[2026 KoPERM 춘계학술대회 Insight 3️⃣] 약물감시 자료 기반 Signal Detection Part 1.
페이지 정보
본문
셀타스퀘어는 업계의 변화를 가장 먼저 읽고, 고객에게 의미 있는 인사이트를 전달합니다.
지난 5월 28일부터 29일까지 진행된 대한약물역학위해관리회 춘계학술대회에서는 약물 안전성 주요 쟁점, Signal Detection 운영 전략, 지역 기반 능동적 약물감시 체계까지 약물역학 및 약물감시 전 분야에 걸친 최신 연구 동향과 실무 적용 사례를 심도 있게 다루었습니다.
이번 콘텐츠에서는 Drug Safety 및 PV 담당자를 위한 약물감시 자료 기반의 Signal Detection 최신 동향과 글로벌 제약사 실무 운영 전략 중심으로 정리했습니다.
29일에는 ⌈약물감시 자료 기반 Signal Detection⌋을 주제로 한 한국의약품안전관리원 안전정보관리팀 연구원과 신라젠 약물감시팀 담당자가 연자로 나서 국내 자발적 부작용 보고자료의 활용 방안부터 글로벌 제약회사의 실무 Signal Detection 운영 전략까지 실제 사례 중심으로 심도 있게 다루었습니다.
배경: 시판 전 임상시험만으로는 부족합니다.
의약품 시판 전 임상시험은 구조적 한계를 가지고 있습니다.
- 매우 적은 대상자 수(Too Few Subjects)
- 중위연령에 치우친 대상자 특성(Too Median Aged Population)
- 매우 짧은 추적관찰기관(Too Brief Period of Observation Time)
- 매우 단순한 디자인(Too Simple Design)
- 매우 좁은 노출 정의(Too Narrow Range of Exposure)
- 매우 간접적인 대리지표(Too Indirect Surrogate)
약물이상반응 발생 빈도가 낮을수록 이 간극은 더욱 커집니다. 2,000명 대상 임상시험을 기준으로, 발생률이 1/50,000인 약물이상반응의 경우 임상에서 확인될 확률은 4%에 불과합니다.
이로 인해 시판 후 축적된 개별이상사례 보고(ICSR)를 체계적으로 수집•분석하여 잠재적인 안전성 실마리정보(Signal)를 조기에 탐지하고 관리하는 것이 약물감시의 핵심 과제로 부상하고 있습니다. 이상적인 PV 시스템은 이상사례 및 안전성 정보를 신속하고 체계적으로 수집·검토하여 새로운 또는 변경된 리스크를 탐지하고, 개별 사례 및 축적된 근거를 바탕으로 의약품과의 인과관계 가능성과 리스크의 임상적 중요성을 평가하며, 필요한 경우 리스크의 빈도·중증도·위험요인 등을 특성화 또는 정량화하고, 그 결과를 리스크 최소화 조치, 규제적 조치 및 안전성 정보 소통으로 연결할 수 있어야 합니다.
글로벌 약물감시 환경 역시 단순 이상사례 수집을 넘어 축적된 ICSR 데이터를 기반으로 Safety Signal을 조기에 탐지하고 관리하는 방향으로 고도화되고 있습니다. EMA GVP Module IX는 Signal Detection, Validation, Confirmation, Analysis and Prioritisation, Assessment and Recommendation for Action으로 이어지는 Signal Management 체계를 제시하며, 실마리정보 탐지를 독립된 분석이 아닌 지속적인 안전관리 프로세스의 일부로 보고 있습니다. 국내에서도 RMP를 제출한 품목의 경우 수집된 안전성 정보에 대한 실마리정보 분석 결과를 정기적으로 보고하도록 요구하고 있습니다.
Signal이란 무엇이고, 어떻게 탐지하는가
WHO는 2002년 Signal을 "약물과 이상사례 간의 새로운 잠재적 인과관계 또는 알려진 관계의 새로운 측면을 제시하는 정보로서, 하나 또는 그 이상의 보고원으로부터 얻어지는 정보 중에서 분석할 만한 가치가 있는 정보"로 정의했습니다. 중요한 것은, Signal은 직접적인 인과관계를 의미하는 것이 아니라 추가 평가의 필요성을 정당화하는 가설이라는 점입니다.
한국의약품안전관리원 연구원은 이번 발표에서 Signal Detection을 위한 두 가지 핵심 접근법을 제시했습니다.
- 질적 접근(Qualitative Approach) - Traditional PV 방법: 개별 사례(Individual Case) 또는 사례군(Case Series)에 대한 전문가 평가를 통해 Signal을 탐지합니다. Designated Medical Events(DME)처럼 매우 드물고 중대한 이상사례나 1-3회 보고로도 잠재적 Signal로 간주될 수 있는 사례 평가에 특히 유효하며, 검토자의 임상•약리학적 배경 지식이 요구됩니다.
- 양적 접근(Quantitative Approach) - Data Mining: 대규모 Safety DB에서 컴퓨터화된 알고리즘을 통해 불균형한 약물-이상사례 조합을 통계적으로 탐지합니다. 대표적인 지표로는 PRR(Proportional Reporting Ratio), ROR(Reporting Odds Ratio), IC(Information Component), EBGM(Empirical Bayesian Geometric Mean)이 있으며, FAERS•EudraVigilance 등 대규모 공개 DB 분석에 활용됩니다. 단, 불균형 분포만으로는 인과성을 추론할 수 없으며, 반드시 임상적 검토와 병행해야 합니다.
탐지된 Signal은 WHO-UMC Triage Algorithm에 따라 ADR unexpectedness, ADR Seriousness, Disproportionality, 보고 증가 속도, 신약 여부, 국제 Signal 여부 등을 기준으로 우선순위화됩니다. 이후 원보고자료 검토(ICSR, Case Series 인과성 평가)와 국외 허가사항, UMC DB, 문헌 등 다양한 자료원 교차 검증을 통해 Signal 평가가 이루어지며, 유의미한 안전정보는 허가사항 변경 또는 지속적 모니터링으로 연결됩니다.
한국의약품안전관리원(KIDS)은 2016년부터 2025년까지 WHO 뉴스레터에 총 18건, VigiLyze Signal에 2건을 게재하며 국내 약물감시 자료 기반 Signal 분석 결과를 국제 약물모니터링 프로그램 약 190개 회원국에 제공하고 있습니다. 이를 통해 한국은 아시아 지역에서 상대적으로 부족했던 인종·특이적 이상사례 정보를 글로벌 Signal Detection 체계에 보완하는 역할을 수행하며, 국내 PV 데이터의 국제적 신뢰도와 대표성을 높이고 있습니다. 나아가 국내에서 먼저 포착된 Signal이 전 세계 규제기관의 조기경보로 이어질 수 있다는 점에서, 한국의 약물감시 역량이 글로벌 환자 안전망 강화에 실질적으로 기여하고 있음을 보여줄 수 있습니다.
이어서 Part 2로 글로벌 제약사의 Signal Detection 운영 방법에 대해서 전해드리겠습니다.
