의 신기술 프로그램(Emerging Technology Program, ETP) 은 바로 기업들이 연속 제조와 고도화된 Pharma 4.0 기술을 규제 당국에 조기에 가져와, 판매 허가 신청서를 제출하기 전에 새로운 접근법을 함께 검토하도록 하기 위해 존재합니다 [5]. 운영적으로는, 기업이 신기술팀(Emerging Technology Team)에 요청서를 제출하고, 일단 수락되면 향후의 판매 허가 신청서(BLA, 즉 생물의약품 허가 신청서(Biologics License Application)) 이전에 기술적·규제적 장애물을 식별하고 해소하기 위해 당국과 협력적이고 비구속적인(non-binding) 논의를 갖습니다. 형식적 제출 이전에 새로운 과학을 디리스킹(de-risking)하는 것이 핵심입니다. 다시 말해, 규제의 문은 의도적으로 열려 있습니다.

시맨틱이 작동하는 현장: IOF 바이오제약 온톨로지

이 책의 대부분에서 가장 깊은 문제는 4부가 명명한 것이었습니다. 즉, 바이트(bytes) 를 옮기는 것은 쉽지만, 시스템 간에 의미(meaning) 를 보존하는 것은 어렵습니다. 스마트 공장은 그 문제를 피할 수 없게 만듭니다. 품질 관리 결과가 — 즉시, 전체 맥락이 온전히 유지된 채 — 제어 시스템이나 엔터프라이즈 모델이 작동할 수 있는 곳에 도달해야 할 때, 양쪽의 시스템은 데이터가 어떻게 인코딩되었는지뿐만 아니라 데이터가 무엇을 의미하는지에 대해 합의해야 합니다. 실제로 그 합의는 구체적인 형식으로 운반됩니다. 온톨로지 자체는 RDF/OWL(4부에서 정의된 그래프 및 논리 언어; 흔히 공유된 시맨틱 용어로 주석을 단 JSON인 JSON-LD 로 교환됨)로 직렬화되며, 라이브 신호는 플랜트 현장에서 올라오는 OPC UA 페이로드(payload)로 이동합니다 — 의미는 모델 안에, 바이트는 전송 계층 안에 머무는 것입니다.

이것은 바로 지금 공개적으로 해결되고 있으며, 두 가지 노력을 구별할 가치가 있습니다. NIST(National Institute of Standards and Technology, 미국 국립표준기술연구소)는 이 장이 설명하는 연속 및 집약 공정을 정조준한 실시간 실험실 데이터 파일럿(pilot)에서 이 시맨틱 작업을 검증하고 있습니다 [11]. 같은 파트너십 아래의 병행하는 관련 노력으로, OAGi가 주도하는 그룹은 데이터를 진정으로 상호운용 가능하게 만들기 위해 IOF 바이오제약 온톨로지(IOF Biopharma ontologies) 를 2025년에 공개했습니다 [10] — 산업 온톨로지 파운드리(Industrial Ontologies Foundry, IOF) 내에서 이를 관리하는 위원회인 바이오의약품 제조 산업 위원회(Biopharmaceutical Manufacturing Industry Council, BMIC)가 거버넌스를 맡는 바이오의약품 제조 온톨로지입니다. 4부에서 떠올려 보면, 온톨로지(ontology) 는 용어가 무엇을 의미하고 서로 어떻게 관련되는지에 대한 형식적이고 기계 판독 가능한 합의입니다.

이 사례가 마지막 장에 그토록 적합한 이유는, 그것이 이 책의 거의 모든 실타래를 함께 엮기 때문입니다. 이 온톨로지들은 IOF 코어(IOF Core) (그 자체가 상위 수준의 기초 형식 온톨로지(Basic Formal Ontology)에 근거함) 위에 구축되었으며, ISA-88 배치 제어 모델(5장)과 ISA-95 엔터프라이즈-제어 모델(7장)에 정렬되어 있습니다 — 후자는 이제 IT/OT 융합을 위해 ANSI/ISA-95.00.01-2025 (IEC 62264-1 Mod) 로 표준화되었으며, 업무용 정보 기술(IT, Information Technology)과 현장의 운영 기술(OT, Operational Technology)을 잇습니다 [7]. 실시간 실험실 데이터, 시맨틱 의미, 그리고 계층화된 플랜트 아키텍처가 하나의 라이브 노력 속에서 만납니다.

해결되지 않은 과제: 출하 결정을 위한 AI 및 소프트 센서 모델의 검증

해부 카드는 이 데이터 흐름 전체에서 가장 어려운 미해결 문제를 숨기고 있습니다. 판정은 모델이 산출한 신뢰도(confidence) 수치를 운반합니다 — 그런데 그 모델이 최종 제품 시험을 완전히 대체하여 의약품을 출하하는 유일한 근거라면, 모델 자체가 품질 시스템의 규제 대상 부품이 됩니다. 규제 당국은 어떻게 하이브리드 또는 순수 머신러닝 모델을, 환자의 의약품이 안전한지를 결정하는 그것으로 받아들일 수 있을까요?

전통적 검증은 고정되고 결정론적인(deterministic) 방법을 가정합니다. 한 번 적격성을 평가하고 고정하면, 그것은 영원히 동일하게 동작합니다. 학습된 모델은 두 가정을 모두 깨뜨립니다. 그것은 확률적(probabilistic) 이며 — 단일한 결정론적 숫자가 아니라 분포(distribution), 즉 각각이 얼마나 확률적인지가 함께 따라오는 가능한 답들의 범위를 산출합니다 — 더 나쁘게는 드리프트(drift) 할 수 있습니다. 연속 캠페인이 수 주간 가동되는 동안 원자재, 세포주 연령, 장비 상태가 변하고, 모델이 검증 당시 학습한 관계가 서서히 더 이상 성립하지 않게 됩니다. 1주 차에 입증 가능하게 정확했던 모델이 6주 차에는, 여전히 자신만만해 보이는 숫자를 산출하면서도 조용히 틀릴 수 있습니다. 오류를 잡아낼 최종 제품 시험도 없이 드리프트하는 모델로 출하하는 것은 규제 당국이 가장 두려워하는 실패 양상입니다.

그 두려움 아래에는 두 가지 방법론적 함정이 놓여 있으며, 이를 명명하면 "신뢰할 수 있다"가 무엇을 의미해야 하는지가 분명해집니다. 첫 번째는 검증에서의 데이터 누설(data leakage) 입니다. 바이오공정 데이터셋은 순진한 무작위 학습/시험 분할이 조용히 위반하는 구조를 가집니다. 즉, 한 배치의 행들은 서로 독립적이지 않으므로, 무작위로 섞은 행으로 튜닝되고 채점된 모델은 자신의 학습 데이터의 이웃들에 대해 평가되어 현장에서는 결코 재현하지 못할 우호적인 숫자를 보고합니다. 솔직한 하니스(harness)는 그룹화된 리브-원-배치-아웃(leave-one-batch-out) 분할(한 배치의 모든 행이 학습 또는 시험에 통째로 들어감)을 중첩 교차 검증(nested cross-validation)(하이퍼파라미터는 학습 부분에서만 도는 내부 루프에서 튜닝되고, 손대지 않은 외부 폴드만 보고됨)과 결합한 것이며, 모델과 검증 장은 이것이 출하 예측기의 점수에서 실제 낙관 편향을 벗겨내는 모습을 보여줍니다. 두 번째는 적용 가능 영역(applicability domain, AD) — 모델이 실제로 검증된 입력 공간의 영역 — 입니다. 학습된 모델은 학습 범위 밖에 한참 떨어진 입력을 포함해 어떤 입력에 대해서도 또렷한 숫자를 반환하므로, 출하 모델은 그 신뢰도 수치가 신뢰되기 전에 범위 밖 스펙트럼을 표시하는 AD 게이트(SPC 및 MVDA 장이 구축하는 동일한 호텔링 T² / 제곱 예측 오차(squared-prediction-error) 다변량 통계량)를 지녀야 합니다. 그리고 드리프트 자체도 둘로 갈라지며, 서로 다른 계측기로 포착됩니다. 공변량 이동(covariate shift)(입력이 이동함 — 오염되는 프로브, 새 원자재 로트)은 일어나는 그 순간에 레이블 없이 보이지만, 개념 드리프트(concept drift)(동일한 입력이 이제 다른 답을 함의함 — 계대를 거치며 적응하는 세포주)는 입력 스트림을 동일하게 보이도록 남겨 두므로 며칠 뒤 희소한 오프라인 기준점에서만 포착됩니다. 그 비대칭성이 바로 연속 캠페인이 단 하나가 아니라 선행 입력-드리프트 모니터와 후행 잔차 점검을 둘 다 필요로 하는 이유이며 — 이는 MLOps 장이 구축하는 짝짓기입니다 — 모델까지 확장한 CPV가 유일하게 솔직한 상시 답인 이유입니다.

FDA의 CDER은 2023년 의약품 제조에서의 인공지능(artificial intelligence in drug manufacturing) 에 관한 논의 문서(discussion paper)에서 바로 이 질문을 열었습니다. 이 문서는 모델 수명 주기 관리, 드리프트에 대한 지속적 모니터링, 그리고 GMP 환경에서 AI 모델을 신뢰하는 데 필요한 증거의 문제를 정식화하며 — 답을 확정 지었다고 선언하기보다 산업계가 그 답을 함께 정의하도록 요청합니다 [9]. 실무에서 드리프트를 다루는 손잡이는 지속적 공정 검증(Continued Process Verification, CPV) — 16장에 나온 공정 검증 수명 주기의 3단계(Stage 3) — 을 모델 까지 확장한 것입니다. 즉, 모델을 확인 측정값과 다시 대조하고 그 성능이 저하될 때 재검증을 촉발하는 지속적 모니터링 계획입니다. ISPE Pharma 4.0 가이드는 운영 모델의 일부 — 설계 기반 무결성, 성숙도 사다리 — 를 제공하지만, 그 자체만으로는 얼마만큼의 드리프트가 지나친 것인지, 또는 어떤 CPV 증거가 자기 갱신 모델을 유일한 출하 기준으로 받아들이게 만드는지를 심사자에게 알려 주지 않습니다 [4]. 솔직한 최신 현황은, 모델이 실험실을 대체하기보다 보강하는 부분적 RTRT는 오늘날 받아들여지지만, 가동 중에 학습이 허용되는 모델에 대해 확인 시험 없이 순수 모델만으로 출하하는 것은 여전히 열린 최전선이라는 것입니다. 이것은 이전 장이 제기한 소프트 센서 검증 문제의 살아 있는 가장자리이며, 이제 출하 결정의 온전한 무게를 짊어집니다.

왜 중요한가

데이터 관리에서 스마트 연속 공장은 이 책의 모든 별개 분야가 동시에 작동해야 하는 순간입니다. 연속 공정은 기록을 조정할 조용한 배치 종료 간격을 전혀 주지 않으므로, 흐름 속에서 포착과 맥락 부여가 완벽해야 합니다. RTRT는 출하 결정이 라이브 데이터에 직접 올라탄다는 뜻이므로, 무결성이 뒷전이 될 수 없습니다. Pharma 4.0은 시스템이 공유된 시맨틱으로 연결되어야 한다는 뜻이며, 그렇지 않으면 디지털 스레드가 끊어집니다. 이 책의 각 장은 하나의 악기였습니다. 스마트 공장은 오케스트라이며, 모든 섹션이 박자를 맞춰 연주할 때에만 음악처럼 들립니다 [4][1].

현실 세계에서는

지금 맞춰지고 있는 조각들

조각들은 먼 미래가 아니라 지금 맞춰지고 있습니다. 연속 mAb 생산은 처음부터 끝까지 실증되었고 [3], ICH Q13은 그것에 규제적 보금자리를 마련해 주며 [1], EMA의 RTRT 가이드라인은 기업이 데이터로 출하하도록 허용하고 [6], FDA의 신기술 프로그램은 도입 기업을 위해 조기 경로를 닦으며 [5], ISPE의 Pharma 4.0 가이드는 이 전체에 운영 모델을 부여하며 [4], OAGi의 IOF 바이오제약 온톨로지는 NIST의 실시간 실험실 파일럿과 함께 실험실 결과가 그것을 읽는 모든 시스템에 동일한 것을 의미하도록 하는 공유 시맨틱 계층을 구축하고 있습니다 [10][11].

지평선 너머에서: 연합 데이터 공간과 자율 바이오공정

지평선 너머를 조금만 보면 궤적은 분명합니다. 연합 데이터와 데이터 공간(federated data and data spaces) — 조직들이 데이터에 대한 통제를 내주지 않으면서 경계를 넘어 데이터를 공유하고 질의하는 아키텍처 — 은 온톨로지 위의 자연스러운 다음 계층으로, 위탁 제조사(contract manufacturer), 스폰서(sponsor), 규제 당국이 동일한 연결된 사실들을 함께 추론할 수 있게 합니다. 클라우드 네이티브 GxP(cloud-native GxP) 시스템(GxP은 GMP(우수 제조 기준, Good Manufacturing Practice) 등 규제 대상 우수 관리 기준(Good Practice) 규칙을 아우르는 우산 용어입니다)은 7장의 엣지-투-클라우드(edge-to-cloud) 아키텍처가 지닌 탄력적 분석을 검증되고 규제되는 업무로 가져옵니다. 그리고 둘이 함께 가리키는 목적지는 자율적, 자기 최적화 바이오공정(autonomous, self-optimizing bioprocess) 입니다 — 스스로의 상태를 감지하고, 이전 장의 하이브리드 모델로 어디로 향하는지 예측하며, 제어 상태를 유지하도록 스스로 조정하는 공정으로, 인간은 조종하기보다 감독합니다 [8]. 분명하게 보면, 자율 공장은 FAIR 원칙 — 찾을 수 있고(Findable), 접근 가능하고(Accessible), 상호운용 가능하고(Interoperable), 재사용 가능한(Reusable) — 을 실제로 작동하게 만든 것입니다. 즉, 기계 스스로가 — 해석해 줄 인간이 루프 안에 없이도 — 찾고, 접근하고, 상호운용하고, 재사용할 수 있는 데이터야말로 공정이 실시간으로 자신의 데이터에 따라 행동하게 하는 바로 그것입니다. 이 각각은 여전히 이 책이 닦아 놓은 동일한 토대 위에 놓여 있습니다. 즉, 탄생하는 순간에 포착되고, 신뢰할 수 있게 만들어지고, 공유된 의미가 부여되고, 끝에서 끝까지 연결된 데이터입니다.

핵심 용어

• 연속 제조 / 연속 바이오공정(continuous manufacturing / continuous bioprocessing) — 개별 배치가 아니라, 보관량을 최소화한 통합 단위 조작을 통해 끊김 없는 흐름으로 제품을 만드는 것.
• 단위 조작(unit operation) — 공정의 한 단계(세포 배양, 포획, 폴리싱); "통합되었다"는 것은 각각이 다음으로 직접 공급된다는 뜻.
• ICH Q13 — 원료의약품 및 완제의약품의 연속 제조를 정의하고 규제하는 국제 가이드라인.
• 집약 공정(intensified processing) — 더 높은 생산성과 밀도로 공정을 가동하는 것으로, 흔히 완전 연속 가동으로 가는 디딤돌.
• 실시간 출하 시험(Real-Time Release Testing, RTRT) — 최종 제품 실험실 시험 대신 공정 중 데이터로 제품 품질을 확인하는 것; 부분적일 수 있음.
• 핵심 품질 특성(critical quality attribute, CQA) — 의약품을 안전하고 효과적으로 유지하기 위해 정해진 한계 내에 머물러야 하는 제품 속성(순도, 역가, 불순물 수준, 당화(glycosylation)); RTRT는 PAT가 CQA를 신뢰성 있게 측정할 수 있을 때에만 작동함.
• 자격자(Qualified Person, QP) — EU 틀에서 각 배치가 출하에 적합함을 인증할 법적 책임을 지는 개인; QP의 전자서명은 출하 결정을 정당하게 만드는 신원임. 연속 트레인에서는 배치 종료 시점이 아니라 롤링 배치 윈도에 서명이 부착됨.
• RTRT 결정 기록(RTRT decision record) — 출하의 순간에 함께 묶인 사실들의 묶음: 제어 규칙, 라이브 측정 스트림, 판정, 그 신뢰도, 그리고 서명 신원.
• 모델 드리프트(model drift) — 공정 조건이 검증 당시에서 멀어지면서 학습된 모델의 정확도가 서서히 침식되는 것으로, 모델만으로 출하하는 데 있어 핵심적인 장애물.
• 지속적 공정 검증(Continued Process Verification, CPV) — 공정 검증 수명 주기의 3단계(16장에서); 모델까지 확장하면 모델을 확인 측정값과 다시 대조하고 성능이 저하될 때 재검증을 촉발하는 지속적 모니터링으로, 드리프트를 다루는 실무적 손잡이.
• SHACL(셰이프 제약 언어, Shapes Constraint Language) — 그래프 데이터를 요구된 구조에 대해 검증하는 W3C 표준; 여기서는 출하 명세를, 누락된 요구 결과에 대해 로트를 불합격시키는 폐쇄 세계 게이트로 바꾸며, 개방 세계 추론기는 그것을 "알 수 없음"으로만 부를 것임.
• 체류 시간 분포(residence-time distribution, RTD) — 서로 다른 유체 요소가 흐르는 반응기 안에서 보내는 시간의 분포; 연속 바이러스 불활화나 UF/DF 단계가 평균이 아니라 최소 체류 시간으로 검증되는 이유로, 빠르게 움직이는 꼬리가 처리 미흡 제품을 남기지 않게 하기 위함.
• IQ/OQ/PQ — 설치·운영·성능 적격성 평가(Installation, Operational, Performance Qualification): (연속 하류) 시스템이 올바르게 설치되고, 올바르게 운영되며, 실제 작업 부하에 대해 올바르게 성능을 내는지를 단계적으로 증명하는 것.
• 리브-원-배치-아웃 / 중첩 교차 검증(leave-one-batch-out / nested cross-validation) — 모든 배치를 학습 또는 시험에 통째로 두고 하이퍼파라미터를 내부 폴드에서만 튜닝하는, 누설에 안전한 그룹화 검증으로, 출하 모델이 보고하는 점수가 새 배치에서 얻을 점수가 되도록 함.
• 적용 가능 영역(applicability domain, AD) — 모델이 검증된 입력 영역; AD 게이트는 모델의 신뢰도 수치가 신뢰되기 전에 범위 밖 입력을 표시함.
• 공변량 이동 대 개념 드리프트(covariate shift vs. concept drift) — 입력 드리프트(오염되는 프로브, 새 로트)는 레이블 없이 즉시 보이지만, 관계 드리프트(적응하는 세포주)는 입력을 동일하게 보이도록 남겨 두므로 희소한 오프라인 기준점에서만 포착됨 — 따라서 하나가 아니라 두 개의 검출기가 필요함.
• 모수적 출하(parametric release) — 직접적인 최종 시험이 아니라 검증된 공정 파라미터를 통해 특성(전통적으로 무균성)을 보증하는 것.
• Pharma 4.0 — 산업 4.0을 ICH 품질 틀에 적용한 제약 운영 모델: 디지털 성숙도, 설계 기반 무결성, 디지털 스레드, 전체론적 제어.
• 디지털 성숙도 모델(digital maturity model) — 조직의 디지털 역량을 평가하고 발전시키기 위한 단계적 사다리.
• Plug & Produce — 표준화된 자기 기술적 인터페이스를 통해 장비와 소프트웨어를 연결하고 재구성하려는 목표.
• 신기술 프로그램(Emerging Technology Program, ETP) — 연속 및 고도화된 제조 기술에 대해 규제 당국과 조기에 협력하기 위한 FDA의 경로.
• IOF 바이오제약 온톨로지(IOF Biopharma ontologies) — OAGi의 바이오의약품 제조 온톨로지로, IOF 내 BMIC 위원회가 거버넌스를 맡고, IOF 코어/BFO 위에 구축되며 ISA-88/ISA-95에 정렬됨.
• 데이터 공간 / 연합 데이터(data space / federated data) — 데이터에 대한 통제를 포기하지 않으면서 조직 간에 데이터를 공유하고 질의하기 위한 아키텍처.
• 자율 바이오공정(autonomous bioprocess) — 직접 제어가 아닌 인간의 감독 아래 제어 상태를 유지하도록 스스로 감지하고 스스로 최적화하며 조정하는 공정.

이 다음은

여기서 이 책은 막을 내립니다. 그래서 이 다리는 다음 장이 아니라, 우리가 서문 같은 의약품을 두 번 만들기(Making the Same Medicine Twice) 에서 열었던 하나의 아이디어를 가리킵니다. 우리는 바이오의약품이 두 번 제조된다고 말했습니다 — 한 번은 살아 있는 세포에서 자란 분자로서, 또 한 번은 그 분자가 우리가 주장하는 바로 그것임을 증명하는 데이터의 몸체로서. 스마트하고 연속적인 공장에서 그 두 번의 제조는 마침내 하나의 행위로 무너져 합쳐집니다. 데이터는 더 이상 제품을 뒤따르는 그림자가 아닙니다. 그것은 제품이 만들어지는 바로 그 순간에 생성되고, 신뢰되고, 작동됩니다. 이 18개 장의 모든 것 — 포착, 무결성, 시맨틱, 분석 — 은 바로 그 단일하고 통합된 제품을 가능하게 하기 위해 존재합니다. 의약품과 그 데이터는 마침내 하나가 됩니다.