제약회사 연구원의 블로그

코드를 설명하지 말고, “통제되고 있다”는 느낌을 만들어라1️⃣ QA가 R 자동화를 불신하는 이유부터 직시해야 한다QA가 R 자동화 결과를 처음 볼 때, 머릿속에는 거의 항상 이 질문들이 떠 있다.이 계산이 항상 같은 방식으로 수행된다는 걸 어떻게 보장하지?누가 언제 로직을 바꿀 수 있고, 바꾸면 어떻게 알지?이 결과가 틀렸을 때 추적 가능한 흔적이 남아 있나?이 자동화가 판단을 대신하지는 않나?중요한 사실은 이거다.👉 QA는 R을 싫어하지 않는다.👉 QA는 통제되지 않는 판단을 싫어한다.그래서 문서의 목적은“이 스크립트가 얼마나 똑똑한가”가 아니라👉 “이 자동화는 사람보다 더 예측 가능하다”는 걸 보여주는 데 있다.2️⃣ 실패하는 문서의 공통점: 코드 설명부터 시작한다QA 신뢰를 못 얻는 문서들은..

자동화가 신뢰를 높일 때와, 무너뜨릴 때의 경계선R은 LC-MS 분석팀에게 엄청난 자유를 준다.수백 batch의 QC를 몇 초 만에 비교하고,사람이 놓치는 trend를 자동으로 잡아낸다.하지만 바로 그 자유 때문에R 자동화는 잘못 쓰이면 audit 리스크를 증폭시키는 도구가 된다.규제기관은 R을 싫어하지 않는다.그들이 싫어하는 것은 통제되지 않는 자동화다.1️⃣ Raw data 자체를 변형·대체하는 자동화❌ 가장 위험한 자동화raw data 파일을 R에서 직접 수정peak intensity를 외부 계산값으로 덮어쓰기vendor software 결과를 “정제된 값”으로 치환이 순간부터 R은analysis tool이 아니라 data integrity 리스크가 된다.LC-MS에서 raw data는👉 “측정된..

– 코드가 아니라 ‘판단 기준’을 문서로 남기는 기술 1. 자동화는 되어 있는데, SOP에는 왜 남지 않는가많은 분석팀이 이런 상태에 있다.R 기반 자동화 파이프라인은 잘 돌아가고QC, trend, anomaly 결과도 매일 확인하지만SOP에는 여전히 예전 문장이 그대로 남아 있다예를 들면 이런 식이다.“QC 결과를 검토하여 분석 적합성을 판단한다.”이 문장은 틀리지 않다.하지만 아무것도 설명하지 않는다.그리고 audit에서 항상 같은 질문이 나온다.“검토했다는 근거는 무엇입니까?”자동화의 가치는이 질문에 답할 수 있을 때 비로소 완성된다.2. 가장 큰 오해: “SOP에 코드를 넣어야 한다”R 자동화를 SOP로 옮기려 할 때가장 흔한 실수는 이것이다.“이 R 스크립트를 SOP에 어떻게 써야 하지?”정답은..