NAMs 기반 CQA Risk Assessment: 동물실험 없이 심사관을 설득하는 법

CQA(Critical Quality Attribute) 리스크를 평가하다 보면 항상 같은 벽에 부딪힙니다. 공정 변경으로 특정 변형체(Variant)가 새로 생겼는데, 이게 사람 몸에서 문제를 일으킬지 확신할 근거가 없는 상황입니다. 동물 실험을 새로 돌리자니 몇 달이 걸리고, 종 특이성 때문에 결과를 그대로 믿기도 애매합니다. 그렇다고 세포 실험 몇 개만 돌려서 "괜찮습니다"라고 보고서를 올리면, 심사관 입장에서는 "이 실험 모델이 애초에 문제를 잡아낼 능력이 있긴 한 건가?"라는 의심부터 듭니다. NAMs(New Approach Methodologies, 신접근법)는 이 딜레마를 풀어주는 도구이지만, 잘못 쓰면 오히려 리스크 평가의 신뢰도를 깎아먹는 도구이기도 합니다. 이 글에서는 NAMs를 CQA Risk Assessment에 실제로 어떻게 배치해야 하는지, 그리고 왜 한계를 인정하는 편이 오히려 더 강한 방어 논리가 되는지를 실무 순서대로 정리합니다.

NAMs란 무엇인가

NAMs는 화학물질, 의약품, 화장품의 안전성과 유효성을 평가하기 위해 동물 실험을 대체하거나 최소화하는 시험법과 기술을 통칭하는 용어입니다. 단일 기법이 아니라 여러 방법론을 묶은 개념에 가깝습니다.

구분	내용
In vitro / HTS	인간 유래 세포·조직에 화학물질을 처리해 자동화 로봇 시스템으로 대량 스크리닝
In silico	QSAR 모델이나 AI·머신러닝으로 구조 정보만으로 독성·대사를 예측
Organ-on-a-chip / 오가노이드	미세유체 칩이나 줄기세포 유래 3차원 배양체로 특정 장기 기능을 모사
AOP(Adverse Outcome Pathway)	분자 수준의 결합(MIE)부터 개체 수준의 유해 결과(AO)까지 인과관계를 네트워크로 정리한 프레임워크

왜 동물 실험만으로는 CQA 리스크를 설명하기 어려운가

가장 근본적인 이유는 종 특이성입니다. 동물과 인간은 유전적·대사적 특성이 다르기 때문에, 동물에서는 무해했지만 인간에게 치명적이었던 사례도, 반대로 동물에서는 독성이 있었지만 인간에게는 안전했던 사례도 존재합니다. 여기에 3R 원칙(대체·감소·고통완화)이라는 윤리적 요구가 더해지면서, 유럽연합을 중심으로 화장품 원료 동물 실험이 전면 금지되는 등 규제 흐름 자체가 바뀌고 있습니다.

미국에서는 2022년 12월 FDA Modernization Act 2.0이 발효되면서, 신약 임상시험계획(IND) 승인을 받을 때 반드시 동물 실험 데이터를 제출하지 않아도 되는 법적 근거가 마련됐습니다. 다만 이 법이 전임상 단계의 규제 절차 자체를 없앤 것은 아니라는 점은 분명히 해둘 필요가 있습니다. 동물 실험이 불법이 된 게 아니라, "NAMs 데이터가 충분히 설득력 있다면 동물 데이터 없이도 인정할 수 있다" 수준의 변화입니다.

NAMs를 CQA Risk Assessment에 통합하는 3가지 해결책

해결책 1. 4단계 평가 프로세스로 설계하기

NAMs 데이터를 산발적으로 모으는 대신, ICH Q9(Quality Risk Management)의 FMEA 틀 안에 단계별로 배치하면 심사관이 논리를 따라오기 쉬워집니다.

Step 1. 위해 요인 식별 — 공정 변경으로 발생한 변형(Glycosylation 변화, Oxidation, Aggregation 등)을 FMEA 매트릭스에 정의합니다.
Step 2. In silico 1차 스크리닝 — 분자 동역학 시뮬레이션으로 구조 변화가 수용체 결합에 미치는 영향을, Epitope Mapping 툴로 면역원성 가능성을 먼저 걸러냅니다.
Step 3. In vitro / Organ-chip 정량화 — In silico에서 리스크 신호가 잡히거나 허용 기준 설정에 실측 데이터가 필요할 때, PBMC나 표적 장기 오가노이드로 정량적 지표(EC50, TEER 등)를 확보합니다.
Step 4. AOP 매핑과 RPN 산정 — 확보한 데이터를 인과관계 네트워크로 연결하고, Severity × Occurrence × Detectability로 Risk Priority Number를 재산정합니다. 동물 데이터 부재로 막연히 높게 잡았던 Severity 점수를, 인간 세포 데이터로 무해함이 확인되면 근거를 갖고 낮출 수 있습니다.

해결책 2. PK·Safety 한계는 하이브리드 전략으로 보완하기

NAMs 플랫폼의 가장 뚜렷한 약점은 전신 순환과 다장기 상호작용을 재현하지 못한다는 점입니다. 약물 분포, 신장 여과, FcRn을 통한 반감기 유지 같은 현상은 물리적인 혈류 공간이 없는 모델로는 계산이 안 됩니다. 그래서 실무에서는 NAMs로 전부를 대체하려 하지 않고, 다음처럼 역할을 나눕니다.

마이크로도징(Microdosing) — 임상 예측 농도의 100분의 1 수준, 통상 100마이크로그램 이하의 초극소량을 1상 초기에 투여해 실제 인간 PK(반감기, 대사체)를 안전하게 확인합니다.
MABEL(최소예상부작용유발농도) — 세포·오가노이드 실험에서 생물학적 변화가 나타나기 시작하는 최저 농도를 찾은 뒤, 여기에 안전 계수를 10배, 100배 낮춰 첫 인간 투여 용량을 정합니다.
동물·NAMs 이원화 — 전신 독성과 전신 PK는 여전히 동물 데이터로 최소한의 안전 펜스를 치고, 인간 특이적 면역원성이나 동물에서 잡히지 않는 CQA 변형체의 세포 독성만 NAMs로 정밀 타격하는 방식입니다.

해결책 3. 데이터 신뢰성은 통계적 장치로 입증하기

심사관이 가장 의심하는 시나리오는 "실험 모델이 애초에 문제를 못 잡아내는 것 아니냐"는 것입니다. 아무 반응도 없는 깨끗한 데이터만 제출하면 보완 요청으로 돌아올 가능성이 큽니다.

양성 대조군 배치 — 임상에서 실제로 문제를 일으켰던 참고 약물이나 LPS·Flagellin 같은 확실한 작용제를 함께 처리해, 해당 모델이 독성 신호를 정상적으로 포착할 수 있는 상태임을 먼저 증명합니다.
Z'-factor 산정 — 오가노이드나 세포 기반 어세이는 배치 간 편차가 큰 편이라, 양성·음성 대조군 사이의 신호 구별 능력을 정량화한 Z'-factor를 함께 제시합니다. 0.5 이상이면 편차를 감당할 만큼 어세이가 정밀하다는 통계적 근거가 됩니다.
Power Analysis 기반 N수 설계 — 무작정 반복 실험을 늘리기보다, 모델의 기본 편차 안에서 통계적 유의성을 확보하는 데 필요한 최소 샘플 수를 먼저 계산한 뒤 착수합니다. 통상 독립 배치 3회 이상, 배치당 3~6개 레플리카를 기본 설계로 잡습니다.

실전 팁: 보고서에서 심사관을 설득하는 3단계 빌드업

같은 데이터라도 서술 순서에 따라 설득력이 크게 달라집니다. 다음 순서로 배치하면 오가노이드 등 NAMs 데이터의 신뢰도를 스스로 입증하면서 결론까지 자연스럽게 이어집니다.

레퍼런스 모델과의 상관성 입증 — 사용한 모델이 기존 임상 결과와 이미 정합성이 검증된 표준 모델과 동등하다는 점을 먼저 명시합니다.
변형체의 거동 서술 — 그 위에서 CQA 변형체를 처리했을 때 나타난 결과(장벽 손상 여부, 사이토카인 분비 패턴 등)를 기전 중심으로 설명합니다.
리스크 마진 도출 — 무해함이 확인된 농도 대비 실제 임상 투여량이 얼마나 여유가 있는지를 계산해, 허용 기준의 타당성으로 마무리합니다.

이때 기존 임상 데이터와 NAMs 데이터가 같은 추세로 움직이는 비교 그래프 하나를 첨부하면, 심사관이 모델의 신뢰성을 시각적으로 바로 납득하는 경우가 많습니다.

FAQ

Q1. NAMs 데이터만으로 동물 실험을 완전히 대체할 수 있나요?
아직은 어렵습니다. 인간 특이적 면역원성이나 특정 CQA 변형체의 세포 수준 독성처럼 동물 모델이 원래 취약한 영역에서는 NAMs가 강력하지만, 전신 PK나 다장기 안전성은 여전히 동물 데이터나 동물·NAMs 병행 전략으로 보완하는 경우가 많습니다.

Q2. 오가노이드처럼 편차가 큰 모델의 데이터도 규제 기관이 인정하나요?
편차 자체보다 그 편차 안에서도 신호를 구별할 수 있다는 근거(Z'-factor, Power Analysis)를 함께 제시하는지가 관건입니다. 편차를 숨기기보다 정량적으로 관리했다는 점을 보여주는 편이 유리합니다.

Q3. FMEA와 AOP를 굳이 같이 써야 하나요?
FMEA는 위해 요인을 발생 빈도·심각도·검출력으로 우선순위화하는 틀이고, AOP는 그 위해 요인이 실제로 어떤 생물학적 경로를 거쳐 문제로 이어지는지를 설명하는 인과관계 지도입니다. 두 틀을 같이 쓰면 "왜 이 리스크가 우선순위가 높은지"와 "왜 그 리스크가 실제로 일어나는지"를 모두 설명할 수 있습니다.

Q4. 마이크로도징과 MABEL은 어떤 차이가 있나요?
마이크로도징은 PK(약물이 몸에서 어떻게 움직이는지)를 안전하게 확인하기 위한 초극소량 투여 기법이고, MABEL은 Safety 측면에서 첫 인간 투여 용량 자체를 얼마나 보수적으로 잡을지를 정하는 기준입니다. 목적이 다르기 때문에 통상 같이 검토됩니다.

결국 NAMs 기반 CQA Risk Assessment의 핵심은 "동물 실험을 완전히 대체했다"고 주장하는 데 있지 않습니다. 오히려 어디까지가 NAMs로 방어 가능한 영역이고, 어디서부터는 여전히 한계가 있는지를 스스로 인정하고 그 한계를 보수적인 마진과 통계적 장치로 메우는 태도가 심사관을 설득하는 진짜 무기입니다.

참고문헌

FDA, "Advancing Alternative Methods at FDA" — 동물 실험 대체 시험법(NAMs) 확대 정책 안내.
Congress.gov, S.5002 - FDA Modernization Act 2.0 (117th Congress) — 신약 안전성·유효성 입증 시 동물 실험 대안 인정 근거 법안 원문.
FDA,Roadmap to Reducing Animal Testing in Preclinical Safety Studies
ECHA, REACH Regulation 안내 페이지 — 화학물질 등록·평가 체계 내 동물 대체 시험법 활용 원칙.
ICH, Q9 Quality Risk Management 가이드라인 — FMEA 기반 위해성 평가 프레임워크.

Biobambooforest

이 블로그 검색