�Թϱ�� Systems Korea Site

상위 제약사 리더들이 전하는 데이터 기반 구축에 관한 인사이트 5가지

Sebastian Wurst — Fri, 06 Feb 2026 01:41:23 +0000

제약 산업의 AI 도입이 실험 단계를 넘어 실행 단계로 접어들면서, 그 야심찬 규모는 누구도 부정할 수 없게 되었습니다. 최근 발표된 제약 바이오 커머셜 분야의 데이터, 분석 및 AI 현황 보고서에 따르면, 리더의 86%가 AI를 통해 5% 이상의 매출 증대를 기대하고 있습니다. 하지만 데이터 기반이 지속 가능한 성장에 필요한 무결성과 연결성을 갖추지 못한 탓에, 리더의 89%는 추진 중인 AI 이니셔티브의 절반 이상을 확장하는 데 어려움을 겪고 있습니다.

이처럼 포부와 현실 사이의 간극은 점차 벌어지고 있습니다. 이러한 간극을 좁히기 위해 리더들은 데이터 품질을 단순히 부수적인 유지보수 작업 정도로 취급하는 것을 멈추고, 전략적 핵심 과제로 다루기 시작해야 합니다.

Bayer, Boehringer Ingelheim, GSK, Orion Pharma의 데이터 리더들이 제약 업계의 AI에 대한 기대치를 현실로 바꾸기 위한 로드맵을 제시합니다. 이들은 단순히 파일럿 프로젝트에 머물지 않고, 실제 운영 시스템으로 구축하고 있습니다.

확장 가능한 AI를 위한 기반 구축에 대해 이들이 전하는 다섯 가지 전략적 인사이트는 다음과 같습니다.

1. 데이터에 대한 관점을 ‘비용’에서 ‘가치’로 전환하십시오

오랫동안 레퍼런스 데이터와 마스터 데이터 관리(MDM)는 반드시 필요하지만 전략적이지는 않은 부수적인 비용으로만 여겨져 왔습니다. 이러한 인식은 투자의 걸림돌이 되었습니다. 실제로 리더의 53%가 예산 제약을 낮은 데이터 품질의 주요 원인으로 꼽고 있으며, 이러한 데이터 격차는 AI 이니셔티브가 확장되는 것을 가로막고 있습니다.

Orion Pharma의 전 글로벌 고객 인게이지먼트 책임자인 라파엘레 토르티(Raffaele Torti)는 데이터가 AI와 같은 비즈니스 우선순위를 실현하는 전략적 조력자가 될 것임을 확신했습니다. 전사적인 공감을 얻기 위해 그는 데이터 거버넌스 대신, 탄탄하게 구축된 데이터 기반이 어떻게 시장의 도달 범위를 넓히고 타겟팅 잠재력을 직접적으로 확장하여 조직에 이익을 주는지 입증하는 데 집중했습니다.

“핵심은 모든 잠재 리드를 완벽하게 파악했을 때 얻을 수 있는 효과를 직접 입증하는 것이었습니다. 이를 통해 타겟 리스트를 확장함으로써, 최소 10% 이상의 매출 증대 효과를 기대할 수 있게 되었습니다.”

라파엘레 토르티(Raffaele Torti)

Orion Pharma 전 글로벌 고객 인게이지먼트 책임자

2. 데이터 시스템을 재점검하고 적절하게 조정하십시오

데이터 전략을 재평가하고, 차세대 CRM을 선정하며, AI를 전 세계적으로 확장해야 하는 지금이 바로 기존 시스템을 근본적으로 재검토할 최적의 시기입니다.

짶�난해 Boehringer Ingelheim은 전사적인 OpenData도입을 발표했습니다. 플랫폼 및 데이터 부문 총괄인 알렉산더 울리히(Alexander Ullrich)는 Vault CRM으로의 이전과 같은 대규모 인프라 전환 시 발생할 수 있는 리스크를 줄이기 위해서는 통합된 데이터 전략이 필수적이라고 강조합니다.

“우리에게 핵심 동력은 곧 다가올 CRM 마이그레이션을 간소화하는 것이었습니다. 우리는 고객 MDM을 먼저 제대로 구축해야 한다는 점을 알고 있었습니다. 따라서 Vault 마이그레이션 이전에 단일 데이터 제공업체를 선정해 도입하는 것이 프로젝트의 리스크를 줄이기 위한 최우선 과제였습니다.”

알렉산더 울리히(Alexander Ullrich)

Boehringer Ingelheim 플랫폼 및 데이터(의학부) 부문 총괄

3. 속도와 정확성으로 필드 팀의 신뢰를 확보하십시오

글로벌 데이터 전략의 성공 여부는 각 지역 시장에서 얼마나 잘 수용되는지에 달려 있습니다. 설문 조사 결과에 따르면, 필드 팀이 데이터를 신뢰하지 못할 경우 Vault CRM보다는 본인의 직관에 더 의존하는 것으로 나타났습니다.

GSK, Bayer, 그리고 Boehringer Ingelheim의 리더들은 성공의 진정한 척도가 로컬 팀의 신뢰라고 입증합니다. GSK Nordics의 에리카 휴징(Erika Husing)이 소속된 팀의 경우, 데이터 정확도와 최신성을 보장하는 중요한 요소로 데이터 변경 요청(DCRs) 처리 시간을 꼽았습니다. 이는 과거의 레거시 시스템으로 인해 겪었던 불만을 해소하고 현장의 신뢰를 회복하는 데 큰 도움이 됩니다.

“우리 팀이 거둔 성공은 DCR 처리 시간을 획기적으로 단축했다는 점입니다. 스웨덴의 경우 처리 시간이 약 2시간 정도인데, 필드 팀이 이전의 레거시 데이터를 사용할 때 겪었던 상황과 비교하면 놀라울 정도로 개선된 수치라고 생각합니다.”

에리카 휴징(Erika Husing)

GSK 커머셜 운영

4. 화려한 AI 도입에 앞서, 탄탄한 데이터 기반을 먼저 마련하십시오

업계가 앞다투어 AI 파일럿 프로젝트를 쏟아내고 있는 가운데, Bayer의 비즈니스 케이퍼빌리티 리드인 하리 크리슈나 이예르(Hari Krishna Iyer)는 정반대의 행보가 성공의 열쇠였다고 밝힙니다. 바로 소위 “지루한” 기초 작업에 우선순위를 두는 것입니다.

Bayer는 현재의 AI 전략을 수립하기 훨씬 전인 수년 전부터, 오로지 “기본을 바로 세우기 위해” 데이터 여정을 시작했습니다. 고급 분석 단계로 곧장 뛰어넘고 싶은 유혹을 뿌리치고 글로벌 표준화에 집중한 결과, 현재는 혁신을 위한 고속 발판 역할을 하는 신뢰할 수 있는 환경을 구축했습니다. 여기서 얻을 수 있는 교훈은 명확합니다. 미래에 AI의 ‘속도’를 원한다면, 지금 데이터의 ‘안정성’을 확보해야 한다는 것입니다.

“우리는 기본을 바로 세우기 위해 이미 2~3년 전부터 이 여정을 시작했습니다. AI 전략은 그보다 훨씬 나중에 수립되었죠. 하지만 결과적으로 그것이 큰 도움이 되었습니다. 데이터야말로 AI를 지탱하는 핵심 근간이기 때문입니다.”

하리 크리슈나 이예르(Hari Krishna Iyer)

비즈니스 케이퍼빌리티 리드(Business Capability Lead), Bayer

5. 데이터 품질을 객관적으로 평가하십시오

레퍼런스 데이터는 지난 몇 년간 비약적으로 발전하며, 전사적 차원의 AI 확장에 필수적인 고품질의 기초 데이터를 제공해 왔습니다. 정기적인 데이터 평가를 실시하면, 핵심 비즈니스 성과 달성을 가로막는 데이터 상의 병목 현상을 명확히 파악할 수 있습니다.

Boehringer Ingelheim의 안드레아스 해클(Andreas Hackl)이 언급했듯, 데이터 평가는 팀이 보유한 현재 데이터와 벤더사의 기술적 발전 수준을 함께 검토할 수 있는 기회를 제공합니다. 그 후 팀은 이러한 개선이 비즈니스 요구사항에 어떻게 부합하는지 평가할 수 있습니다. 예를 들어, OpenData는 AI에 즉시 활용 가능한 수준의 데이터 품질, 커버리지, 일관성을 보장하기 위해 에이전틱 데이터 큐레이션(agentic data curation)과 같은 기술에 지속적으로 투자해 왔습니다.

“우리는 5년 전 OpenData를 통해 데이터 평가를 진행했었고, 당시에는 품질이 충분하지 않다는 결과가 나왔습니다. 하지만 이번에 다시 평가해 보니, 데이터 품질이 정말 훌륭해졌다는 것을 확인할 수 있었습니다.”

안드레아스 해클(Andreas Hackl)

CRM 데이터 및 프로세스 리드, Boehringer Ingelheim

데이터 기반을 갖춘 기업만이 미래의 기회를 누릴 것입니다

이제 ‘적당히 쓸 만한’ 데이터의 시대는 끝났습니다. 부실한 데이터 기반은 단순히 기술적인 장애물이 아니라, 야심찬 AI 포부를 가로막는 전략적 부채입니다. 2026년을 지나며 선두 기업과 뒤처진 기업을 가르는 결정적 기준은 바로 데이터 무결성이 될 것입니다. 내일의 혁신을 주도하고 싶다면, 바로 오늘 데이터 표준화에 집중하십시오.

GSK, Bayer, 그리고 Boehringer Ingelheim의 리더들이 제시한 로드맵은 명확합니다. 과거의 오류를 수정하는 데 급급하기보다, 데이터가 전략을 뒷받침하는 수준을 넘어 전략을 가속화하는 미래를 설계하십시오.

우리는 이러한 선구적인 팀들과 파트너로서 함께하게 된 것을 자랑스럽게 생각합니다. 업계 전반에서 목격하고 있는 실질적인 진전은 바이오 제약 분야에 걸맞은 신뢰도 높은 고품질 데이터를 제공하기 위해 우리가 계속해서 정진할 수 있는 원동력이 됩니다.

OpenData가 바이오 제약 리더들이 AI를 위한 더 깨끗하고 빠른 기반을 구축하는 데 어떻게 지원하고 있는지 확인해 보십시오.

귀사의 데이터 품질을 벤치마킹할 준비가 되셨다면, 를 통해 구체적인 개선 기회를 확인해 보시기 바랍니다.

The post 상위 제약사 리더들이 전하는 데이터 기반 구축에 관한 인사이트 5가지 first appeared on �Թϱ�� Systems Korea Site.

MLR을 위한 에이전틱 AI: 컨텐츠 분야에서 가장 영향력 있는 핵심 영역

Alexis Cohen — Tue, 03 Feb 2026 06:02:00 +0000

제약 바이오 분야에 AI가 널리 보급되면서 확인된 핵심 학습 결과는 다음과 같습니다. AI를 고부가 가치 비즈니스 요구사항에 맞게 활용하였을 때 생산성 증대 이상의 전략적 가치를 창출할 수 있다는 것입니다. 특히 컨텐츠 공급망 내에서 MLR 리뷰는 이러한 전략적 가치가 가장 높게 실현되는 영역입니다.

“제약 산업의 근간은 MLR입니다. MLR 팀의 검토 없이는 컨텐츠의 외부 배포 자체가 불가능하기 때문입니다.”
수석 부사장 겸 규제 운영 디렉터

업계가 고도로 개인화된 임팩트 있는 자료를 갈구함에 따라 컨텐츠 발행량은 계속 늘어나고 있지만, MLR 인력은 정체되거나 오히려 줄어들고 있습니다. 컨텐츠 라이프사이클의 핵심인 MLR 검토는 AI 최적화와 성과 창출이 가장 확실한 영역입니다. AI를 통해 HCP와 환자에게 규정을 준수하는 정확한 치료 정보를 더 빠르게 전달할 수 있습니다.

더불어, MLR에 AI를 적용하면 프로세스가 구조적으로 개선되어, 숙련된 전문가들이 인간의 판단이 필수적인 전략적 업무에 집중할 수 있는 강력한 비즈니스 효과를 거둘 수 있습니다. AI의 진정한 가치는 단순히 검토 시간을 줄이는 지름길을 제공하는 것이 아니라, 고품질의 컨텐츠를 유지하면서 프로세스의 실질적인 효율성을 높이는 조력자 역할을 수행하는 데 있습니다.

한 제약 회사의 규제 운영 디렉터 겸 수석 부사장이 언급했듯이, “제약 산업의 근간은 MLR입니다. MLR 팀의 검토 없이는 컨텐츠의 외부 배포 자체가 불가능하기 때문입니다.” 많은 제약 바이오 기업이 MLR 프로세스를 위해 �Թϱ�� Vault를 선택하고 있으며, 따라서 제약 업계 특화 에이전틱 AI 솔루션을 개발하는 �Թϱ��에게도 이 영역은 최우선 순위입니다.

에이전틱 AI를 활용한 MLR 혁신

Vault Platform에 네이티브로 구축된 �Թϱ�� AI for PromoMats는 사용자의 핵심 프로세스에 지능형 AI 에이전트를 직접 도입하여 품질 점검, 문서 인사이트 제공, 검토자 지원 업무를 수행합니다. 특히 Quick Check Agent와 Content Agent는 MLR 검토 과정을 간소화하여, 개인화되고 영향력 있으며 규정을 준수하는 컨텐츠를 더 빠르게 전달할 수 있도록 돕습니다.

자율적으로 다단계 프로세스를 관리하는 에이전틱 AI는 엔드투엔드 컨텐츠 공급망을 재설계할 필요 없이, 컴플라이언스 사전 점검과 리스크 식별을 수행하는 데 독보적인 역량을 발휘합니다. 컴플라이언스와 최종적인 방향 설정은 여전히 인간의 주도하에 철저히 관리됩니다.

커머셜 컨텐츠 플랫폼에 깊이 내장된 AI 에이전트는 등급별 검토, 컨텐츠 재사용, 클레임 관리 및 수집과 같은 기술 및 프로세스 개선 사항과 조화를 이루어 작동하며, 이를 통해 효율성을 높이고 더 빠른 승인 시간 내에 가장 적합한 자산을 생성합니다.

Quick Check Agent와 Content Agent는 컨텐츠 운영 전반을 재정비하기 위해 PromoMats 내에서 협업하게 될 수많은 �Թϱ�� AI 에이전트의 첫 시작입니다. 이어서 도입될 에이전틱 MLR은 컨텐츠 승인을 위한 최단 경로를 지원할 것입니다. 이러한 AI 에이전트들은 통합적으로 MLR 팀을 도울 뿐만 아니라, 마케팅 팀과 에이전시 파트너가 검토자에게 더 나은 컨텐츠를 전달할 수 있게 하여 규정을 준수한 컨텐츠의 배포를 가속화합니다.

MLR 프레임워크 내에서 AI를 테스트하고 학습하며 단계적으로 확장하십시오.

데이터와 컨텐츠, 그리고 이제는 AI 에이전트가 PromoMats 및 �Թϱ�� Vault CRM과 같은 핵심 애플리케이션 내에서 작동하며, 산업 비즈니스 프로세스를 최적화하고 고객에게 영향력 있는 컨텐츠를 전달합니다. 이러한 공유 인프라는 디지털 자산과 메타데이터가 조직 전체로 흐르는 원활한 라이프사이클을 가능하게 합니다. 예를 들어, 홍보용 컨텐츠가 승인되면 해당 문서는 배포를 위해 Vault CRM에서 즉시 사용 가능해집니다. 깊이 내장된 AI 에이전트는 비즈니스 규칙과 로직을 이해하고, 애플리케이션 특화 프롬프트를 사용하며, 데이터와 문서에 안전하게 접근합니다.

이러한 토대를 바탕으로, 제약 바이오 기업은 ‘테스트, 학습, 확장(Test, Learn, Scale)‘ 프레임워크를 통해 고부가가치 AI 사용 예시 발굴에 집중할 수 있습니다:

투자 및 프로젝트의 우선순위를 정하기 위해 각 사용 예시별로 실질적인 비즈니스 가치와 변화에 따른 영향도를 정량화합니다.
특정 소수 인원을 대상으로 프로세스를 재설계하고 도입을 유도합니다.
확보된 시간을 컨텐츠 모델 전반의 고부가가치 과업에 재배치합니다.
ROI를 측정하고 프로세스 또는 채택 과정의 장애물을 제거합니다.
확장:
- 언어 및 지역별 규정을 고려하여 전 세계적으로 확장합니다.
- 다양한 브랜드 또는 치료 영역으로 확대합니다.
- 추가로 사용 가능한 사용 예시 및 AI 에이전트로 확장합니다.
- 업계의 핵심 학습 사례를 바탕으로 AI 투자를 지원하십시오.

AI 확장 전 성공을 위한 프레임워크

MLR 영역의 AI 도입 초기 단계임에도 불구하고, 가이드로 활용할 수 있는 신뢰할 만한 KPI들이 존재합니다. 예를 들어, 검토자의 신뢰도와 같은 단기적인 정성적 요소를 측정함과 동시에, 시간 절감 효과와 같은 장기적인 정량적 결과도 함께 측정하십시오.

KPI 설정에 이른 시점이란 없습니다

또한, 제약 바이오 기업은 업계의 인사이트와 학습 사례를 바탕으로 AI 투자를 더욱 강화할 수 있습니다:

기술 결정에 들이는 노력만큼 인력과 프로세스의 AI 수용도를 높이십시오. 의 연구 결과도 이를 뒷받침합니다: “대부분의 AI 프로젝트는 경직된 워크플로우, 맥락적 학습 부족, 그리고 일상 업무와의 불일치로 인해 실패합니다.”
최소 비용으로 원하는 결과를 얻기 위해 단기 및 장기 AI 이니셔티브를 구분하십시오. 단기 파일럿 테스트는 꼭 필요하지만, 자칫 과도한 리소스를 소모하여 장기적인 AI 목표에 부정적인 영향을 줄 수 있습니다.
AI 솔루션에 대한 현재의 거버넌스 및 컴플라이언스 모델을 이해하고 필요한 변화에 대비하십시오. AI 도입 초기 단계부터 컴플라이언스 전문가를 참여시켜 규칙을 정의하고 리스크를 완화할 수 있도록 지원하십시오.
AI의 ROI를 정기적으로 평가하십시오. 기술이 발전함에 따라 팀이 프로세스나 채택의 장애물 없이 지속적으로 측정하고 조정할 수 있어야 합니다. AI를 통한 성공적인 변화를 위해서는 반드시 인간이 개입하여 최적화하는 작업이 병행되어야 합니다.

�Թϱ��는 AI가 인간의 비판적 사고, 즉 컨텐츠 승인에 필수적인 까다로운 판단 능력은 유지하면서도 수동적이고 반복적인 업무를 자동화함으로써 MLR 경험을 개선할 것이라 믿습니다. 컨텐츠 팀은 AI 에이전트의 지원을 통해 생산성을 높이고 HCP와 환자에게 더욱 신속하게 대응할 수 있는 미래를 기대하고 있습니다.

실제로 10 제약 바이오 기업의 컨텐츠 전문가 101 대상으로 진행한 최근 �Թϱ�� PromoMats 설문조사에 따르면, 응답자들은 2028 MLR 프로세스의 38%가 AI 중심으로 전환될 것으로 예상했습니다. 또한, 홍보 문구 승인 과정에서 AI 도입으로 기대되는 가장 큰 이점으로 ‘MLR 검토 시간 단축’을 꼽았습니다.

고부가가치 영역인 MLR에 AI 에이전트를 집중시키는 것은 제약 바이오 기업이 기술을 확장하고 전략적 가치를 극대화하며, 결과적으로 급증하는 신속하고 적법한 컨텐츠 배포 수요를 충족할 수 있는 명확한 경로를 제공합니다. 컴플라이언스와 MLR에 대한 깊은 이해는 컨텐츠 분야에서 AI를 성공적으로 작동시키는 핵심이며, �Թϱ��와 �Թϱ�� 비즈니스 컨설팅은 이러한 여정에서 기업들을 안내할 최적의 위치에 있습니다.

측정 가능한 비즈니스 가치를 창출하는 AI 프로젝트에 시간과 리소스, 노력을 투입하여 독보적인 역량을 갖춘 당사는 제약 산업과 종사자들이 더욱 효율적이고 연결된 방식으로 업무를 수행할 수 있도록 돕고 있습니다.

�Թϱ�� 비즈니스 컨설팅의 심층 분석을 통해 귀사의 팀이 AI 에이전트의 효과를 최대한 활용할 준비가 되었는지 확인하십시오.

The post MLR을 위한 에이전틱 AI: 컨텐츠 분야에서 가장 영향력 있는 핵심 영역 first appeared on �Թϱ�� Systems Korea Site.

2026년 품질 분야 전망 보고서

Owen MacDonald — Tue, 13 Jan 2026 01:00:37 +0000

— 저스틴 라비모디에르(Justin Lavimodiere), �Թϱ�� LIMS 수석 이사

에이전틱 AI 시험실 어시스턴트가 연결성과 속도를 혁신할 것입니다.

미래의 시험실은 단순한 챗봇 수준을 넘어, 규제 환경 내의 고도로 특화된 업무들을 연결하는 에이전트형 시험실 어시스턴트를 도입하게 될 것입니다. 특히 품질관리(QC) 시험실은 AI Agents가 가진 효율성 잠재력에 주목하고 있으며, 이를 인력과 업무 프로세스 전반에 실질적으로 적용하기 위해 집중하고 있습니다. 하지만 현재 QC 시험실의 기술 생태계는 파편화되어 있고 종이 기반의 업무 방식이 여전히 남아 있는 것이 현실입니다. 기업들은 QC 특화 AI가 가져다줄 생산성 향상을 온전히 누리기 위해, 시스템을 현대화 및 통합하고 데이터와 워크플로우를 표준화하는 동시에 품질 보증(QA) 과정을 유기적으로 통합해 나갈 것입니다.

시험실 분석가들은 워크플로우를 시작하고, 결과를 요약하며, 트렌드를 관찰 및 분석할 수 있는 AI Agent와 나란히 협업하게 될 것입니다. 이는 문제 발생 초기에 이를 식별하고 단번에 정확한 수행을 이끌어내며 선제적인 리스크 관리를 가능하게 합니다. 결과적으로 사람과 AI Agent가 긴밀히 협력하여 배치 처리 주기를 단축하는, 고도로 효과적이고 효율적인 QC 시험실이 구현될 것입니다.

The post 2026년 품질 분야 전망 보고서 first appeared on �Թϱ�� Systems Korea Site.

2026년 R&D 분야 전망 보고서

Owen MacDonald — Tue, 13 Jan 2026 00:44:47 +0000

— 짐 라일리(Jim Reilly), �Թϱ�� 글로벌 전략 부사장

임상 데이터 흐름은 환자 모집을 촉진하고 환자 접근성 및 경험을 향상시킬 것입니다.

임상시험기관과 스폰서 간의 데이터 흐름은 더욱 빠르고 효율적인 임상시험을 가능하게 할 것입니다. 이제 임상 정보가 의사들에게 직접 전달되어, 환자들이 자신에게 적합한 연구에 참여할 수 있도록 연결하는 가교 역할을 할 것입니다. 특히 새롭게 내장된 AI는 스폰서와 임상시험기관 사이의 데이터를 통합하여, 의사가 환자의 상태나 검사 결과를 바탕으로 최적의 치료 옵션과 임상 정보를 즉시 검색할 수 있도록 지원합니다. 이러한 의사를 직접 연결하는 방식은 임상 참여자 발굴을 위한 기존의 기관 의존도를 낮춰 환자 모집 목표를 조기에 달성하도록 돕고, 환자들에게는 임상 참여 기회를 대폭 확대하는 계기가 될 것입니다.

— 릭 반 몰(Rik Van Mol), �Թϱ�� R&D 및 Quality 수석 부사장

환자 모집에 대한 부담이 줄어들고 현대적인 기술이 도입됨에 따라, 임상 기관은 종이 서류를 없애고 임상시험 모니터링 요원(CRA)의 수동 근거 데이터 검토(SDV)를 자동화하려는 숙원을 마침내 실현하게 될 것입니다. 특히 eSource 도구는 업스트림 및 다운스트림 임상 데이터 소스를 더욱 긴밀하게 연결할 것입니다. 우선 EHR과의 연동을 통해 환자의 건강 데이터와 임상 데이터를 효율적으로 통합합니다. 또한, 이를 EDC 시스템과 연결하면 임상 정의에 따라 근거 서식(Source form)이 자동으로 설정되어, 데이터를 스폰서에 더욱 빠르고 명확하게 전달할 수 있습니다. 이러한 데이터 흐름은 환자들의 연구 방문 뿐만 아니라, 기관 및 스폰서의 임상시험 진행 속도를 가속화할 것입니다.

The post 2026년 R&D 분야 전망 보고서 first appeared on �Թϱ�� Systems Korea Site.

2026년 커머셜 분야 전망 보고서

Owen MacDonald — Mon, 12 Jan 2026 06:04:29 +0000

— 댄 리조(Dan Rizzo), �Թϱ�� 글로벌 비즈니스 컨설팅 부사장

사람과 프로세스의 변화가 AI 가치 실현을 이끌 것입니다.

수년간 낮은 ROI에도 불구하고 무분별하게 진행되었던 AI 시범 도입 기간을 지나, 이제 업계는 ‘무조건적인 AI 도입’ 방식에서 한발 물러설 것입니다. 앞으로 조직들은 기업 운영에 필수적인 핵심 프로세스에 고가치 AI 사용 사례를 적용하고, 직원들이 새로운 업무 방식에 적응하도록 돕는 데 집중할 것입니다.

올바른 AI 프로젝트는 눈에 띄는 효율성과 생산성 향상을 이끌어내지만, 실제 비즈니스 가치는 결국 AI의 성과를 결정짓는 ‘사람’과 ‘프로세스’에 집중할 때 창출됩니다. 예를 들어, 커머셜 팀의 MRL 리뷰를 위해 컨텐츠를 신속하게 평가하도록 돕는 AI Agent는 정확성, 브랜드 및 컴플라이언스를 보장하고 검토 시간을 단축합니다. 하지만 이 기술의 진정한 가치는 고도로 숙련된 전문가들이 단순 검토 업무에서 벗어나 더 가치 있는 업무에 몰입할 수 있는 환경을 만들어준다는 점에 있습니다.

반복 가능하고 정교하게 설계된 접근 방식을 통해 조직은 비즈니스 가치를 기반으로 측정 가능한 목표를 설정하고, 현업 사용자들과 협력하여 AI를 현장에 안착시키고, 사람과 업무 프로세스를 새로운 업무 방식에 맞게 재편함으로써, 의미 있는 결과를 거둘 수 있습니다.

— 맷 패럴(Matt Farrell),�Թϱ�� Commercial Cloud 사장

산업 특화 AI, 커머셜 연결의 구심점이 될 것입니다.

규정을 준수하는 통합 플랫폼과 애플리케이션에 내장된 산업 특화 AI는 세일즈, 마케팅, 메디컬 활동 간의 유기적인 협업을 이끌어낼 핵심 동력이 될 것입니다. 데이터, 컨텐츠, 그리고 비즈니스 프로세스에 안전하게 직접 접근할 수 있는 AI Agent는 팀 간의 장벽을 허물고 인사이트를 공유하며, 매끄러운 옴니채널 오케스트레이션을 통해 전체 업무 워크플로우를 하나로 연결해 줄 것입니다.

AI Agent는 전체 커머셜 팀이 최신 정보를 공유하도록 지원함으로써, 의료 전문가(HCP)와 더욱 의미 있는 관계를 구축하도록 지원합니다. 예를 들어, 필드 담당자가 음성 노트를 기록하면 AI Agent가 이를 실시간으로 검토해 컴플라이언스 여부를 확인합니다. 동시에 또 다른 AI Agent는 이 정보를 필요로 하는 팀원에게 적시에 전달하여 더 나은 고객 관계 관리를 지원합니다. 나아가 이렇게 축적된 음성 노트 데이터는 기존에는 없던 매우 가치 있는 데이터셋으로서 AI를 통해 핵심적인 비즈니스 테마와 인사이트를 도출하는 데 활용되며, 궁극적으로 기업의 브랜드 및 시장 진입 전략의 밑거름이 됩니다.

이러한 에이전틱 AI의 역량들이 유기적으로 결합되어, 커머셜 팀이 생산성을 높이고 더 효과적인 고객 인게이지먼트를 제공할 수 있도록 뒷받침할 것입니다.

— 피터 스타크(Peter Stark), �Թϱ�� Data Cloud 부사장

제품 출시 성공을 위한 더 민첩하고 역동적인 데이터 활용

제품 출시 속도가 빨라지면서 데이터를 보다 적시에 활용하려는 움직임이 가속화되고 있으며, 관련 업무 프로세스 또한 매일 업데이트되는 데이터를 즉각 반영할 수 있는 수준으로 진화하고 있습니다. 성공적인 제품 출시를 위해서는 역동적인 분석과 의사결정이 필수적입니다. 예를 들어, 특정 의료 전문가(HCP)나 지역의 치료 목표 달성 현황에 따라 필드 인력을 탄력적으로 재배치하는 식입니다. 이에 따라 바이오 제약사 및 신흥 바이오테크 기업들 사이에서는 리포트를 기다리는 대신, 타겟팅된 데이터 알림과 분석 결과를 바탕으로 즉각적인 조치를 취하려는 경향이 그 어느 때보다 강해졌습니다.

신규 치료제의 시장 출시 성패에 생존이 달린 소규모 바이오테크 기업들은 업계 전체가 지향하게 될 민첩성(Agility)의 혁신을 주도하고 있습니다. 2026년에는 일부 기업들이 기존에 14일이나 걸리던 데이터 분석 및 실행 주기를 단 14시간으로 단축하게 될 것입니다. 이는 주간, 월간, 분기별 데이터에 의존하던 과거의 방식에서 완전히 벗어난 획기적인 진전입니다. 이러한 변화는 제약사의 성공적인 신약 출시를 뒷받침할 뿐만 아니라, 산업 특화 AI가 더욱 정확한 의사결정을 내릴 수 있는 기반을 마련해 줍니다. 특히 출시 초기 18개월 동안 실시간으로 자원을 재배치함으로써, 신약이 필요한 환자에게 더 빠르게 전달되도록 도울 것입니다.

The post 2026년 커머셜 분야 전망 보고서 first appeared on �Թϱ�� Systems Korea Site.

2025년 R&D 및 품질 분야 전망 보고서: 프로세스 엑설런스로 장벽을 뛰어넘고, 연결을 가속화하다

Owen MacDonald — Sat, 14 Dec 2024 02:04:58 +0000

연결된 시스템과 통합된 데이터는 R&D와 품질 부서 전반에서 더 빠르고 안전하며 효율적인 의약품 개발을 이끌고 있습니다. 향후 1년 동안 제약바이오 기업들은 임상 시험 환자와 연구 기관에 맞게 개선하고, QA와 QC를 통합하는 등 기존의 병목 현상을 해소하기 위해 프로세스 엑설런스에 집중할 것입니다. �Թϱ��의 R&D 및 품질 전문가들이 제시하는 2025년 전망 8가지를 소개합니다.

— Jim Reilly, R&D 전략 부사장

프로세스 엑설런스가 R&D 전반에서 컨텐츠와 데이터 흐름을 가속화할 것입니다.

오늘날 EDC의 이상반응을 약물감시 케이스로 전환하는 것과 같은 간단하지만 중요한 작업은 한 회사에서는 자동화된 워크플로우로 처리될 수 있지만, 다른 회사에서는 수작업으로 몇 시간을 소요하는 분리된 시스템에서 진행될 수 있습니다. 이러한 차이는 의약품 개발을 늦추고, 결국 그 부담은 환자들이 떠안게 됩니다. 2025년에는 제약바이오사들이 R&D 전반에서 컨텐츠와 데이터의 흐름을 개선하기 위해 에 주력할 것입니다.

이제 임상시험 의뢰기관이 단절된 동급 최강 솔루션의 한계를 인식하고 있는 만큼, 업계 차원의 표준화 및 간소화가 곧 시작될 것입니다. 이는 R&D 전반의 프로세스 표준화에 대한 투자가 주도할 것입니다. 일부 기업은 워크플로우 자동화에 집중하여 임상, 규제, 약물감시 및 품질 전반에서 컨텐츠와 데이터의 흐름을 개선할 수 있습니다. 또 다른 기업은 프로세스 엑설런스 전담 팀을 만들기 위해 조직 구성 방식을 재고할 수도 있습니다.

— Drew Garty, 임상 데이터 CTO

대표성이 적은 임상시험 모집단이 더 많은 선택권을 얻게 될 것입니다.

으로 인해 중도 탈락률이 높아지면서 시험기관과 임상시험 의뢰기관은 임상시험 대상자 등록 및 유지에 지속적으로 어려움을 겪고 있습니다. 2025년에는 임상시험 대상자에게 온보딩 및 임상시험 방문에 대한 더 많은 옵션을 제공하는 임상시험 의뢰기관이 임상시험 대상자의 경험을 개선하고 이전에 소외되었던 모집단으로 참가자 풀을 확대할 것입니다.

에서는 임상시험 의뢰기관이 보다 다양한 임상시험 대상자를 등록하고 임상시험에서 이러한 그룹의 통계적 분석을 제시할 것을 강력히 권고하고 있습니다. 이는 각 인구통계학적 하위 그룹에 대한 통계적 평가변수를 충족하기에 충분한 클린 데이터를 확보하도록 제출물에 대한 데이터 처리 및 분석 방법에 영향을 미칠 것입니다.

임상시험 대상자 옵션이 많을수록 데이터 입력이 많아지고 복잡해집니다. 하위 그룹 등록 및 유지 모니터링부터 데이터 관리 및 통계 분석에 이르기까지 중앙에서 통합된 데이터를 활용하면 주변 지역에서도 임상시험 대상자의 참여가 가능하게 될 것입니다.

— Bree Burks, 시험기관 전략 부사장

임상시험 의뢰기관이 시험기관 역량 이슈를 해결하기 위해 나설 것입니다.

임상시험 기관은 의약품 개발의 중추입니다. 하지만 글로벌 임상시험 건수가 증가함에 따라 임상시험 기관의 인력이 감소하고 있습니다. 여러 번 개정되는 복잡한 계획서(Protocol)와 임상시험 당 너무 많은 임상시험 의뢰기관 기술로 인해 시험기관 직원은 임상시험 대상자 지원이 어려워지고 결국 더 많은 임상시험을 수행할 수 있는 역량이 제한됩니다.

임상시험 의뢰기관에서는 2025년 시험기관 인게이지먼트 전략 재고에 따라 모든 임상시험에 대해 임상시험 의뢰기관 전반의 일관된 시험기관 기술과 표준화에 우선순위를 두게 될 것입니다. 가 다양한 기술 지원이 가장 어려운 과제라고 답한 만큼 임상시험 의뢰기관에서는 파이프라인의 심각한 속도 저하를 방지하기 위해 표준화를 추진할 것입니다.

시험기관에서 시스템 관리 업무에 소요되는 시간이 줄어들수록 임상시험을 실행하고 임상시험 대상자를 지원하는 데 더 많은 시간을 할애할 수 있습니다. 이러한 변화는 시험기관의 역량을 재구축하고 의약품 개발이 지연되지 않도록 하는 데 도움이 될 것입니다.

— Marc Gabriel, Vault RIM 부사장

동시 제출을 통해 승인 과정에서 수년이 단축될 것입니다.

한때 실용적이라 여겨졌던 순차적 제출(sequential submissions)은 이제 환자들에게 의약품을 더 빨리 제공하는 데 걸림돌이 되는 구시대적 장애물로 보는 것이 맞습니다.

규제 전문가라면 문서가 가득 실린 트럭을 타고 보건 당국에 제출물을 배송하던 그리 오래지 않은 과거를 기억할 것입니다. 디지털화에도 불구하고 그 규모와 복잡성은 계속되고 있습니다. 허가팀은 여전히 핵심 시장에서 먼저 승인을 구한 후 시간이 지나면 다른 시장으로 이동하는 순차적인 접근 방식을 취하고 있습니다. 이러한 프로세스로 인해 규모가 작고 소외된 다운스트림 시장의 환자들은 신약을 더 오랫동안 기다릴 수밖에 없습니다.

복잡한 제출 프로세스의 결과를 나타내는 액티브 도시에(active dossiers)와 같은 새로운 방법을 통해 팀에서는 이전 제출물을 더 빠르고 쉽게 사용할 수 있습니다. 한때 5년 이상 걸렸던 제출 프로세스는 더 많은 기업과 보건 당국이 동시 제출의 격차를 좁히기 위해 투자함에 따라 소요 시간이 줄어들 것입니다.

이러한 점진적인 변화는 시간이 지나면서 허가팀과 환자 모두에게 더 많이 발생할 것입니다.

— Ashley McMillan, Vault LIMS 전략 총괄 고문

QA와 QC가 통합되어 병목 현상을 제거할 것입니다.

품질 보증(QA)과 품질 관리(QC) 비즈니스 프로세스는 연결되어 있지만, 이를 뒷받침하는 레거시 시스템은 연결되어 있지 않습니다. 이러한 문제를 해결하기 위해 하고 있습니다. 2025년에는 디지털 품질에 대한 이러한 투자를 통해 테스트 시간을 단축하고 출시 기간을 앞당길 수 있을 것입니다.

품질 관리 조직은 데이터와 애플리케이션을 통합하여 보고 및 분석을 크게 발전시킬 것입니다. 이를 통해 위험을 선제적으로 관리하고 병목 현상을 조기에 파악하여 해결할 수 있는 메트릭을 제공할 수 있습니다. 예를 들어, 출하 결정 시점에 QA 및 QC 데이터를 사용할 수 있으면 출하 승인이 더 빨라집니다. 단일 데이터 출처에서 작업하면 파트너와의 협업을 표준화하여 수작업과 데이터 오류의 위험을 없앨 수 있습니다.

상업화 전에 노동 집약적 작업을 자동화하면 초기 단계의 기업이 비용 효율적으로 규모를 확장하는 데 도움이 됩니다. 제약바이오사는 QA와 QC를 통합함으로써 향후 수년 내에 영향력 있는 AI 사용 케이스를 위한 기반을 구축할 수 있을 것입니다.

— Stephan Ohnmacht, R&D 비즈니스 컨설팅 부사장

CRO 데이터 투명성이 임상시험 성공률을 높일 것입니다.

2025년에 임상시험 의뢰기관은 즉각적으로 인사이트를 도출할 수 있도록 완전하고 지속적인 데이터 투명성을 제공하는 CRO를 우선적으로 고려할 것입니다. 포괄적인 데이터 소유권을 추구함에 따라 아웃소싱 시 역학 관계에 주목할 만한 변화가 있을 것입니다.

임상시험 의뢰기관과 선정된 파트너는 계획서(Protocol) 설계 통지, 추가 시험기관 온보딩, 잠재적 희귀질환 참가자 식별, 연구 평가변수 이동 등 시스템 전반에서 데이터를 보다 유연하게 공유하기 시작할 것입니다. 임상 개발 관계자들은 새로운 기준이 되는 실시간 데이터에 접근함으로써 연구 변경에 더욱 신속하게 대응할 수 있습니다. 이를 통해 임상시험의 성공 확률을 높이고 잠재적으로 환자에게 신약을 제공하는 시간을 단축할 수 있습니다.

때로는 완전히 아웃소싱 되는 신생 바이오테크 기업은 관리 감독 개선의 혜택을 받고 보다 민첩하게 의사 결정을 내릴 수 있게 될 것입니다. 데이터 투명성은 모든 규모의 임상시험 의뢰기관이 CRO 파트너와 효율적으로 협업할 수 있는 더 큰 신뢰를 구축해 줄 것입니다.

— John Lawrie, Vault Safety 부사장

포괄적이고 신뢰할 수 있는 약물감시 데이터가 고급 자동화를 촉진할 것입니다.

약물감시 전문가들은 더 적은 자원으로 증가하는 데이터 양을 처리하면서도 높은 품질을 유지하는 방법이라는 오래된 질문의 답을 찾기 위해 계속해서 싸우고 있습니다. AI는 더 적은 자원으로 더 많은 작업을 처리할 것을 약속하지만 일관되지 않고, 단절된 데이터는 위험을 초래합니다.

AI를 효과적으로 지원하기 위해 약물감시팀은 포괄적이고 표준화된 약물감시 프로세스를 통해 데이터 기반을 강화할 것입니다. 부서 간 워크플로우를 통해 수동 데이터 전송을 없애고 출처에 대한 명확한 데이터 추적성(traceability)을 제공할 수 있을 것입니다. 시스템 환경을 단순화하고 표준화함으로써 기업은 자동화 및 AI 혁신을 가속화하기 위한 토대를 마련할 것입니다.

또한 이러한 포괄적인 데이터 흐름은 조직 전반의 협업을 개선할 수 있는 길을 열어 줍니다. 예를 들어, 임상 EDC 시스템에서 약물감시에 이르기까지 보다 완전한 데이터를 사용해 SAE 적시 보고와 같은 프로세스를 자동으로 수행할 수 있습니다.

— Seth Goldenberg, Vault MedTech 부사장

지속적 AI/ML 기기가 새로운 이정표를 달성할 것입니다.

2024년 10월 현재, FDA는 를 승인했습니다. 그러나 이러한 승인은 ‘수동적’ ML을 사용해 기기를 훈련시키는 ‘SaMD’에 대한 것이었습니다. 기기가 데이터 세트를 처리하고 추세를 파악하도록 훈련된 후에는 잠기며 더 이상 ML을 사용하지 않습니다.

2025년에는 지속적 ML이 구현된 의료기기에 대한 최초의 신제품 제출이 가능할 것입니다. 이러한 기기는 SaMD보다 한 단계 더 발전하여 환자의 요구를 더 빠르고 효과적으로 해결해 줄 것입니다. 단순히 ML을 통해 훈련되는 것이 아니라 더 많은 환자 데이터에 노출되면서 기기가 변화할 것입니다. 에 따라 기기의 작동 생애 주기 동안 이 가능해져 의료전문가의 개입 없이도 환자의 요구에 능동적으로 대응할 수 있습니다.

이러한 제출은 일반적으로 의료 기술 회사가 AI/ML 모델을 훈련시키는 데 필요한 양의 임상 데이터를 보유하고 있는 방사선학이나 신경 조절과 같은 핵심 분야에서 이루어질 가능성이 높습니다. 예를 들어, 신경 자극기 임플란트나 지속적인 혈당 모니터링과 인슐린 전달 기술의 조합은 의료전문가의 개입 없이도 환자의 용량 요건에 맞게 자동으로 조절을 수행합니다.

The post 2025년 R&D 및 품질 분야 전망 보고서: 프로세스 엑설런스로 장벽을 뛰어넘고, 연결을 가속화하다 first appeared on �Թϱ�� Systems Korea Site.

2025년 커머셜 분야 전망 보고서: 혁신적인 과학에 적응하고, 표준과 AI를 채택하다

Owen MacDonald — Sat, 14 Dec 2024 01:39:03 +0000

혁신적인 과학의 발전은 HCP(Healthcare Professional)들의 교육에 대한 요구를 심화시키고 있으며, 이들은 빠르고 즉시 접근할 수 있는 과학적 정보에 대한 필요성이 커지고 있습니다. 연결된 팀과 간소화된 프로세스, 공통 데이터를 기반으로 더 빠르고 효율적인 성과를 달성할 수 있을 것입니다. 또한, 전략적 AI 활용은 이러한 변화를 가속하는 중요한 역할을 할 것입니다. �Թϱ��의 커머셜 전문가들이 제시하는 2025년을 위한 7가지 전망을 소개합니다.

— Matt Farrell, Commercial 전략 EVP

새로운 인게이지먼트 모델은 단순함으로 복잡성을 해결할 것입니다.

제약바이오사는 20년 이상 고객 중심(Customer-centricty)을 추구해 왔지만, 이를 달성했다고 말하는 기업은 거의 없습니다. 커머셜 팀이 자체 기능 내에서 최적화를 진행함에 따라 시스템 및 데이터와의 단절은 점점 더 심화되었으며, 하나의 기업으로서 고객과 소통하는 것이 더욱 어려워졌습니다. 이와 동시에 치료의 복잡성 증가, 인게이지먼트 선호도의 진화, HCP 접근 방식의 변화로 인해 통합된 접근 방식의 필요성이 갈수록 커지고 있습니다.

이러한 복잡성 증가에 대응하여 커머셜 조직은 단순화될 것입니다. 시스템 전반에서 복잡한 통합과 연결되어 있는 워크플로우를 없애면 팀은 더욱 빠르고 효율적으로 HCP 요구 사항을 충족할 수 있을 것입니다. 커머셜 팀 전반에서 고객에 대한 단일 뷰를 구축하면 업무 마찰을 줄일 수 있을 뿐만 아니라 각 고객 상호작용에서 협업을 수행할 수 있습니다.

모든 커머셜 팀이 단일 시스템에서 운영되므로 마케팅 캠페인에 세일즈 담당자의 Approved email 전술을 원활하게 통합하고, HCP가 선호하는 채널로 메시지를 타겟팅하며, HCP 문의를 컨택(고객) 센터로 라우팅하여 즉각적인 팀 간 협업을 통한 신속하고 정확한 대응이 가능해집니다.

이렇게 단순화되고 통합된 인게이지먼트 모델은 진정한 고객 중심과 보다 혁신적인 커머셜 운영을 위한 토대를 마련할 것입니다.

— Dan Rizzo, 글로벌 비즈니스 컨설팅 총괄 부사장

커머셜과 메디컬이 융합하여 복잡한 의약품을 제공할 것입니다.

R&D 파이프라인의 속도와 혁신은 환자들에게 큰 도움이 되지만, 전례 없이 많은 새롭고 복잡한 치료법에 대해 HCP를 신속하게 교육해야 하는 새로운 과제를 안겨주고 있습니다. 한 분석에 따르면, 개발 중인 가 2012년에서 2022년 사이에 거의 두 배 증가했습니다. 그리고 제약 파이프라인에 있는 거의 이 잠재적으로 해당 영역 내 최초의 치료제입니다.

제약바이오사는 이러한 새로운 의약품 출시에 대한 HCP의 정보 및 지원에 대한 복합적인 요구 충족에 중점을 두는 쪽으로 전환할 것입니다. 과학과 서비스의 차별화가 가장 중요해질 것이며, 기업들은 커머셜과 메디컬 전반에서 전통적으로 분리되어 있던 직무들을 연결할 것입니다. 또한 인센티브는 환자 지원에 대한 보상, HCP에 대한 학술 정보 및 자료 제공, 치료 시작의 장벽 제거로 전환해야 합니다. 이는 공동의 성공을 위해 커머셜과 메디컬 부문 모두에서 지지하는 모델이 될 것입니다.

— Peter Stark, Compass 및 OpenData 총괄 EVP

새로운 운영 데이터 표준이 업계 전반의 효율성을 촉진할 것입니다.

운영 데이터 소스는 동일한 정보를 설명하는 데 서로 다른 이름과 형식을 사용하는 경우가 많습니다. 제약바이오사가 계속해서 새로운 데이터 세트를 추가함에 따라, 이는 엄청난 비효율성과 낭비로 이어집니다. 또한 다운스트림 프로세스에 부정적인 영향을 미칠 수 있습니다.

간단�� 개방형 데이터 표준 세트는 공통된 이해와 상호 운용성을 가져올 것입니다. 이름, 데이터 유형 및 정의에 대한 일관된 구조를 통해 제약바이오사는 시작 단계에서 분류 체계에 대해 논의할 필요가 없으며 시스템 전반에서 인사이트에 빠르게 접근하여 고객과보다 효율적으로 인게이지할 수 있습니다.

이는 AI 및 고급 분석 애플리케이션을 대규모로 배포하는 기업에 특히 중요합니다. 운영 데이터에 대한 새로운 표준이 광범위하게 채택되면 통합을 더 빠르고, 유지 관리하기 쉽고, 더 정확하게 만들어업계를 발전시킬 것입니다.

— Pooja Lal, Commercial 컨텐츠 부사장

MLR 컨텐츠 검토가 AI의 초기 승자로 부상할 것입니다.

컨텐츠 제작, 위생 및 품질 점검을 위한 AI 사용 케이스가 늘어남에 따라 컨텐츠의 양이 기록적으로 증가하면서 관련 메시지를 시장에 전달하는 것이 더욱 어려워질 것입니다. 결과적으로 MLR(Medical Legal Regulatory Review) 검토를 개선하기 위해 AI 투자에 집중하는 컨텐츠 팀과 에이전시 파트너가 가장 먼저 ROI를 실현하게 될 것입니다.

검토 주기와 작업 주기를 단축함으로써 AI 기반 MLR 팀은 커머셜 컨텐츠의 양이 증가함에도 불구하고 커머셜 컨텐츠의 컴플라이언스와 정확성이 더 빠르게 실현되도록 것입니다. 이러한 효율성은 MLR 검토를 컨텐츠 주기의 마지막 단계에서 능동적 역할로 전환하여 컨텐츠 생성 엔진에 대한 가시성과 입력을 늘리고 재작업을 감소시킵니다.

표준 분류 체계를 사용해 컨텐츠를 분류하고 맞춤형 솔루션을 제거하며 호스팅 된 대규모 언어 모델을 활용하여 컨텐츠 공급망의 복잡성을 해소하는 조직은 더욱 빠르고 효율적으로 움직이게 될 것입니다. 컨텐츠 양보다 컨텐츠 품질을 우선시하는 컨텐츠 및 MLR 팀은 AI의 가치를 입증하는 선구적인 커머셜 리더로 자리매김할 것입니다.

— Brian Mahoney, 분석, 비즈니스 컨설팅 부사장

고급 분석에서는 사람을 우선시하는 AI가 승리할 것입니다.

커머셜 조직은 고급 분석을 위한 AI 사용 케이스를 고려하는 과정에서 AI의 한계에도 직면하게 될 것입니다. 예를 들어, AI로 생성한 “넥스트 베스트 액션”은 담당자의 영업 활동(call) 계획부터 까다로운 HCP 접근 및 인센티브 보상 계획에 이르기까지 쉽게 설명할 수 없는 광범위한 변수를 고려해야 합니다. 권장된 넥스트 베스트 액션이 담당자가 실행할 수 없거나 실행하지 않으려는 조치인 경우, AI는 시스템에 더 많은 혼란만 가중할 뿐입니다.

결과적으로 초기 리더들은 신중하게 선택한 이니셔티브에서 최고의 ROI를 얻기 위해 인력에 대한 투자에 집중할 것입니다. 고급 분석의 AI 사용 케이스는 기업이 사전에 문제를 정의하고 데이터를 구조화하며 인사이트에 따라 행동하도록 사용자를 교육하는 데 시간을 투자할 때 가장 성공적일 것입니다. 초기 리더들은 지식과 기술 격차를 해소하는 변화 관리 문화를 구축할 것입니다.

그러나 단절된 시스템에 고정되어 있거나 비즈니스 인텔리전스 도구와의 복잡한 통합이 필요한 AI 도구는 인사이트를 늦추고 사용자 채택을 방해합니다. 내비게이션 앱이 운전자에게 실시간으로 교통 상황을 안내하는 것과 마찬가지로, AI가 의사 결정을 강화하고 사용자의 워크플로우에 포함되어 있을 때 비로소 AI가 더 널리 사용될 것이며 장기적인 ROI를 위한 발판을 마련할 것입니다.

— Christoph Bug, 글로벌 메디컬 부사장

새로운 리더는 메디컬을 활동 주도형에서 결과 주도형으로 전환할 것입니다.

혁신적이고 복잡한 의약품은 학술적 교류에 대한 수요를 증가시키고 있습니다. 그리고 데이터에 따르면, 의학부가 출시 전후에 HCP와 KOL을 효과적으로 참여시키면 치료제 채택률이 향상되는 것으로 나타났습니다. 이렇게 증가하는 고객 요구에 부응하기 위해 제약바이오사는 투자를 전환하여 학술적 인게이지먼트를 위한 자원을 늘릴 것입니다.

그러나 명확하고 정량적이며 규정을 준수하는 성공 척도가 없다면 의학부는 그 효과를 제한하고 의료적 영향을 입증하는 데 어려움을 겪을 것입니다. 데이터 주도 접근 방식에 주인의식을 갖고 기존 모델에 도전하는 메디컬 리더가 활동 주도형(activity-led)에서 결과 주도형(outcome-led)으로 가장 먼저 진화할 것입니다. 초기 중점 영역은 , 임상 진료 변화 및 환자 결과 개선을 파악하고 정량화하는 것입니다.

올바른 사고방식을 가진 리더를 유치하기 위해 기업은 보다 비전통적인 측정 애플리케이션 확보에 필요한 자원을 포함해 의학부에 대한 투자에 우선순위를 두게 될 것입니다. 그리고 결과 중심의 리더는 주도권을 잡고 자신의 주장을 펼치며 행동을 취해야 합니다.

The post 2025년 커머셜 분야 전망 보고서: 혁신적인 과학에 적응하고, 표준과 AI를 채택하다 first appeared on �Թϱ�� Systems Korea Site.

품질 데이터 중심의 디지털 혁신

Junghwan Lee — Wed, 06 Nov 2024 07:36:35 +0000

의약품 제조 품질 향상을 위해 디지털 품질 관리 시스템 도입은 이제 필수가 되었다. 많은 기업들이 디지털 품질 관리 시스템(이하 시스템)을 도입하고 사용하면서 각자의 운영방식에 맞추어 시스템을 변경하는데, 이러한 방식은 더 이상 최적의 해결책이 되기 어렵다. 약 15~20년 전 디지털 혁신이 의약품 제조소에 도입되던 시절과는 달리, 현재는 디지털 기술과 환경이 크게 변화했기 때문이다. 이에 변화한 환경에서 의약품 제조소가 디지털 품질 시스템을 성공적으로 도입하고 운영하기 위한 방안을 제시하고자 한다.

시스템 가치의 변화: 데이터 저장소에서 데이터 활용으로

불과 얼마 전까지도, 집에서 영화 한 편을 감상하려면 비디오테이프나 DVD를 준비하고, 그에 따른 재생기기도 준비해야 했다. 그러나 수많은 온라인 동영상 서비스(OTT) 플랫폼에 둘러쌓인 현재 컨텐츠를 즐기는 방식에서도 혁신이 일어났다. 영화의 스토리, 출연 배우 그리고 감독의 연출 등 컨텐츠 자체에는 이전보다 훨씬 더 많은 관심을 갖지만, 그 누구도 어떤 재생기기를 준비해야 하는지 관심을 두지 않는다. 더 이상 그럴 필요가 없어졌기 때문이다. 의약품 제조소의 시스템도 마찬가지다.

품질 문서와 데이터를 디지털 형식으로 전환하던 디지털 혁신 초기 시절의 경우, 의약품 제조 및 시험 과정에서 생성된 문서와 기록을 ‘잘 정리하고 보관’하는 것을 목표로 했다. 종이 기록을 보관하던 방법과 문화를 디지털 보관소에 그대로 적용한 것이다.

의약품 제조 및 품질관리 기준(GMP)을 ‘Good Many Paper’라 부르며 방대한 양의 문서와 기록 자체에 의의를 둔 과거에는 많은 기록과 문서 자체가 좋은 품질을 의미하기도 했다. 때문에 당시에는 잘 짜인 문서 계층 및 그에 따른 폴더 구조가 중요했고, 문서를 빠르게 찾는 문서 번호가 강조됐다. 결국 시스템의 경쟁력은 저장된 문서와 기록을 빠르게 잘 찾는 것이었고, 공장마다 다른 계층 구조와 폴더 구조의 문서를 잘 찾도록, 사용자 맞춤 시스템을 구축하고 운영하는 것이 중요했다.

그러나 GMP에서 품질 데이터와 시스템의 가치는 변했다. 품질 원본 데이터(Raw Data)의 보관과 품질 기록에 대한 중요성은 예나 지금이나 변함 없지만, 이제 더 이상 잘 정리된 많은 데이터를 가지고 있는 것만으로는 좋은 품질을 의미할 수 없다. 앞서 언급한 대로, 사람들이 영화를 볼 때 재생기기에 관심을 두지 않는 것처럼, 이제는 기록을 얼마나 빨리 찾느냐에 대한 것보다 오히려 저장된 데이터를 분석하고 활용하여 앞으로의 품질을 예측하는 것이 시스템을 평가하는 훨씬 중요한 가치를 지니게 됐다.

데이터 활용 중심 운영에서 고려 사항

품질 데이터의 활용을 중심으로 시스템을 구축하고 운영하기 위해서는 먼저, ‘시스템 아웃소싱’이라는 개념으로 접근해야 한다. 시스템 운영이 의약품 제조소의 핵심 사업이 아니기 때문에 기업의 시스템 담당자를 대신하여 시스템을 운영해 줄 좋은 업체를 선정하는 것이 중요하다. 그렇기 때문에 업체 선정 시, 업체와의 소통이 얼마나 원활한지도 반드시 점검해야 한다.

둘째, 품질 데이터 표준화다. 품질 데이터를 잘 활용한다는 것은 데이터를 분석하고 비교하면서 품질을 예측하는 것이다. 데이터의 입력, 접수, 처리 등을 동일한 프로세스로 처리하면 데이터의 비교와 분석이 쉽고 빨라진다.세계 유수의 제약 회사를 살펴보면, 각기 다른 제품을 생산하는 전 세계의 여러 공장에 단일 시스템과 동일한 품질 프로세스를 도입하고 있다. 또한 표준작업절차서(SOP)를 나라 별 언어로 번역하여 일괄 배포한다. 결국 프로세스의 단일화 및 표준화는 오늘날 보편화된 품질 운영 방식이다.

마지막으로, GMP는 살아있는 유기체처럼 끊임없이 변화한다는 점을 고려해야 한다. 근래에는 국내 규정뿐만 아니라 수출국의 규정, 국제적으로 통용되는 가이드라인도 모두 충족해야 한다. GMP 변경의 범위가 더욱 커진 것이다. 게다가 규정 변경 주기 역시 과거에 비해 매우 빈번해졌다. 이에 시스템은 다변화하는 규정에 대응할 수 있어야 한다. 데이터 완전성(Data Integrity) 평가 지침의 핵심 내용 중 하나는 ‘시스템을 자주 점검하라’는 내용임을 다시 한번 생각해보기 바란다.

올바른 품질 디지털 혁신의 방향

GMP에서의 시스템 도입과 구축은 쉽지 않은 일이다. 많은 이들이 안정적으로 사용할 수 있는 시스템이 갖춰져야 하고, 업무 수행 방식에서도 변화가 불가피하다. 이는 품질 리스크로 이어지기도 한다. 그래서 시스템 도입 시, 기존 업무 방식 또는 절차를 그대로 사용하는 경우가 많았다. 비디오테이프 또는 DVD로 영화를 감상하던 당시에는 이러한 접근 방법도 나쁘지 않았다. 하지만 이제는 달라져야 한다.

오늘날 품질 데이터와 시스템의 가치는 변화했다. 아무리 잘 구축한 시스템도 2년 이상 변경 없이 그대로 사용하기 어려울 정도로, GMP 환경의 변화 속도는 빨라졌다. 또한 CSV라는 규제로 인해 시스템 변경 관리 자체도 타 산업에 비해 어렵고, 데이터 완전성(Data Integrity)를 준수할 수 있도록 시스템을 운영해야 한다. 이러한 상황에서 기존 시스템은 데이터 활용의 측면에서 그 한계를 명확히 드러내고 있다.

의약품 제조소에서 근무하는 우리에게 필요한 것은 즉시 업무에 활용할 수 있는, 완전성이 보장된 디지털 데이터뿐이다. 품질 데이터를 손쉽게 확보하고, 필요시 시스템 변경을 통해 적절한 데이터를 확보할 수 있도록 하는 것이 GMP 시스템의 역할과 가치다. 오늘날 워드나 엑셀 없이 디지털 문서 작성을 상상할 수 없는 것처럼, 머지않아 실시간 품질 데이터 없이는 GMP 업무 자체가 불가능해질 것으로 예측한다. 따라서 GMP에서의 디지털 혁신은 단순한 시스템 도입을 넘어서, 변화하는 품질 데이터와 시스템의 가치를 이해하고 이를 효과적으로 활용하는 방향으로 나아가야 한다.

이정환 부장, Korea Quality Strategy, �Թϱ��

이정환 부장은 국내 품질 및 허가 비즈니스를 총괄하며 고객의 성공을 지원하고 있다. �Թϱ�� 제품과 서비스의 특장점 그리고 가치를 고객에게 전달하는 것 뿐만 아니라, 품질 및 허가 시스템에 대한 고객의 요구사항 및 해결과제들을 �Թϱ��의 제품과 서비스에 반영하여 고객과 �Թϱ��가 함께 성장할 수 있도록 한다.
�Թϱ�� 입사 전 제약회사에서 품질기획 및 QA로 근무하면서, 제조품질을 위한 다양한 IT 시스템을 도입, 유지관리하는 업무를 담당했다. 시스템 도입 및 관리에 대한 풍부한 현장 경험을 통해 고객의 요구사항을 보다 잘 이해하고, 현실적인 개선방법을 조언하며 고객성공을 위해 노력하고 있다.

The post 품질 데이터 중심의 디지털 혁신 first appeared on �Թϱ�� Systems Korea Site.

아시아 시장에서의 ePRO 도입, 도전과 기회

Lee Younsang — Tue, 10 Sep 2024 04:33:34 +0000

아시아 지역 제약사는 임상시험에 디지털 솔루션을 도입할 때 데이터 무결성과 규정 준수에 대한 우려로 보다 엄격하고 신중하게 접근하는 경향이 있다. 그러나 실제로 디지털 솔루션은 임상시험의 효율성과 환자의 참여도 증대, 데이터 품질 개선에 긍정적인 영향을 미칠 가능성이 높다. 관련 규제가 개선되고 기술이 발전하고 있는 만큼 아시아를 포함한 제약 업계 전반에 걸쳐 디지털 솔루션 기반의 임상시험이 더 널리 수용될 것으로 예상된다.

최근 임상시험에서 환자의 결과 보고(Patient-reported Outcomes, PRO)의 중요성이 커지고 있다. 임상시험 결과 측정 시 종양 크기 감소는 매우 중요하다. 그에 못지않게 환자가 일상생활에서 느끼는 감각과 신체적 기능도 중요하다. PRO는 이러한 경험을 포착할 수 있어 환자 중심의 치료 제공이 가능하다. 또한 PRO 데이터는 연구자가 치료제의 모든 영향력을 이해하고, 규제 당국이 약물 허가에 있어 정보에 입각한 결정을 내릴 수 있도록 돕는다. 표준화된 시스템과 환자의 참여는 PRO의 발전을 촉진하고, 나아가 의료 서비스에 있어 다방면으로 유용한 접근 방식을 이끌어낼 것이다.

나날이 기술이 발전하고 PRO의 도입이 증가하는 만큼 환자가 임상시험 결과를 직접 보고할 수 있는 ‘디지털 임상결과 평가(Electronic Patient Reports Outcomes, ePRO)’ 시스템이 미래 주요 서비스로 주목받고 있다. ePRO는 연방 기관의 승인을 받아 미국과 유럽을 비롯한 글로벌 시장에서 환자의 평가 변수를 잡는 일반적인 방법으로 자리 잡고 있지만, 아시아에서는 아직 널리 사용되지 않고 있다.

아시아 내 ePRO 도입 및 확산을 위한 과제

아시아는 임상시험 환경에서 ePRO의 도입이 더디게 진행되어 왔다. 아시아 의료 산업의 환경이 다양하고 세분화되어 있기 때문이다. 아시아 시장에서 ePRO를 보다 광범위하게 구현하기 위해 해결해야 할 과제는 무엇일까?

첫째, 비용이다. 미국이나 유럽에 비해 ePRO가 아직 정착되지 않은 국가에서는 환자에게 태블릿 PC나 스마트폰을 배포하고 이를 관리하는 데 많은 비용이 소요된다. 특히 대규모로 진행하는 임상시험의 경우 더 많은 비용이 발생한다. 아시아에서 흔히 볼 수 있는 소규모의 다지역 임상시험(Multi-Regional Clinical Trials, MRCT)은 글로벌 임상시험에 비해 예산이 부족하고, 적응증이 제한적이거나 환자 수가 적은 약물을 대상으로 하므로 비용과 물류적인 측면에서 한층 더 복잡해진다.

둘째, 연구 자료 구축 시간을 줄여야 한다. 기존의 ePRO 접근 방식은 새로운 연구에 대해 평가를 구성하고 검증해야 하므로 연구 자료 구축에 많은 시간이 소요된다. 한국은 ePRO 지원이 가능한 연구가 시행되는 기간이 12주 이상 걸리는 경우가 많아 ePRO를 대대적으로 채택하는 데 상당한 걸림돌이 되고 있다.

아시아 지역 내 ePRO 구현에 효과적인 접근법 ‘BYOD’

ePRO 접근법으로 인정받고 있는 BYOD(Bring Your Own Device)는 아시아 지역에서 ePRO를 구현할 때 직면할 수 있는 몇 가지 문제점 완화에 도움이 된다. 아시아 지역 내 BYOD 접근 방식의 강점은 △BYOD 도입에 유리한 환경 △연구 시작 비용 및 시간 단축 △규정 준수 개선이다.

우선, 아시아는 스마트폰 사용률과 인터넷 연결률이 매우 높은 지역이다. 임상시험 연구에 대한 BYOD 실현이 유리하다.

또한, 환자가 자신의 기기를 사용함으로써 물류적 복잡성이 완화되고, 연구 시작 비용과 연구 자료 구축 시간이 줄어든다. 환자가 새로운 기기에 익숙해지거나 설문지 작성에 대한 교육을 받는데 추가로 시간을 들일 필요가 없다.

마지막으로, 임상시험 참여자가 자신의 기기를 사용할 때 규정 준수 및 설문조사 참여율이 더 높은 것으로 나타났다. 최종 사용자의 만족도 역시 더 높다. 연구의 완성도와 적시성이 높아지면 데이터 품질이 향상되고, 산업 성장 속도에 맞춰 보다 효율적인 임상시험을 진행할 수 있다.

의뢰자•시험기관•환자를 통합하는 �Թϱ�� Vault ePRO

우호적인 규제 환경 및 스마트폰의 보급률이나 연령별 분포도와 같은 인구 통계 요소는 임상시험 라이프사이클의 모든 단계에서 이해관계자 간의 원활한 업무 수행 방식을 지원하는 통합 디지털 플랫폼만큼 성공적인 BYOD 도입에 필요한 핵심 요소다.

�Թϱ�� Vault ePRO는 결과 보고의 설계, 관리 및 제출을 간소화한다. 환자가 제출한 자료를 실시간으로 추적하고 데이터를 일관성 있게 관리할 수 있다. 임상시험의 설계 및 실행을 가속화하고 설계부터 종료까지 모든 단계에서 데이터의 정확성과 안전성을 보장하는 기능을 갖춘 �Թϱ�� Vault ePRO는 ePRO 및 BYOD 구현에서 직면하는 주요 문제점을 최소화할 수 있도록 돕는다.

의뢰자, 시험기관, 환자를 위해 구축된 최신 플랫폼인 �Թϱ�� Vault ePRO는 사용자에게 최적화된 단일 앱이다. 디지털 기반의 복잡한 임상 시험을 원활하게 관리함으로써 ePRO를 보다 쉽게 수행할 수 있도록 지원한다.

이윤상 상무, 비바시스템즈(�Թϱ�� Systems) 아시아 임상 데이터 전략 총괄

이윤상 상무는 현재 �Թϱ��의 Clinical Data 아시아 시장 전략을 총괄하여 글로벌 시장을 목표하는 지역 기업들이 �Թϱ�� 솔루션을 최적으로 활용할 수 있도록 지원하고 있습니다.
�Թϱ��에 합류하기 전 이윤상 이사는 LG 전자의 모바일 SW 엔지니어로 업무했고, 이후 생명의학/생명공학 엔지니어링 기업 Boston Scientific에서 제품 담당자로 업무한 바 있습니다. 이를 통한 SW, 제품 개발 및 전략에 대한 경험들을 활용한 �Թϱ�� Clinical Data 고객 성공을 위해 노력하고 있습니다.

The post 아시아 시장에서의 ePRO 도입, 도전과 기회 first appeared on �Թϱ�� Systems Korea Site.

새로운 임상 민첩성(agility) 벤치마크에 데이터를 최우선으로 생각하는 GSK

Richard Young — Sat, 15 Jun 2024 06:19:37 +0000

거의 20 년 전 EDC 가 처음 등장했을 때와 마찬가지로 COVID-19 로 인한 혼란은 임상 데이터 관리 팀에 데이터 관리에 대한 접근 방식을 재고할 완벽한 기회를 주었습니다.

“COVID 는 향후 5~10 년 동안 업계의 판도를 바꿀 파괴적 혁신(disruption)을 가져올 기회를 다시 한번 주었습니다”라고 에서 GSK VP 겸 글로벌 데이터 전략 및 관리 책임자인 Mayank Anand는 설명했습니다.

본 블로그에서는 GSK 가 임상 데이터 관리 접근 방식을 현대화하는 방법(여러 EDC 와 복잡한 프로세스를 교체하는 작업)과 애자일 방법론 덕분에 예상보다 시간을 절반으로 단축하여 18 개월 만에 성과를 달성한 방법을 소개합니다.

데이터에 집중

그동안 업계에서는 메디컬 라이팅, 통계, 허가 제출 시스템에 집중하는 것을 선호하면서 임상데이터를 간과해 왔다고 마얀크는 설명합니다. 그러나 오늘날 기업들이 하이브리드 디지털 임상시험 모델을 채택하고 디지털 데이터 소스의 급증으로 어려움을 겪으면서, 유효한 데이터 관리가 임상시험 성공의 핵심 동력이 되었습니다.

이것이 바로 GSK 에서 데이터 관리, 보고, 분석이 가능한 데이터 클리닝 및 표준화 속도를 높이는 임상 데이터베이스인 �Թϱ�� CDB 를 도입하기로 한 이유입니다. Mayank 는 �Թϱ�� CDB 를 통해 임상 연구의 애자일이 개선될 뿐만 아니라 자연어 처리 및 시각화와 같은 고급 도구를 적용하는 동시에 인공지능(AI) 및 머신 러닝 이니셔티브의 성공률을 높일 수 있을 것이라고 마얀크는 말했습니다.

GSK 의 ‘이유’ 파악

GSK 는 현대화 프로젝트를 시작하면서 변화의 ‘이유’를 명확히 밝히는 것부터 시작했습니다. Mayank 가 언급했듯이 GSK 의 세 가지 주요 목표는 다음과 같았습니다.

운영 모델을 단순화. �Թϱ�� 를 도입하기 전 GSK 는 임상 데이터 환경에서 최소 4 가지 유형의 EDC 를 사용하고 있었으며, 각 EDC 는 직소 퍼즐을 맞추는 것과 유사할 정도로 커스터마이징되어 있었습니다. 수년에 걸쳐 축적된 복잡성을 줄이는 것이 중요했습니다.
기술 솔루션 도입. Mayank 가 설명했듯이 업계에서는 EDC 플랫폼을 바꾸는 것만으로도 충분하다는 식으로 기술을 매우 편협하게 해석했습니다. 그러나 임상 팀에서 업무 효율을 개선할 수 있도록 도와주는 다양한 기술이 있으며, AI 및 머신 러닝과 같은 분야에서 상당한 진전이 이루어지고 있습니다.
신속한 성과 달성. Mayank 는 특정 질환의 경우 매분마다 두 명의 환자가 사망한다는 충격적인 통계를 제시하면서 생명 유지에 반드시 필요한 치료법을 빠르게 제공하는 것이 중요하다고 강조했습니다. “임상시험 환자들이 애타게 치료제를 기다리고 있다는 점을 잊어서는 안 됩니다. 업계에서 4 주나 2 주가 아닌, 21 주 동안 임상 연구 데이터 잠금을 계속한다면 얼마나 많은 생명을 잃게 될지 상상해 보세요.”

단일 CDM 플랫폼에 맞춰 조정

GSK 는 직소 퍼즐과 같은 EDC 의 복잡성에서 벗어나기 위해 �Թϱ�� Vault CDMS 를 단일 핵심 CDM 플랫폼으로 채택했습니다. 이번에는 임상 DM 팀에서 코딩을 통한 커스터마이징이 필요한 EDC 시스템을 피하고, EDC 플랫폼 기능을 기반으로 구축이 가능한 플랫폼을 선택하게 되었습니다. “새로운 플랫폼을 채택한 후에는 향후 10 년 동안 이전 플랫폼에서 겪었던 것과 동일한 복잡성을 재현하는 데 시간을 낭비해서는 안 됩니다”라고 Mayank 는 말했습니다.

단일 플랫폼으로 전환하면 궁극적으로 GSK 가 데이터 검토를 개선하는 데 도움이 됩니다. GSK 에서는 수년 동안 임상시험에서 단일 데이터 포인트를 모두 수집하고 검토하게 되면서 복잡성이 가중되고 프로세스가 느려졌었습니다. Mayank 는 “모든 데이터가 다 같이 동등하지 않은데도 동일하게 중요한 것으로 취급했다”고 말하면서, 이제는 가치 중심의 데이터 클리닝이 핵심 전략이라고 설명했습니다.

�Թϱ�� CDB 는 임상에서 쓰이는 EDC, 이미징데이터, e 소스, ePRO 데이터, 로컬랩 등 다양한 소스를 통합하여 중앙에서 소스데이터를 비교하고 클리닝 할 수 있도록 돕습니다. 한편, 기술 솔루션들은 데이터 클리닝 및 탐색을 지원하여 임상시험 인사이트를 도출할 것입니다. 데이터 매니저가 데이터 사이언티스트로 진화함에 따라, 이러한 기술 솔루션을 통해 보다 유효한 업무 수행이 가능해지고 모든 데이터를 한 곳으로 통합하여 보다 신속하게 인사이트를 얻을 수 있게 됐습니다.

새로운 벤치마크 설정

그러나 의약품 개발 속도를 높이려면 운영 모델을 단순화하고 단일 플랫폼에서 협업하는 것뿐만 아니라 사고방식의 전환이 필요합니다. “COVID 치료제를 이렇게 빠르게 개발할 수 있는데 왜 다른 모든 치료제는 그렇게 할 수 없는 걸까? 우리를 막는 건 무엇인가?”하는 의문을 가진 사람이 많다고 Mayank 는 말했습니다.

GSK 는 이미 업계 기준의 제품 개발 속도를 충족하고 있었지만 그것만으로는 충분하지 않았습니다. “우리는 일부 선별된 임상연구뿐만 아니라 포트폴리오 전반에 걸쳐 업계가 달성하고 있는 것보다 최소 50~60% 더 나은 성과를 내고 싶었습니다”라고 Mayank 는 말했습니다. “이것이 바로 GSK 가 앞으로 업계 벤치마크가 되기 위해 �Թϱ�� 와 함께 노력하고 있는 이유입니다.”

애자일 개발의 중요성

Mayank 는 �Թϱ�� 를 비롯한 기타 기술 제공업체와의 제휴가 빠른 혁신의 핵심이었다고 강조합니다. 그는 “우리는 이 여정을 함께했습니다”라고 말했습니다. 그 결과 팀에서 단 18 개월 만에 프로젝트를 완료할 수 있었는데, 이는 팀에서 협업에 사용했던 애자일 개발 프로세스 덕분이었습니다.

Mayank 는 애자일이 유행어가 되어 모든 조직에서 이에 동참하고 싶어 한다는 점을 인정했습니다. 그러나 이러한 접근 방식을 채택한 것은 GSK 가 더 빠르게 움직이고 제품 개발을 가속화하는 데 상당한 영향을 미쳤습니다. 그는 “애자일 방식은 나중에 실패하는 대신 더 초기에 실패해 볼 수 있도록 도와주며, 이를 통해 진행 과정에서 많은 시간을 절약할 수 있다”고 설명했습니다.

GSK 의 현대화 여정은 끝나지 않았습니다. GSK 는 앞으로도 �Թϱ�� 를 비롯한 파트너들과 계속해서 협력하여 지속적으로 개선해 나갈 것입니다. “우리는 매년 사람들이 나서서 우리가 하는 일에 도전하기를 바랍니다. 그것이 업계의 벤치마크가 될 수 있는 유일한 방법이라고 생각합니다”라고 Mayank 는 말합니다. “이것이 궁극적으로 우리의 환자에게 도움이 될 것이며, 환자들은 의약품과 백신을 훨씬 더 빨리 얻게 될 것입니다.”

프레젠테이션 다시 보기를 통해 Vault CDMS 가 GSK 의 미래 목표를 가속화할 수 있는 최신화 기반을 어떻게 제공하고 있는지 알아보십시오.

The post 새로운 임상 민첩성(agility) 벤치마크에 데이터를 최우선으로 생각하는 GSK first appeared on �Թϱ�� Systems Korea Site.

�Թϱ��� Systems Korea Site