Policy & Regulation
백신·혈장분획제제 품질관리, AI 결합 실시간 공정 예측 체계로 전환 출하승인 서류 검토 자동화로 소요 일수 단축 추진

식품의약품안전처가 백신 등 생물학적제제의 품질관리와 국가출하승인을 인공지능(AI) 기반 실시간 공정 예측·행정 자동화 체계로 전환한다.
식약처는 17일 서울 중구 서울 포스트타워에서 'AI·디지털 기반 바이오의약품 품질관리 혁신 및 규제조화'를 주제로 2026년 생물학적제제 품질관리 실험실 네트워크(Lab-Net) 워크숍을 개최했다. 2011년 출범한 이 민관 협의체에는 식약처와 백신 분야 20개 기업, 혈장분획제제 분야 6개 기업, 품질검사 기관 3곳 등이 참여한다.
백신과 혈장분획제제는 살아있는 세포나 혈장을 원료로 생산돼 제조 단위(배치)마다 미세한 변동성이 불가피하다. 사후 시험만으로는 공정 편차를 즉각 추적하거나 수만 쪽에 달하는 품질 문서를 신속히 검증하는 데 한계가 있었다.
이번 워크숍에서는 백신 생산의 난제로 꼽히던 공정 변동성을 AI 모델로 실시간 제어하려는 제조 현장의 시도가 공개됐다. GC녹십자와 목포대학교 연구진 등은 메신저리보핵산(mRNA) 백신 제조 변동성 제어 시스템 구축과 공정 데이터 기반 AI 예측 모델 개발 현황을 발표했다.
이 사업은 올해 9월 산업통상자원부와 한국산업기술기획평가원의 국책 과제로 선정돼 2030년까지 4년 6개월간 화순 바이오특화단지와 생산 설비를 거점으로 추진된다. mRNA-지질나노입자(LNP) 플랫폼은 대량 생산 시 배치별 품질 편차를 줄이는 것이 관건이다. 연속 공정 분석 기술과 머신러닝 알고리즘을 결합해 이상 징후를 사전 탐지하고 실시간 보정함으로써 완제 폐기율을 낮추는 체계 구축이 목표다.
규제기관의 사후 관리 행정도 디지털 전환 궤도에 올랐다. 국가출하승인은 백신과 혈액제제 등의 안전성을 국가가 한 번 더 검증하고 유통을 허가하는 절차지만, 업체가 제출하는 제조 및 품질관리요약서(SP) 분량이 방대해 심사관들의 서류 검토에 긴 시간이 걸리는 병목현상이 있었다.
워크숍에서는 동국대학교 김관호 교수팀이 주도하는 AI 기반 SP 자동 검토 시스템 개발 현황도 발표됐다. 대규모 규제 문서 속 데이터 불일치나 허가 기준 이탈 여부를 AI가 1차 스크리닝하도록 해 출하승인 소요 일수를 줄이고 행정 일관성을 확보하려는 전략이다.
국제 규제 조화도 AI 품질관리 도입 속도를 끌어올리는 요인이다. 미국 식품의약국(FDA)과 유럽 의약품청(EMA)은 의약품 전주기에 AI와 머신러닝을 도입할 때 요구되는 신뢰성 평가 프레임워크와 위험 기반 접근 가이드라인을 잇달아 정립하고 있다. 품질 관리 알고리즘의 블랙박스 문제나 모델 드리프트를 통제하지 못하면 글로벌 시장에서 우수 의약품 제조 및 품질관리 기준(GMP) 실사를 통과하기 어렵기 때문이다.
다만 AI 기반 품질관리와 국가 심사 자동화가 산업계 전체의 경쟁력으로 안착하기까지는 과제가 남아 있다. 중소 바이오벤처와 위탁개발생산(CDMO) 기업은 고비용 센서 인프라와 정제된 데이터 파이프라인을 독자적으로 구축하기 어렵다. AI 모델 검증(Computer System Validation)에 대한 명확한 기술 기준이 법제화되지 않으면 심사 과정에서 또 다른 규제 불확실성이 생길 위험도 있다.

BIOBOOK TEAM
biobookmedia@biobook.co.kr