티스토리 뷰
질문이 아니라 ‘판단’에 가까운 말들
Bioanalytical audit에서 reviewer는 대부분 정중하다.
목소리를 높이지도 않고,
직접적으로 “이건 문제다”라고 말하지도 않는다.
하지만 어떤 문장이 나오면,
그 순간 분석팀은 본능적으로 느낀다.
“아, 이건 그냥 질문이 아니구나.”
Audit에서 반복적으로 등장하는 코멘트들은
대부분 정보 요청처럼 보이지만,
실제로는 이미 리스크를 전제로 한 판단 문장에 가깝다.
1️⃣ “Can you explain how you determined this result was acceptable?”
이 문장은
Audit에서 가장 흔하면서도 가장 치명적인 질문이다.
표면적으로는 단순하다.
- 결과는 기준을 만족
- QC도 pass
- 그런데 reviewer가 묻는다
“왜 acceptable하다고 판단했습니까?”
여기서
“Acceptance criteria를 만족했기 때문입니다”라는 답변이 나오면,
reviewer는 거의 반드시 다시 묻는다.
“Besides meeting the criteria.”
이 순간부터 대화의 성격이 바뀐다.
이제 reviewer는 기계적인 규정 준수 여부가 아니라
👉 과학적 판단의 깊이를 보고 있다.
2️⃣ “This appears to be a recurring trend. How did you assess the risk?”
이 문장은
ICH M10 이후 폭발적으로 늘어난 audit 코멘트다.
분석팀 입장에서는 이렇게 느껴진다.
- 각 batch는 기준 충족
- 큰 fail은 없음
- 단지 borderline QC가 반복될 뿐
하지만 reviewer는 다르게 본다.
- 동일 위치 QC에서 반복되는 bias
- batch 간 slope drift
- 특정 농도 구간에서만 나타나는 편향
그래서 이 질문이 나온다.
“이걸 리스크로 인지했습니까?”
여기서
“큰 문제는 아니라고 판단했습니다”라는 답은
사실상 리스크 관리 부재 인정으로 받아들여진다.
3️⃣ “Where is this decision documented?”
Audit에서 가장 무서운 질문 중 하나다.
특히 이런 상황에서 나온다.
- 재분석 수행
- integration 수정
- batch accept 판단
- 예외 처리
분석팀은 말로는 설명할 수 있다.
- 왜 그렇게 했는지
- 어떤 배경이 있었는지
- 경험적으로 왜 괜찮은지
하지만 reviewer는 딱 이걸 본다.
“문서가 있는가?”
이 질문에 대한 답이
“report에는 없지만…”으로 시작되는 순간,
그 판단은 공식적으로 존재하지 않는 결정이 된다.
4️⃣ “How do you ensure consistency across analysts?”
이 질문은
개인 역량 중심 조직을 겨냥한 정밀 타격이다.
분석팀 내부에서는 흔한 구조다.
- A analyst는 피크를 이렇게 봄
- B analyst는 저렇게 봄
- 둘 다 경험 많고 결과도 그럭저럭 맞음
하지만 audit에서 이 질문이 나오면 의미는 하나다.
“이 분석은 사람에 따라 결과가 달라질 수 있습니까?”
여기서
“교육을 충분히 하고 있습니다”라는 답변은
거의 항상 추가 질문을 부른다.
- 교육 자료 요청
- training record 확인
- 실제 batch 비교
결국 드러나는 건
👉 암묵지 기반 분석 구조다.
5️⃣ “Who reviewed the audit trail, and how often?”
Audit trail 기능이 없는 시스템은 이제 드물다.
문제는 audit trail이 ‘존재만’ 하는 경우다.
이 질문이 나오면 reviewer는 이미 알고 있다.
- audit trail은 켜져 있음
- 하지만 review 기록은 없음
그래서 묻는다.
“누가, 언제, 어떤 기준으로 봤습니까?”
이 질문에 명확히 답하지 못하면
audit trail은 형식적 요건으로 전락한다.
6️⃣ “How do you know this is the original raw data?”
이 문장은
데이터 무결성 관점에서 거의 최종 단계 질문이다.
- raw data는 있음
- 파일도 존재
- 결과도 재현 가능
그런데도 이 질문이 나오면,
reviewer는 이미 신뢰성에 의문을 품고 있다.
여기서 중요한 건
“우리가 조작하지 않았다”가 아니라,
“조작할 수 없었음을 증명할 수 있는가”
파일 관리 구조, 접근 권한, 백업, 변경 이력
이 모든 것이 연결되지 않으면
raw data는 존재하지만 신뢰되지 않는 데이터가 된다.
7️⃣ “Why was this reanalysis necessary?”
재분석 자체는 문제 아니다.
문제는 재분석의 패턴이다.
- 특정 analyst에서만 잦은 재분석
- 특정 농도 구간에서만 반복
- QC fail → reanalysis → pass
이런 패턴이 보이면
reviewer는 단순히 이유를 묻는 게 아니다.
“이 재분석은 정당한가, 아니면 결과 맞추기인가?”
여기서 설명이 모호해지면
재분석은 곧 data manipulation risk로 해석된다.
8️⃣ 가장 무서운 말: “We will come back to this later.”
Audit에서 이 말이 나오면,
대부분 그 주제는 closing meeting까지 살아남는다.
이 문장은 의미가 명확하다.
- 즉각적인 결론은 보류
- 다른 evidence들과 연결
- 전체 시스템 평가에 포함
즉,
👉 단일 이슈가 아니라 구조적 문제로 보고 있다는 신호다.
마무리하며
Audit에서 자주 공격받는 bioanalysis 코멘트 문장들은
우연히 반복되는 게 아니다.
그 문장들은 모두 같은 질문으로 수렴한다.
“이 데이터는
사람 말이 아니라
시스템으로 신뢰할 수 있는가?”
분석팀이 이 질문에
- 문서로
- 구조로
- 재현 가능한 방식으로
답할 수 있을 때,
Audit의 질문은
공격이 아니라 확인 절차로 바뀐다.

'제약산업' 카테고리의 다른 글
| ICH M10 이후, ‘Acceptable’의 의미는 어떻게 바뀌었는가 (0) | 2026.02.11 |
|---|---|
| FDA Warning Letter에 반복 등장하는 LC-MS/MS 데이터 무결성 실패 패턴 (0) | 2026.02.10 |
| Method validation 이후에 진짜 시작되는 ‘method maintenance’ (0) | 2026.02.09 |
| Carryover 문제를 QA 언어로 설명하는 법 (0) | 2026.02.08 |
| Low LLOQ 분석에서 재현성이 무너지는 순간들 (0) | 2026.02.07 |
| Calibration curve는 왜 매번 다른가 (0) | 2026.02.06 |
| Internal Standard 실패 케이스 분석 (0) | 2026.02.05 |
| Matrix effect를 ‘측정값’이 아닌 ‘시스템 특성’으로 관리하는 전략 (0) | 2026.02.04 |
- Total
- Today
- Yesterday
- 미래산업
- ich m10
- 분석
- 신약 개발
- 디지털헬스케어
- 약물개발
- 약물분석
- AI
- 바이오마커
- 머신러닝
- matrix effect
- Targeted Metabolomics
- 정량분석
- 대사체 분석
- 임상시험
- 치료제
- lc-ms/ms
- LC-MS
- metabolomics
- Multi-omics
- 시스템
- Spatial metabolomics
- 신약개발
- 분석팀
- 데이터
- 제약산업
- 제약
- bioanalysis
- 정밀의료
- audit
| 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 |
