AI 기반 LC-MS/MS 분석 SOP 템플릿

― 국내 제약사 분석팀을 위한 차세대 표준 운영 절차서(실무 적용형)

 

1. 서론 – 왜 분석 SOP에 AI가 포함되는가?

LC-MS/MS 기반의 바이오분석은 그동안 장비 성능 향상, 시약·컬럼 기술의 발전, 자동화 시스템 도입 등 꾸준한 기술적 진화를 거쳐 왔다. 하지만 최근 가장 큰 전환점은 다름 아닌 데이터 기반 분석과 AI의 도입이다. 예전에는 Analyst의 경험적 판단이 중심이었다면, 이제는 분석 데이터량이 방대해지면서 사람의 경험만으로는 일관성과 재현성을 확보하기 어려운 상황이 되었다.
특히 다성분 분석, 대사체 기반 스크리닝, stability·matrix effect 평가, TDM 연속 모니터링 등과 같은 업무에서는 “AI를 활용한 자동화와 확률 기반 의사결정”이 효율성과 정확성을 크게 높여 준다.

이 때문에 최근 제약사들은 ‘분석 SOP 자체에 AI workflow를 포함하는 방향’으로 움직이고 있다. 단순히 AI를 “도구”로 쓰는 수준이 아니라, AI의 판단·추천·검증 단계가 공식 SOP의 일부로 편입되고 있다는 의미다.

본 문서는 실제 국내 제약사 분석팀이 바로 참고해 사용할 수 있도록 구성된 AI 기반 LC-MS/MS 분석 SOP 템플릿이다.
단순 규정형 문서가 아니라, AI가 개입할 수 있는 부분을 자연스럽게 통합한 다음 4가지 레이어로 구성되어 있다.

1. 기본 LC-MS/MS 분석 SOP
2. AI 기반 자동화 절차
3. AI 결과 검증 및 인간 전문가의 최종 판단 단계
4. 기록·추적성(traceability)·규제 대응 문서화 절차

특히 AI 기능과 GLP 수준의 문서 체계를 동시에 충족시키기 위해 실제 국내외 제약사들의 운영 흐름을 참고하여, 실무자 중심의 현실적인 절차를 최대한 자연스럽게 녹였다.

2. SOP 적용 범위 및 목적

2.1 적용 범위(Scope)

본 SOP는 다음 유형의 LC-MS/MS 분석 업무에 적용한다.
∙ 신약 개발(NCE/NBE) 프로젝트의 비임상 바이오분석
∙ 임상 1상~3상 바이오분석(TDM 포함)
∙ formulation 개발 시 drug release·stability 분석
∙ multi-analyte quantification
∙ metabolomics 및 대사체 기반 biomarker 분석
∙ 조제·보관 과정에서 발생하는 unknown impurity 분석
∙ batch QC monitoring 및 분석 일관성 검증

2.2 SOP 목적(Objective)

∙ LC-MS/MS 기반 분석 과정에서 AI를 통한 자동화·최적화를 적용해 분석 품질을 향상한다.
∙ analyst 간 편차를 줄이고 재현성·정확도를 높인다.
∙ 분석 과정에서 발생할 수 있는 오류를 AI 기반 QC 알고리즘으로 조기에 식별한다.
∙ 분석 결과의 규제기관 제출을 고려하여 traceability를 확보한다.
∙ 데이터 기반 의사결정 문화를 정착시키고 실무자의 업무 부담을 경감한다.

3. 용어 정의

LC-MS/MS 관련 용어

∙ MRM: Multiple Reaction Monitoring
∙ IS: Internal Standard
∙ RT drift: retention time의 시간적 이동
∙ ME: Matrix Effect
∙ ER: Extraction Recovery

AI 관련 용어

∙ AI Peak Engine: peak boundary·height·area를 자동 인식하는 AI 모듈
∙ QC AI Monitor: QC 결과의 시간적 변화와 이상 패턴을 식별하는 AI
∙ AI Transition Selector: candidate MRM transition을 모델 기반으로 추천
∙ AI Preprocessing Engine: sample prep 조건을 기반으로 matrix effect 가능성을 스코어링

4. 책임과 역할(Roles & Responsibilities)

Analyst(실험자)

∙ 시료 전처리, 장비 준비, batch 생성
∙ AI가 제공한 추천값 검토 및 필요 시 manual override
∙ 결과 review 및 보고서 작성

AI Validation Manager

∙ AI 모델의 정상 작동 여부 점검
∙ AI 권고사항이 분석 SOP와 충돌하지 않는지 검토
∙ 모델 업데이트 시 문서화 책임

QC Reviewer

∙ batch QC 결과의 인간 전문가 검증
∙ AI의 이상 신호(flag) 검토 및 승인

Bioanalysis Team Leader

∙ 전체 SOP 준수 여부 감독
∙ 규제기관 대응 시 문서 검토

5. 기본 LC-MS/MS 분석 절차 (기준 SOP)

여기서 설명하는 절차는 기존의 표준 LC-MS/MS SOP 구조를 유지하되, AI 관련 단계와 자연스럽게 결합하도록 설계했다.

5.1 Calibration Standard 및 QC 준비 절차

(1) Stock solution 준비

∙ compound purity 및 lot 기록
∙ 1차 stock 농도 기록
∙ 희석 용매 조성 기록
∙ AI Preprocessing Engine에서 예상 ME·ER 변동률 계산 → 사전 점검

(2) Working solution 제조

∙ 자동 희석기 또는 manual pipetting
∙ 각 단계의 pipette ID 및 analyst ID 기록

(3) Calibration level 설정

기본 6~9 level을 적용하되, AI가 이전 batch의 calibration curve 품질(Bias, R²)을 분석하여 level 간격을 추천할 수 있다.
예:
∙ LLOQ에서 응답 편차가 높은 경우: “AI가 더 촘촘한 low-level calibration 필요”라는 권고 제공
∙ high-end curvature가 발생하는 경우: top-level 농도 조정 제안

(4) QC level 배치

AI QC Engine이 다음을 평가해 QC 농도 범위 조정 권고를 제공할 수 있다.
∙ 이전 batch의 QC bias
∙ matrix 종속적 신호 변동
∙ 장비 상태(IS drift)

5.2 Sample Preparation 절차

(1) 전처리 단계 기록

∙ plasma/serum/urine/tissue homogenate 구분
∙ matrix lot 및 donor 정보
∙ 해동(Thaw) 횟수 기록
∙ AI Preprocessing Engine이 matrix-specific ME risk score 제공

예:
“donor #3 plasma는 과거 batch에서 12%의 suppression 발생 → SPE 권장”

(2) extraction 방식 선택

기본 SOP는 다음 중 1개를 선택하도록 되어 있지만, AI가 data library 구조를 바탕으로 추천 가능
∙ protein precipitation
∙ LLE
∙ SPE

AI는 다음 정보 기반으로 최적 전처리를 제안한다.
∙ 분석물질의 logP
∙ matrix 특성
∙ 이전 batch recovery data
∙ ME 예측 패턴

(3) extraction 수행

∙ 절차는 기존 SOP와 동일
∙ 단, AI가 제공하는 “critical step alert”를 화면 또는 대시보드에서 확인
예:
“Mixing 시간 부족 시 recovery 감소 위험”
“Centrifuge rpm 13,000 이상 요구됨”

5.3 LC-MS/MS Instrument Setup

(1) LC 조건 설정

∙ column type, length, particle size
∙ mobile phase A/B 조성
∙ gradient table
∙ column 온도

AI Transition Selector가 다음을 수행한다.
∙ 이전 batch RT shift를 기반으로 gradient 중 특정 구간 최적화 제안
∙ column lot 변경 감지 후 retention index 보정

(2) MS 조건 설정

∙ ionization mode
∙ precursor ion / product ion
∙ collision energy
∙ dwell time

AI는 다음을 자동 분석하여 조건을 추천한다.
∙ transition 간 interference 가능성
∙ fragment abundance 패턴
∙ CE 스캔 결과 기반 최적 CE
∙ multi-analyte dwell time 균형화

5.4 Batch 구성 및 Sequence 설정

AI Batch Planner는 다음 기능을 제공한다.
∙ QC injection 간격 자동 배치
∙ carry-over risk에 따른 blank 위치 자동 조정
∙ column wash 필요 여부 판단
∙ sample clustering (matrix별 grouping)

예:
“현재 run의 analyte는 carry-over 위험이 있으므로, high QC 다음 blank 2회 필요”
“Subject sample은 hemolyzed matrix가 포함되어 있으므로 matrix QC 추가 권고”

6. AI 기반 자동화 단계 상세 절차

본 장은 기존 SOP에는 없던 AI 기능이 수행되는 구체적인 절차를 설명한다.

6.1 AI-Peak Engine에 의한 Peak 검출 및 정량

AI Peak Engine은 다음 작업을 수행한다.

1. peak boundary 자동 설정
2. co-eluting peak 분리
3. baseline correction
4. smoothing 및 background 처리
5. IS peak 정상 여부 검증

그리고 AI는 각 peak에 다음 지표를 부여한다.
∙ Peak Quality Score (0~100)
∙ tailing factor
∙ symmetry
∙ S/N ratio
∙ drift risk score

결과 판독 규칙

∙ Score ≥ 85 → 자동 승인 가능
∙ Score 70–85 → Analyst review 필요
∙ Score < 70 → AI 자동 제외 + 재분석 권고

6.2 AI QC Monitor의 이상 신호 감지

AI QC Monitor는 다음을 자동 검출한다.
∙ QC bias의 점진적 증가 패턴
∙ 특정 QC만 흔들리는 matrix-specific 이상
∙ IS response 장기 drift
∙ RT shift > ±0.2 min
∙ calibration curve 비선형 구간

AI가 flag를 제기한 경우 SOP는 다음 규칙을 적용한다.

 

AI Flag 유형	조치
QC 중 전체 bias 증가	column 오염 또는 mobile phase 문제 검토
특정 donor matrix에서만 bias 증가	matrix effect 재평가 → 전처리 조건 조정
IS drift > 20%	장비 상태 점검 및 run 중단 가능
RT shift	column 상태 점검, gradient 수정
curve non-linearity	calibration level 재배치

6.3 AI 기반 Stability 평가

AI 모델이 stability 데이터를 자동으로 분석하여 다음을 제공한다.
∙ degradation rate constant
∙ first-order vs zero-order 적합도 평가
∙ freeze-thaw 영향 스코어
∙ long-term degradation 그래프 자동 생성
∙ storage condition 권고

예:
“Freeze-thaw 2회 이후 degradation 6% 증가 → 창고 보관 온도 -70℃ 권고”

6.4 AI 기반 Matrix Effect 및 Recovery 예측

AI Preprocessing Engine은 다음 요소를 바탕으로 ME·ER 변동을 예측한다.
∙ historical recovery library
∙ donor-specific protein composition
∙ viscosity 데이터
∙ MS signal fluctuation pattern

예측 결과는 다음과 같이 적용된다.
∙ ME risk ≥ 0.7 → SPE 또는 추가 wash 필요
∙ ER predicted < 70% → extraction 시간 증가 권고
∙ donor variation high → matrix-matched calibration 필요

7. Analyst 최종 검토 절차 (Human Oversight)

AI 기반 SOP에서도 인간 검토는 필수다.
Analyst는 다음 항목을 반드시 확인해야 한다.

(1) AI 권고사항이 실험 조건과 논리적으로 일치하는가

AI는 과거 데이터를 기반으로 제안하므로, 새로운 물질에서는 판단 오류 발생 가능성이 있음.

(2) Peak boundary가 적절한가

AI score가 높아도 co-eluting interference는 사람이 확인해야 한다.

(3) QC·calibration curve가 과학적으로 타당한가

예: AI가 curve를 보정하더라도 상식적 범위를 벗어나는 경우가 있음.

(4) Stability 해석이 실제 화학적 특성과 일치하는가

AI는 kinetic pattern은 분석할 수 있으나, 실제 분해메커니즘을 이해하지는 못한다.

8. 문서화 및 Traceability 규정

AI가 개입하는 SOP에서는 문서화가 더욱 중요하다.

필수 기록 항목

□ AI 버전 & 업데이트 날짜
□ 분석 batch마다 AI의 추천값 로그
□ AI flag 발생 기록
□ Analyst가 manual override한 이유
□ calibration curve 조정 기록
□ stability 모델 적합도
□ ME/ER 예측값 및 실제값 비교

규제 대응용

∙ FDA/EMA 제출 문서에는 “AI 모델이 어떻게 사용되었는지” 명확히 기록
∙ AI가 최종 결정을 내리지 않고, 인간 분석자의 검토가 포함되었음을 명시
∙ training dataset 및 bias 분석 기록 보관

9. AI 기반 LC-MS/MS SOP 도입 시 주의사항

(1) AI는 보조 도구이며, 판단 주체가 되어서는 안 된다.

규제기관 기준: AI는 “추천”만 가능, “최종 승인”은 인간이 해야 한다.

(2) 모델 업데이트 시 SOP 개정 필요

AI 모델이 바뀌면 결과 해석 가이드라인도 변할 수 있다.

(3) 분석 장비 상태에 따라 AI 성능이 달라질 수 있음

column 노후, pump 성능 저하, ion source 오염 등은 AI prediction을 흔들 수 있다.

(4) 데이터 보안·개인정보 관리 주의

임상 시료는 개인정보 익명화 후 AI 학습해야 한다.

10. 실무자가 바로 사용할 수 있는 AI 기반 SOP 템플릿 (문서 구조)

아래는 실제 문서 작성에 사용할 수 있는 구조이다.

[SOP Title] AI-Integrated LC-MS/MS Bioanalytical Method

1. Purpose

(분석 품질 향상, AI 기반 자동화 적용 목적 서술)

2. Scope

(비임상, 임상, formulation 분석 등 적용 범위)

3. Responsibilities

(Analyst, Reviewer, AI Manager 역할)

4. Definitions & Abbreviations

5. Materials and Equipment

6. Standard Procedure

6.1 Calibration & QC
6.2 Sample preparation
6.3 LC-MS/MS conditions
6.4 Sequence creation
6.5 Batch execution

7. AI-Assisted Procedures

7.1 AI Peak Engine
7.2 AI QC Monitor
7.3 AI Transition Selector
7.4 AI Stability Analyzer
7.5 AI ME/ER Prediction

8. Human Review Requirements

8.1 manual override case
8.2 critical review points

9. Documentation

9.1 AI log 기록
9.2 QC acceptance criteria
9.3 calibration curve 저장 규정
9.4 regulatory submission 문서화

10. Deviation Handling

11. Change Control (AI version control 포함)

11. 결론 – AI 기반 SOP는 기술이 아니라 “문화의 변화”

AI가 포함된 LC-MS/MS 분석 SOP는 단순한 문서가 아니라,
데이터 기반·증거 기반 분석 문화를 조직 전체에 정착시키는 도구다.

∙ 인간 경험 + AI 추천
∙ 자동화 + 전문성
∙ 일관성 + 유연성

이 두 축의 균형이 맞춰질 때,
국내 제약사의 분석팀은 글로벌 기준을 충족하는 수준으로 발전할 수 있다.

 

AI 기반 LC-MS/MS 분석 SOP 템플릿