세포 치료 및 분석 개발 워크플로에는 의미 있는 통찰력을 제공하기 위해 처리 및 시각화가 필요한 복잡한 데이터가 포함됩니다. Takeda Pharmaceuticals US Inc.의 저희 팀은 실험실 사용자가 세포 치료 데이터를 효과적으로 시각화하고 분석할 수 있도록 간소화되고 자동화된 솔루션을 개발하는 것을 목표로 합니다. 처리된 데이터 표와 동적 대시보드 생성을 자동화하여, 저희 시스템은 회수율, 증식 배수, 세포 배양 매개변수와 같은 주요 지표를 직관적인 형식으로 제공합니다. 이 솔루션을 통해 세포 치료 및 분석 개발 연구원들은 실험 진행 상황을 신속하게 평가하고 데이터 기반 의사 결정을 내릴 수 있으며, 이를 통해 해당 분야의 연구 및 제품 개발을 가속화할 수 있습니다.
안녕하세요 여러분. 저는 마리아 레이나 페르난데스입니다. 다케다에서 세포 치료 연구원으로 일하고 있습니다. Discovery Summit에서 JMP Live를 활용하여 세포 치료 개발을 가속화하기 위해 자동화된 데이터 생태계를 구축한 방법을 공유하게 되어 기쁩니다.
제약 업계 전반에 걸쳐 디지털화, 자동화, 데이터 통합, 그리고 실시간 의사 결정에 대한 관심이 높아지고 있습니다. 오늘은 저희 팀이 이러한 원칙을 세포 치료에 어떻게 적용하여 원시 데이터를 실행 가능한 인사이트로 전환하고 궁극적으로 실험실에서 환자까지 이어지는 과정을 가속화하는 JMP Live 생태계를 구축했는지 보여드리겠습니다.
본격적으로 시작하기에 앞서 몇 가지 사실을 밝혀둡니다. 저는 다케다의 직원이며 회사 주식을 보유하고 있습니다. 오늘 제가 공유하는 견해는 제 개인적인 것이며 다케다의 견해와 다를 수 있습니다. 또한, 오늘 설명할 기술 공급업체와 아무런 관련이 없음을 알려드립니다.
그럼에도 불구하고, 저는 이러한 워크플로의 사용자이자 개발자로서 많은 관점을 가지고 있습니다. 저희가 직면했던 어려움과 작업 과정, 그리고 그 과정에서 배운 점들을 공유하고자 합니다.
세포 치료 워크플로는 복잡한 데이터 세트를 생성합니다. 기존에는 이러한 데이터를 수동으로 처리하여 분석 속도를 늦추고 오류 위험을 높였습니다. 이 프로젝트의 목표는 원시 데이터 수집부터 시각화까지 전체 파이프라인을 자동화하는 단순하지만 야심 찬 것이었습니다. 관계형 데이터베이스를 JMP Desktop 및 JMP Live와 통합하여, 명확하고 검증된 대화형 데이터 뷰를 제공하는 시스템을 구축하여 과학자들이 더 빠르고 확신을 가지고 의사 결정을 내릴 수 있도록 했습니다. 이 프레젠테이션은 JMP의 여정, 복잡한 수동 데이터의 현실, 그리고 JMP를 통해 구축하는 간소화되고 협업적인 환경을 보여드리는 데 중점을 두고 있습니다.
오늘 강연의 로드맵을 소개합니다. 수동 워크플로, 자동화된 데이터 파이프라인의 어려움, 계획 지표를 계산하고 시각화하는 방법, 그리고 품질 관리에 대한 접근 방식, 그리고 팀에 미치는 영향과 향후 전망에 대해 자세히 설명해 드리겠습니다.
세포 치료 및 분석 개발 그룹은 엄청난 양의 데이터를 생성합니다. 각 실험에는 여러 장치, 여러 시점, 그리고 여러 과학자가 참여할 수 있습니다. 과거에는 Excel이 저희의 주요 도구였지만, Excel은 이처럼 복잡한 규모를 고려하지 않았습니다. Excel은 여러 작업에 매우 유용한 도구이지만, 여러 팀에서 수천 개의 데이터 포인트를 사용하여 수개월에 걸쳐 실험을 처리하는 경우에는 취약해집니다.
우리에게 정말 필요했던 것은 과학자들이 반복적인 작업을 하지 않아도 되는 자동화된 시스템이었습니다. 추적 가능하여 모든 데이터 포인트를 출처와 연결할 수 있어야 했고, 협업 가능하여 조직 전체의 구성원들이 동일한 버전의 진실을 보고 사용할 수 있어야 했습니다. 바로 이러한 이유로 JMP Live와 데이터베이스가 결합된 솔루션이 탄생했습니다.
현재의 과제에 대해 잠시 멈추고 시스템 이전의 삶이 어땠는지 그려보겠습니다. 과학자가 실험을 한다고 상상해 보세요. 여러 기기에서 데이터를 수집합니다. 결국 모든 정보는 각기 다른 형식으로 각기 다른 곳에 저장됩니다. 그다음에는 어떻게 될까요? 엑셀을 열고 복사, 붙여넣기, 단위 변환, 열 이름 변경, 확장 배수 계산 등을 반복합니다. 이 모든 작업은 과학자가 과학에 대해 생각하기 시작하는 데만 몇 시간, 때로는 며칠이 걸릴 수도 있습니다.
이제 인적 요소까지 고려해야 합니다. 과학자들은 종종 자신만의 엑셀 매크로와 수식을 만듭니다. 같은 실험을 진행하는 두 사람이 약간씩 다른 로직을 사용하거나 같은 파일의 다른 버전을 업데이트할 수도 있습니다. 이메일로 세 가지 최종 버전의 엑셀 파일이 돌아다니는 경우도 있습니다. 어떤 것이 진실일까요? 세포 치료 실험에서 이러한 불확실성은 매우 스트레스가 많고 위험합니다.
더 큰 문제는 다음과 같습니다. 세포 치료는 빠르게 발전하는 분야이며, 환자들은 기다리고 있습니다. 분석이 지연될 때마다 실질적인 변화를 가져올 수 있는 치료법 개발이 지연됩니다. 이는 다케다만의 문제가 아닙니다. 제약 업계 전반에서 기업들은 엑셀 기반의 수동 워크플로가 병목 현상이라는 것을 인지하고 있습니다.
제약 산업은 디지털 혁신을 겪고 있으며, 사람들의 컴퓨터에 저장된 로컬 파일에서 벗어나고 있습니다. 데이터의 정제, 표준화, 공유를 보장하는 통합 자동화 시스템이 구축되어 있습니다. 여러모로 저희 프로젝트는 단순히 지역적인 문제점을 해결하는 데 그치지 않고, 제약 업계의 디지털화라는 거대한 흐름에 발맞추는 데 중점을 두었습니다. 자동화를 활용하여 인적 오류를 줄이고, 여러 팀에 걸쳐 확장 가능한 시스템을 구축하며, 무엇보다도 과학자들이 직접 확인한 데이터를 신뢰하고 엑셀 파일이 아닌 과학 연구에만 집중할 수 있는 문화를 조성하는 것이었습니다.
이를 생각해 보면, 이전 방식은 서로 맞지 않는 도구로 손으로 다리를 짓는 것과 같았습니다. 새로운 방식은 모든 부품이 도착하여 조립 준비가 완료된, 매우 체계적인 공장을 갖는 것과 같습니다. 모든 단계가 추적됩니다. 이것이 바로 디지털화를 통해 우리가 이룬 도약입니다. 실험적 데이터 수집 시스템에서 어떻게 이를 구현했는지, 그리고 장치 연결에 어떤 작업을 했는지 보여드리겠습니다.
이 문제를 해결하기 위해 저희는 종단 간 실험 데이터 수집 시스템을 구축했습니다. 이 시스템을 통해 과학자들은 실험을 설계하고 실시간으로 데이터를 기록할 수 있습니다. 형질도입, 증식, 수확, 제형화와 같은 단위 작업을 중심으로 구성된 구조라 매우 유용합니다. 모든 실험에는 설계와 연결되는 고유 ID가 부여되어 추적성을 보장합니다.
장치들도 서로 연결되어 있습니다. 예를 들어, 세포 계수기는 매시간 원시 데이터를 자동으로 변환하고 분석하도록 연결되어 있습니다. 이를 통해 분석당 약 45분을 절약할 수 있습니다. 이를 매주 수십 건의 분석에 곱하면 한 달에 며칠씩 시간을 절약할 수 있습니다. 여기서 제가 정말 강조하고 싶은 것은 추적 가능성입니다. 모든 데이터 포인트는 실험 아이디어와 연결되어 있습니다. 언제든지 데이터가 어디에서 어떤 조건에서 왔는지 정확히 알 수 있습니다.
데이터 수집은 첫 번째 단계에 불과합니다. 진짜 과제는 그 다음에 나옵니다. 원시 출력값을 과학자들이 실제로 분석하고 활용할 수 있는 형태로 변환하는 것입니다. 이를 위해 5단계 파이프라인을 구축했습니다. 첫 번째 단계는 데이터 수집(ingestion)으로, 데이터베이스에서 원시 테이블을 직접 가져와 정리한 후 병합하고, 실험 메타데이터를 장치 판독값과 결합하고, 재구성하고, 원하는 분석 목적에 따라 테이블을 넓거나 긴 형식으로 조정합니다. 마지막으로 검증 단계(validation)는 규칙 기반 검사를 적용하여 누락된 값이나 중복된 일치 항목을 포착하는 것입니다.
실제로 이를 가능하게 하는 것은 바로 JMP 스크립팅입니다. Excel 파일에 숨겨진 수동 단계나 매크로에 의존하는 대신, 이러한 각 프로세스를 자동화하는 재사용 가능한 JMP 스크립트를 개발합니다. 예를 들어, 과학자들이 원시 파일을 직접 건드릴 필요가 없도록 대시보드에 적합한 형식으로 데이터를 자동으로 재구성하는 스크립트가 있습니다. 또는 모든 새로운 데이터 세트를 미리 정의된 규칙에 따라 검사하는 스크립트도 있습니다. 스크립트가 작성되면 여러 실험에서 재사용할 수 있습니다.
모두가 각자만의 데이터 정리 방법을 고안하는 대신, 이제는 표준화되고 자동화된 파이프라인을 JMP에서 직접 사용할 수 있습니다. JMP 스크립트의 자동화된 지상 연결 프로세스가 왜 중요할까요? 예전에는 모든 과학자가 Excel에서 각자만의 방식으로 데이터를 정리하고 분석했습니다. 즉, 모든 과학자가 같은 실험에 대해 서로 다른 수식, 형식, 때로는 다른 결과를 사용해야 했습니다. 실험실에서 같은 단계를 따르는 같은 실험에 대해서도 이 모든 형식을 변환하는 것은 매우 어려웠습니다.
JMP 스크립팅을 통해 프로세스를 표준화했습니다. 스크립트는 값 확인, 테이블 재구성, 그리고 동일한 규칙을 매번 일관되게 적용하는 등 복잡한 작업을 자동으로 처리합니다. 이러한 모든 노력을 통해 일관성과 추적성을 확보할 수 있었습니다. 또한, 과학자들은 더 이상 수동 정리 작업에 시간을 허비하지 않고도 분석에 즉시 활용 가능한 출력과 접근성을 신뢰할 수 있습니다. 이는 과학자들이 자동화된 파이프라인의 이점을 누리기 위해 코딩 방법을 알 필요가 없기 때문에 매우 중요합니다. 스크립트가 구축되면 모든 사용자는 JMP 출력을 열고 즉시 정리되고 검증된 데이터로 작업할 수 있습니다.
정말 중요하고, 이미 우리 팀에서 그 가치를 실감하고 있습니다. 팀원 한 분이 아주 잘 표현해 주셨거든요. 예전에는 데이터 준비에 많은 시간을 쏟았고, 데이터 분석보다 데이터 준비에 더 많은 시간을 썼다고 하셨는데, 이제는 과학적인 부분에 집중하고 실험실 프로세스를 개선하는 방법에 대해 진지하게 고민할 수 있게 되었습니다. 바로 이것이 우리가 이 모든 프로세스를 자동화하려는 핵심 이유입니다. 데이터 처리를 병목 현상에서 활성화 요소로 전환하기 때문입니다.
JMP 스크립트를 통해 데이터를 처리하고 검증한 후, 다음 단계는 조직에서 데이터를 이용할 수 있도록 하는 것입니다. JMP 스크립트를 사용하여 데이터베이스에서 테이블을 직접 쿼리하고 JMP로 가져옵니다. 이 스크립트는 연결을 처리하고, 추출할 필드를 정의하며, 올바른 버전의 데이터가 검색되도록 보장합니다.
JMP에 데이터를 저장하면 데이터가 자동으로 JMP Live에 푸시되고, 적절한 액세스 권한이 있는 사람이라면 누구나 쿼리를 직접 실행할 필요 없이 사용할 수 있는 업데이트된 대화형 테이블이 생성됩니다. 또한, 체계적인 관리를 위해 계층 구조를 도입했습니다.
팀, 제품, 프로그램별로 폴더를 만들어 정리합니다. 모든 것이 자동화되고 체계적으로 정리되어 과학자들이 데이터를 직접 내보내거나 업로드할 필요가 없다는 점이 정말 좋습니다. 새로운 결과가 데이터베이스에 입력되는 즉시 JMP Live는 업데이트된 테이블로 새로 고쳐집니다. 폴더별 구조 덕분에 사용자는 가장 중요한 데이터로 바로 이동할 수 있습니다. 데이터가 폴더나 여러 프로그램 시스템, 이메일, 채팅에 분산되는 대신, JMP Live에 바로 저장됩니다. 데이터베이스에서 JMP 스크립트로, 그리고 테이블은 바로 사용할 수 있으며 과학자들은 JMP Live에서 해당 테이블에 접근할 수 있습니다.
JMP Live의 또 다른 뛰어난 기능은 데이터 테이블의 동적 기능입니다. 데이터베이스에 새 데이터가 입력되면 자동으로 새로 고쳐지기 때문에 이 시스템의 가장 강력한 기능 중 하나입니다. 재료 필터, 계산 요약 필터가 포함되어 있으며, 샘플 ID, 실험 ID 또는 실험 수행 날짜를 필터링하여 필터를 적용할 수 있습니다. 또한, 서식이 지정되어 있어 팀 보고서에 즉시 사용할 수 있습니다. 이를 통해 일관성을 유지하고 모든 실험에서 동일한 구조를 유지할 수 있습니다. 이는 과학자들이 연구 간 비교를 더 쉽게 수행할 수 있도록 하는 매우 유용한 기능입니다.
또한, 과학자들의 피드백을 통해 저희가 발견한 또 다른 점은 효율성이 향상되었다는 것입니다. 과학자들은 데이터를 수동으로 포맷하거나 내보내는 데 몇 시간을 허비할 필요가 없습니다. 다시 말해, 모든 것이 추적 가능합니다. 모든 테이블은 데이터베이스의 메타데이터와 연결됩니다. 데이터 측면에서 정말 좋은 점입니다.
다케다에서 이 프로젝트에서 저희가 적용한 또 다른 측면은 자동화된 주요 지표 파이프라인입니다. 이전 슬라이드에서 논의했던 데이터 테이블을 사용하고 있기 때문입니다. 처음에는 JMP 추가 기능을 개념 증명으로 사용하여 복구율 및 확장률과 같은 주요 지표를 계산했습니다. 그런 다음 다양한 실험에서 테스트했습니다. 각 실험은 서로 다른 단위 작업과 일수 또는 조건을 사용했습니다. 저희는 이 JMP 스크립트 코드에 포함된 이러한 계산의 정확성과 일관성을 확인하고 싶었습니다.
이 스크립트는 데이터 수집 시스템의 실험 설계 저장소를 반영하도록 설계되었습니다. 모든 계산은 실제 공정 단계와 일치합니다. 각 실험에 대해 스크립트는 형질도입부터 증식, 수확까지 공정의 각 날짜별 주요 지표를 자동으로 계산합니다. 앞서 언급했듯이, 지표에는 회수율, 증식 배수가 포함됩니다. 또한, 생존율, 밀도 및 기타 지표와 같은 자가 배양 지표도 포함했습니다.
스크립트가 실험 설계와 연계되어 있어 계산이 프로세스에 따라 동적으로 조정되었습니다. 실험에 추가 샘플링 지점이나 다른 단위 작업이 있는 경우, 수동 개입 없이 지표가 계산되었습니다. 모든 계산은 자동화되어 저희가 사용하는 관계형 데이터베이스에 연결됩니다. 결과는 JMP Live 대시보드에서 즉시 확인할 수 있습니다. 과학자들에게는 매우 쉽고 편리했습니다. 실험을 진행하는 동안 테이블이 업데이트될 때쯤이면 결과의 시각화를 확인할 수 있었기 때문입니다. 또한, 수동 계산이 없어 시간도 절약됩니다. 과학자들은 지표가 매일 어떻게 변화하는지, 그리고 확장성이 얼마나 뛰어난지 확인할 수 있습니다.
저희가 개발한 JMP 스크립트를 통해 주요 지표가 자동으로 계산되면, 다음 단계는 과학자들이 활용할 수 있도록 하는 것입니다. 계산된 모든 지표는 이제 JMP Live 대시보드에 입력됩니다. 추세선 및 시간 경과 플롯과 같은 추가 시각화 기능을 추가하여 과학자들이 세포 치료 과정 전반에 걸쳐 지표를 매일 추적할 수 있도록 했습니다.
사용자는 전체 프로세스의 추세를 살펴볼 수 있습니다. 예를 들어, 여러 번의 실험에 걸쳐 세포 증식 중 세포 생존율이 어떻게 변하는지, 또는 기증자 간 증식 장벽이 어떻게 달라지는지 확인할 수 있습니다. 이는 실시간 통찰력을 제공하기 때문에 과학자와 데이터 포인트 모두에게 매우 유용한 이점이 있습니다. 데이터베이스에 새로운 데이터가 추가되면 대시보드가 자동으로 업데이트되므로 팀은 항상 최신 결과를 확인할 수 있습니다. 이는 정말 훌륭하며, 과학자들에게 프로세스를 매우 효율적으로 만들어 줍니다.
JMP Live의 이 대시보드에서는 교차 실험 비교를 수행하고 추세와 차이점 등 모든 것을 한곳에서 확인하고 여러 번의 실행을 함께 시각화할 수 있습니다. 이 대시보드는 본질적으로 실험 설계, 자동 계산 및 시각화를 통해 순환 구조를 형성하여 과학자들이 데이터를 탐색하고 추세를 파악할 수 있도록 하는 대시보드입니다.
분석 개발의 또 다른 대시보드는 세포독성 분석, 유세포분석, 면역표현형 분석 데이터입니다. 이러한 데이터는 복잡하고 다차원적일 수 있습니다. 이 대시보드의 목표는 이러한 모든 복잡성을 신속하게 이해하는 것입니다. 이 대화형 그래프를 통해 과학자들이 세포독성 효능과 면역표현형 프로파일을 즉시 관찰할 수 있도록 했습니다. 고정된 표 대신, 다양한 실험에 걸쳐 패턴, 사진, 그리고 다양한 서비스를 확인할 수 있습니다.
JMP Live의 또 다른 멋진 기능은 고급 필터링입니다. 사용자는 메서드 실행 ID, 단순 ID 매개변수 또는 비율별로 원하는 데이터를 분리할 수 있습니다. 이 기능은 "조건 X에서 도너 A의 성능이 도너 B에 비해 어땠는가?"와 같이 매우 구체적인 질문을 할 수 있게 해 주기 때문에 매우 유용합니다. 분석 개발팀이 여러 실험에 걸쳐 추세를 시각화할 수 있다는 점도 또 다른 장점입니다. 한 번의 실행만 따로 보는 대신, 시간 경과에 따른 실험을 비교할 수 있습니다.
앞서 언급했듯이 이 대시보드에는 여러 가지 이점이 있으며 스크립팅을 통해 이 대시보드는 복잡하고 매우 고차원적인 데이터를 매우 실행 가능한 통찰력으로 전환하여 팀과 과학자가 자가 효능이나 표현형 행동에 대한 중요한 질문에 신속하게 답할 수 있도록 돕습니다.
이 스크립트를 통해 시도한 데이터 품질에 대해 말씀드리자면, 세포 치료 및 분석 개발 모두에서 신뢰할 수 있는 결정을 내리려면 고품질 데이터가 필수적입니다. 단순히 데이터를 처리하고 시각화하는 것만으로는 충분하지 않습니다. 데이터의 정확성도 확인해야 합니다. 과학자들이 결과를 분석하는 데 사용하는 표에는 품질 검사도 포함되어 있습니다. 이러한 검사를 통해 주요 지표를 기준값이나 장치 출력값과 비교하여 검증합니다.
예를 들어, 샘플 ID에 대한 데이터 품질 검사를 수행합니다. 과학자가 장치에 샘플 ID를 올바르게 입력하는지 확인해야 합니다. 샘플 ID는 데이터베이스 테이블에도 저장되기 때문입니다. 또한, 생존율도 확인하여 세포 계수기 평균의 2% 이내인지 확인합니다. 또한, 생존 세포 계수의 경우, 출력 볼륨과 비교하여 불일치를 감지합니다.
이러한 데이터 품질 체크포인트의 또 다른 장점은 과학자들이 잠재적인 오타, 불일치 또는 누락된 데이터를 즉시 파악할 수 있다는 것입니다. 과학자들은 수정이 필요한 부분을 정확히 파악하고 데이터 팀에 변경을 요청하거나, 데이터 팀에서 직접 처리할 수 있는 부분이 있다면 직접 변경 작업을 진행할 수 있습니다.
모든 계산이 올바르게 수행되고 스크립트가 올바른 샘플 ID에서 값을 실제로 호출하는지 확인하고 싶습니다. 이 기능은 JMP Live 데이터 흐름에 포함하면 매우 유용합니다. 투명성이 장점 중 하나이기 때문입니다. 과학자들은 단순히 문제가 어디에 있는지 알려주는 것이 아니라, 불일치가 어디에 있는지 정확히 파악할 수 있습니다.
또한, 수정 속도도 중요합니다. 눈에 띄는 오류는 초기에 매우 빠르게 수정되어 후속 오류를 방지할 수 있습니다. 또한, 샘플 ID가 30개 정도로 많은 경우, 실험실에서 입력된 작은 오타를 파악하는 데 더 많은 시간과 노력이 필요합니다.
아주 작은 오타, 예를 들어 한 글자만 틀려도 스크립트가 가장 정확한 수치를 제공하지 못할 수 있습니다. 이 데이터 품질 스크립트를 통해 대시보드를 통해 결론을 도출하기 전에 모든 데이터를 파악하고 수정하려고 합니다. 본질적으로 저희의 목표는 이러한 품질 관리 스크립트를 만들어 별도의 단계가 아닌 과학자 워크플로의 일부로 포함하는 것이었습니다. 이러한 모든 QC 검사를 JMP 작업에 통합함으로써 오류를 더 쉽게 포착하고 이해하고 수정하는 동시에 정리되고 실행 가능한 데이터에 대한 실시간 액세스를 제공할 수 있습니다. 또한 변화하는 문화이기도 합니다. 데이터 테이블, 새로운 시스템, 새로운 장치에 더 많이 의존하고 있습니다. 과학자들이 이러한 새로운 작업 방식으로의 전환을 잘 헤쳐나갈 수 있도록 돕는 것은 매우 중요합니다.
JMP Live를 관계형 데이터베이스와 통합하여 자동화되고 추적 가능하며 확장 가능한 데이터 파이프라인을 구축했습니다. 이를 통해 수동 작업을 줄이고 실시간 인사이트를 확보하며 연구 및 제품 개발을 가속화할 수 있습니다. 앞으로는 설명형 대시보드 관점에서 의사 결정 지원도 예측하고자 시스템을 더욱 스마트하게 만들기 위해 머신러닝 기반의 예측 분석을 모색했습니다.
궁극적인 비전은 데이터가 과학자들에게 정보를 제공할 뿐만 아니라, 그들의 요구를 예측하고 실험의 다음 단계로 나아가도록 안내하는 미래입니다. 여기서 일어나고 있는 일은 단순한 내부 효율성 프로젝트가 아니라, 디지털 플랫폼, 자동화, 데이터 과학을 수용하여 환자 치료를 가속화하는 제약 업계 전반의 더 큰 흐름의 일환입니다.
이 여정에서 저와 함께해 주신 다케다의 동료들에게 감사의 말씀을 전하고 싶습니다. 또한, 이 여정을 가능하게 해 준 도구를 제공해 주신 JMP 팀에도 감사드립니다. Discovery Summit에 참석해 주시고 관심과 호기심을 가져주신 모든 분들께 감사드립니다. 자동화와 디지털화가 과학 연구 방식을 어떻게 변화시키고 있는지에 대한 저희의 이야기를 나눌 수 있어 영광이었습니다. 감사합니다.
