티스토리 뷰

– ICH M10, FDA 21 CFR Part 11, Audit 대비 체크리스트
“분석은 끝났는데, 데이터는 아직 준비되지 않았다”
LC-MS/MS 분석은 기술적으로는 이미 완성 단계에 가깝다.
민감도, 선택성, 재현성—
문제는 더 이상 분석이 되느냐가 아니라 “이 결과를 규제 환경에서 방어할 수 있느냐”다.
실제 audit 현장에서 가장 자주 들리는 말은 이것이다.
“분석 결과 자체에는 큰 문제는 없어 보입니다.
다만, 이 결과가 어떻게 만들어졌는지가 명확하지 않습니다.”
이 시리즈는 바로 이 지점을 파고든다.
LC-MS/MS 데이터를 ‘잘 만든 결과’에서 ‘규제 대응 가능한 증거’로 바꾸는 과정,
그 전체 구조를 하나씩 해부한다.
Part 1. ICH M10 이후, LC-MS/MS는 무엇이 달라졌는가
– “Validation은 끝났지만, 책임은 더 커졌다”
ICH M10은 많은 분석가에게 이렇게 느껴졌다.
“결국 기존 bioanalytical guideline 정리한 거 아닌가요?”
표면적으로는 맞다.
하지만 실무 관점에서 ICH M10이 가져온 가장 큰 변화는 따로 있다.
👉 “무엇을 했는가”보다 “왜 그렇게 했는가”를 요구하기 시작했다는 점이다.
1-1. Validation 항목보다 더 중요해진 ‘해석의 일관성’
ICH M10에서 눈에 띄는 변화는
accuracy, precision, stability 같은 항목 자체가 아니라,
- acceptance 기준 설정의 근거
- outlier 처리 논리
- 재분석 판단의 일관성
- partial validation 적용 범위
같은 판단 영역의 명문화다.
즉, 이제 규제기관은 이렇게 묻는다.
“이 판단은
이 study에서만 적용된 예외입니까,
아니면 일관된 원칙입니까?”
1-2. Early phase에서도 더 이상 “연구용”은 없다
과거에는 early phase bioanalysis에 대해
상대적으로 유연한 시각이 있었다.
하지만 ICH M10 이후에는,
- exploratory data라 하더라도
- PK/PD 의사결정에 사용된다면
- 규제 관점에서 검증 가능한 데이터 흐름을 요구한다
즉,
“나중에 고치자”는 전략이 더 이상 통하지 않는다.
Part 2. FDA 21 CFR Part 11과 LC-MS/MS 데이터
– “전자 데이터는 편하지만, 방어는 훨씬 어렵다”
LC-MS/MS 분석 환경은 이미 완전히 전자화되었다.
- 전자 raw data
- 전자 chromatogram
- 전자 계산
- 전자 보고서
하지만 Part 11 관점에서 보면,
이 편리함은 그대로 리스크가 된다.
2-1. LC-MS/MS 데이터에서 Part 11이 문제 되는 순간들
Audit에서 자주 지적되는 포인트는 놀랄 만큼 반복적이다.
- 누가 언제 integration을 변경했는가?
- 자동 처리 결과를 사람이 어떻게 검토했는가?
- 결과 파일이 수정되지 않았음을 어떻게 증명하는가?
- vendor software와 LIMS 간 데이터 무결성은 보장되는가?
특히 LC-MS/MS는,
- 재적분(re-integration)
- 수동 peak 조정
- batch 재처리
같은 “합법적인 데이터 변경”이 빈번한 분석 시스템이기 때문에
audit trail 관리가 핵심이 된다.
2-2. “전자서명”보다 더 중요한 것은 ‘의미 있는 기록’
많은 조직이 Part 11 대응을
✔ 전자서명 도입
✔ 접근 권한 설정
정도로 이해하지만, 실제 핵심은 따로 있다.
“이 변경이 왜 필요했는지,
그리고 누가 보더라도 납득 가능한가?”
즉,
audit trail은 로그가 아니라 ‘설명서’여야 한다.
Part 3. Audit에서 LC-MS/MS가 자주 걸리는 이유
– “기술이 아니라 구조의 문제”
흥미로운 점은,
audit에서 지적받는 LC-MS/MS 이슈의 대부분이
기술적 실패가 아니라 ‘관리 실패’라는 것이다.
3-1. SOP는 있지만, SOP대로 하지 않는 이유
- SOP가 너무 이상적이다
- 실제 업무 흐름과 맞지 않는다
- 예외 상황이 전혀 정의되어 있지 않다
그 결과,
- 현장 판단은 경험으로 이루어지고
- 문서에는 남지 않으며
- audit에서는 “근거 없음”이 된다
3-2. 사람에 의존하는 판단의 위험성
- senior analyst는 알고 있지만
- junior analyst는 설명하지 못하고
- 조직은 그 차이를 인식하지 못한다
이 구조에서는
한 명의 이탈이 곧 시스템 붕괴로 이어진다.
Part 4. Regulatory Ready LC-MS/MS Audit 대비 체크리스트
– “문제가 생긴 뒤 고치는 것이 아니라, 질문을 미리 예상한다”
아래 체크리스트는
실제 audit 질의 패턴을 기반으로 한 사전 점검 관점이다.
4-1. Method & Validation
- acceptance 기준 설정 근거가 문서화되어 있는가?
- 재분석/재적분 판단 기준이 SOP에 명시되어 있는가?
- validation 실패 사례가 어떻게 관리되었는가?
- partial validation 적용 범위가 일관적인가?
4-2. Data Processing & Review
- 자동 처리 vs 수동 판단의 경계가 정의되어 있는가?
- 누가 어떤 조건에서 re-integration을 할 수 있는가?
- review는 형식적인가, 실질적인가?
- reviewer의 판단 기준은 교육·기록되어 있는가?
4-3. Data Integrity & Part 11
- audit trail이 실제로 review되는가?
- raw data 접근 권한이 적절히 제한되어 있는가?
- vendor software 업데이트 시 validation은 수행되는가?
- LIMS 전송 과정에서 데이터 손실/변형 가능성은 없는가?
4-4. 조직 & 교육
- 신입 분석가가 “왜 이렇게 했는지” 설명할 수 있는가?
- 특정 판단이 특정 개인에게만 의존하고 있지는 않은가?
- audit 대응 시 누가, 어떤 역할을 맡는가?
맺음말: Regulatory Ready란 “문제가 없다는 상태”가 아니다
Regulatory Ready LC-MS/MS란
✔ audit을 통과한 상태가 아니라
✔ 언제 audit이 와도 설명 가능한 상태다.
- 데이터가 완벽해서가 아니라
- 판단이 투명해서
- 기록이 일관돼서
- 조직이 같은 언어로 설명할 수 있어서
그 상태가 만들어진다.
이 시리즈의 핵심 메시지는 단순하다.
“규제는 분석을 방해하는 요소가 아니라,
분석을 구조화하는 프레임이다.”
'제약산업' 카테고리의 다른 글
| R 기반 자동화 결과를 SOP로 전환하는 방법 (0) | 2026.02.02 |
|---|---|
| R 기반 LC-MS 데이터 자동화 파이프라인 (0) | 2026.02.01 |
| R 기반 LC-MS 데이터 자동화 파이프라인 예시 (0) | 2026.01.31 |
| 데이터 자동화 × R 기반 LC-MS 데이터 활용 전략 (0) | 2026.01.30 |
| AI × LC-MS/MS 융합기술 시리즈 (0) | 2026.01.27 |
| Metabolomics Insight 시리즈 (0) | 2026.01.26 |
| Bioanalysis Deep Dive 시리즈 (0) | 2026.01.25 |
| 분석팀 신입 연구원 교육 로드맵 (1) | 2026.01.24 |
- Total
- Today
- Yesterday
- LC-MS
- 신약개발
- 제약
- 약물분석
- 데이터
- Spatial metabolomics
- 정량분석
- lc-ms/ms
- 시스템
- 약물개발
- 바이오마커
- 대사체 분석
- 머신러닝
- Targeted Metabolomics
- 치료제
- metabolomics
- 분석
- 팬데믹
- 임상시험
- 제약산업
- AI
- 분석팀
- Multi-omics
- 정밀의료
- 신약 개발
- 디지털헬스케어
- 바이오의약품
- matrix effect
- bioanalysis
- 미래산업
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
