신약개발 초기 단계에서 Bioanalysis 팀이 가장 많이 겪는 10가지 리스크

 

1. “일단 돌려보자”로 시작된 분석 설계 부재

초기 신약개발에서 가장 흔한 말은 이것이다.

“지금은 exploratory니까
일단 데이터부터 보자.”

이 말 자체가 틀린 건 아니다.
문제는 ‘일단’이 설계 없이 진행될 때다.

• 분석 목적이 명확하지 않고
• 필요한 정량 범위도 불분명하며
• PK를 볼 건지, exposure 확인만 할 건지도 애매한 상태

이렇게 시작된 분석은
데이터는 쌓이지만 해석은 불가능해진다.

초기 단계의 리스크는
데이터 부족이 아니라
의미 없는 데이터의 축적이다.

2. Bioanalysis 팀이 개발 전략 논의에서 배제되는 문제

Discovery 단계에서는
화학팀·생물팀이 중심이 되고
bioanalysis는 종종 “지원 조직”으로 취급된다.

그 결과,

• dosing 전략
• sampling time point
• matrix 선택

이 bioanalysis 관점 없이 결정된다.

그리고 나중에 이런 말이 나온다.

“이 농도대는 정량이 안 되나요?”

이때 bioanalysis 팀은
기술적으로는 해결할 수 있어도
이미 실험은 끝난 상태다.

초기 단계에서
bioanalysis가 테이블에 없으면
리스크는 이미 발생한 것이다.

3. Compound 특성에 대한 과소평가

초기 후보물질은
대개 이런 특성을 가진다.

• 극저용해도
• 비특이적 흡착
• 빠른 분해
• 강한 matrix effect

하지만 초기에는
“나중에 최적화하면 된다”는 생각으로
이 문제를 넘기는 경우가 많다.

문제는
이 특성들이 분석법 선택을 근본적으로 제한한다는 점이다.

• LBA가 필요한데 LC-MS/MS로 시작했다
• microsampling이 필요한데 기존 protocol을 썼다

이 선택은
나중에 되돌리기 어렵다.

4. Internal standard 전략을 가볍게 가져가는 리스크

초기 단계에서
internal standard(IS)는 종종 이렇게 취급된다.

• 일단 구조 유사체
• stable isotope는 나중에

하지만 early data일수록

• batch 간 변동
• extraction variability
• matrix effect

이 크게 작용한다.

IS 전략이 약하면
초기 PK variability를 biology로 오해하게 된다.

그 순간
잘못된 개발 의사결정이 내려진다.

5. “Validation은 나중에”라는 위험한 가정

Exploratory 단계라고 해서
validation이 필요 없다는 건 아니다.

문제는
validation을 안 하는 게 아니라
어디까지 신뢰할 수 있는지 정의하지 않는 것이다.

• LLOQ가 실제로 의미 있는가
• accuracy/bias는 어느 정도 허용 가능한가
• 이 데이터로 decision을 내려도 되는가

이 경계가 없으면
early data가
late stage decision을 오염시킨다.

6. Sample handling 리스크를 과소평가하는 문제

초기 단계 샘플은
대개 이렇게 처리된다.

• 소량
• 급하게
• 여러 사람이 나눠서

여기서 흔히 발생하는 리스크는

• adsorption
• freeze–thaw 영향
• container effect

하지만 early phase에서는
이 문제를 “노이즈”로 넘긴다.

나중에 보면
그 노이즈가
false negative 혹은 false trend였다는 걸 알게 된다.

7. 분석 throughput과 개발 속도의 불균형

개발 속도가 빨라질수록
bioanalysis는 항상 쫓긴다.

• “이번 주 안에 데이터 필요합니다”
• “이 batch만 빨리 처리해주세요”

이 압박은

• shortcut
• undocumented change
• 임시 workaround

를 만들기 쉽다.

초기 단계의 작은 편의는
나중에 재현성 부재로 돌아온다.

8. Data management를 “나중 문제”로 미루는 리스크

초기에는 데이터가 적다.
그래서 이런 생각을 한다.

“지금은 엑셀로 관리해도 돼.”

문제는
이 데이터가

• 후보물질 비교
• in vivo–in vitro 연계
• modeling 입력값

으로 계속 재사용된다는 점이다.

초기 데이터가
traceability 없이 쌓이면
나중에 믿을 수 없는 legacy 데이터가 된다.

9. CRO 의존 리스크와 내부 이해 부족

Early phase에서
CRO 활용은 필수다.

문제는
CRO가 아니라
CRO 데이터를 이해하지 않는 내부 구조다.

• method detail을 모른다
• limitation을 파악하지 못한다
• 결과를 그대로 받아들인다

이렇게 되면
문제가 생겼을 때
원인을 내부에서 설명할 수 없다.

Regulatory stage로 갈수록
이건 치명적이다.

10. Bioanalysis 팀이 “결과 제공자”에 머무르는 구조

가장 근본적인 리스크는 이것이다.

Bioanalysis 팀이
숫자를 주는 조직으로만 인식되는 것

하지만 초기 신약개발에서
bioanalysis는

• 데이터 품질의 gatekeeper
• 해석의 현실성 평가자
• 개발 속도의 조율자

역할을 해야 한다.

이 역할이 사라지면
bioanalysis는 항상 뒤에서
문제만 처리하는 조직이 된다.

마무리: 초기 리스크는 대부분 “의사결정 리스크”다

초기 신약개발에서
bioanalysis 리스크의 대부분은

• 기술 부족
• 장비 한계

가 아니라

언제, 어떻게, 무엇을 결정했는가에서 시작된다.

그리고 그 결정은
대부분 너무 이른 시점에,
너무 가볍게 내려진다.

신약개발 초기 단계에서 Bioanalysis 팀이 가장 많이 겪는 10가지 리스크

한 줄 정리

초기 단계에서 bioanalysis의 가장 큰 리스크는
데이터가 아니라, 그 데이터를 어떻게 쓸 것인가에 대한 합의 부재다.