약물 분석 데이터를 활용한 PK/PD 모델링 전략

분석팀과 Pharmacometrics 팀의 협업 사례를 중심으로

약물개발의 성패를 좌우하는 여러 결정적인 요소 중 하나는 약물의 약동학/약력학(PK/PD) 모델링 과정이다. 이 모델링은 단순히 수학적인 예측에 그치지 않고, 실제 환자에게 적용될 수 있는 용량, 투여 간격, 치료 효과의 예측 등 임상 개발 전략을 구체화하는 핵심 기반이다. 특히 분석팀에서 생성한 정량적 약물 농도 데이터는 이 모델링의 출발점이 되며, 분석의 정확도와 정밀도는 전체 모델의 신뢰도에 직결된다.

본 글에서는 분석팀과 파마코메트릭스(Pharmacometrics) 팀이 협업하여 진행한 PK/PD 모델링 사례를 중심으로, 양 팀 간의 실질적인 데이터 흐름과 소통 전략, 모델링 적용 전후의 피드백 구조를 기반으로 한 실무 노하우를 공유하고자 한다.

약물 분석 데이터를 활용한 PK/PD 모델링 전략

---

1. PK/PD 모델링의 기초 구조와 분석 데이터의 역할

1-1. 약동학/약력학 모델의 목적

PK/PD 모델은 약물이 인체 내에 흡수되고 분포되며 대사·배설되는 과정(PK)과, 약물 농도에 따라 나타나는 생물학적 반응(PD)을 수학적으로 기술한 것이다. 이 모델은 다음과 같은 용도로 사용된다.

• 최적 투여 용량(dosing regimen) 설정
• 용량-반응 관계 추정 및 예측
• 집단 간 차이(성별, 연령, 질환 상태)에 따른 반응 예측
• 임상시험 설계의 정량적 근거 확보

1-2. 정량 분석 데이터의 의미

PK/PD 모델의 입력값은 주로 LC-MS/MS 분석을 통해 얻은 시간대별 약물 농도 값이다. 따라서 분석팀의 데이터는 다음과 같은 요건을 충족해야 한다.

• 고정밀 정량 분석 (정확도/정밀도 CV 15% 이내)
• 시료별 time-stamp 및 투여 이력 명확히 기록
• 대사체, 활성형 약물 등도 포함한 분석 범위 설정

또한, 바이오시료의 handling, 저장 조건, 처리 과정에서 생길 수 있는 편차를 최소화하여, 모델의 노이즈를 줄이는 것 역시 중요하다.

---

2. 분석팀의 실무: 모델에 적합한 데이터 제공 전략

2-1. Sampling time의 정교한 반영

PK 모델은 시간의 흐름에 따른 약물 농도 변화를 기술하는 것이 핵심이다. 따라서 Sampling 시점은 고정된 스케줄보다는 실제 투여 시점 기준으로 조정된 real-time point를 반영해야 한다.

실무 팁: PK 시료 채취 시, 투여 시간 대비 정확한 채취 시간을 동시 기록하고, LC-MS/MS 분석 시 Sample list에 해당 값을 포함시키는 것이 좋다.

2-2. LLOQ 이하의 데이터 처리

PK/PD 모델은 BLQ(Below Limit of Quantification) 데이터를 포함할 수 있으나, 처리 방식에 따라 모델 적합도에 영향을 미친다. 분석팀은 다음을 명확히 보고해야 한다.

• LLOQ 값과 BLQ로 판정된 시료 수
• BLQ 처리 방식(0으로 대체, LLOQ/2로 대체 등) 협의 필요

실무 팁: BLQ 빈도가 높은 경우, 해당 시간대의 Sampling 시점 재설정 혹은 분석 민감도 향상 논의 필요

2-3. Metabolite data 제공 시 주의점

활성 대사체가 주요 작용기전일 경우, 모-대사체(metabolite) 동시 분석이 필요하다. 이때, 다음 사항을 모델러와 사전 공유한다.

• 대사체와 모약물의 상대적 정량 단위 통일 여부
• 동시 투여 시 상호 영향 반영 여부

실무 팁: 대사체의 PK 모델링은 추가 compartment로 구성되므로, 별도 분석으로 시간 손실이 발생하지 않도록 사전 일괄 분석 계획 수립 권장

---

3. Pharmacometrics 팀과의 협업 구조: 실제 사례 중심

3-1. Case: 초기 임상용 복합제의 PK 모델 설계

개발 초기 복합제(2제 복합)의 임상 1상 설계 시, 약물 A와 B의 상호작용 가능성을 검토하기 위해 PK/PD 모델을 구축해야 했다. 분석팀은 아래와 같이 기여했다.

• 두 성분 각각의 LC-MS/MS 분석법을 개발하여 시료 동시 처리
• Dual calibration curve 적용
• BLQ 데이터는 LLOQ/2로 처리해 모델 팀에 전달

모델링 결과, 약물 A는 약물 B에 의해 노출이 1.6배 증가함이 예측되었고, 이에 따라 임상 1상 시 투여 용량이 조정되었다.

3-2. Case: 소아환자 대상 저용량 모델링

소아 대상 희귀질환 치료제 개발에서, 초저농도 시료의 분석과 모델링이 필요했다. 분석팀은 시료 채취량 50μL 제한 조건에서:

• 온-라인 SPE LC-MS/MS로 민감도 극대화
• LLOQ 0.01 ng/mL 달성
• Model team과 sampling 시점 보정 협의 진행

이러한 정밀 분석 결과는 소아 환자에게 맞는 최초 용량 설정의 근거가 되었다.

---

4. PK/PD 모델링 데이터 활용 시 분석팀이 고려할 점

4-1. Population PK vs. NCA 목적별 데이터 구성

• Population PK: 반복 시료, 다양한 환자군 포함, covariate 변수 수집 강조
• NCA: 개별 피험자의 Cmax, AUC, t1/2 산출 중심

실무 팁: Population PK용 데이터는 빠른 결과보다 일관성과 형식 통일이 더 중요하므로, Sample ID, Timepoint 등의 양식 준수 필수

4-2. 보고서 작성 시 모델링 목적 명시

분석팀에서 제공하는 분석결과보고서(BA Report)에는 다음 내용 포함이 중요하다.

• 모델 구축 목적 (e.g., PopPK / NCA / exposure-response)
• BLQ 처리 기준
• Timepoint 별 raw data 및 mean ± SD
• Outlier 여부 및 처리 기준

---

5. 결론: 팀 간 신뢰를 바탕으로 한 협업이 모델링의 완성도를 높인다

PK/PD 모델링은 단순한 계산이 아니라, 정교하게 정제된 분석 데이터에서 시작된다. 분석팀은 수치를 만드는 역할을

넘어서, 모델 구축의 전략적 기초를 제공하는 역할을 한다. 특히 파마코메트릭스 팀과의 긴밀한 협업 구조, 신속한 피드백 루프, 공통된 데이터 이해는 모델의 예측력을 높이고, 결국 임상 성공 가능성을 높이는 결과로 이어진다.

약물개발의 속도가 빨라지고 있는 요즘, 분석팀이 단순 분석에 머무르지 않고 모델링에까지 통찰력을 가지는 시대가 왔다. 앞으로도 “데이터는 정밀하게, 해석은 전략적으로”라는 방향성을 바탕으로, 분석과 모델링의 통합적 사고가 더욱 중요해질 것이다.