19강 / 20강

실습 종합 — 파이프라인 열넷에 점수를 매긴다

1~18강에서 만든 기준을 한 표로 · 점수는 이 강의가 매긴 값이며 회사의 평가가 아닙니다

열여덟 강 동안 기준이 하나씩 나왔습니다. 모아 보면 다섯 축입니다.

축	묻는 것	어느 강
근거	끄면 죽는다는 증거가 얼마나 단단한가. 사람에게서도 확인됐나?	8 · 10 · 18
선별	이 약이 들을 환자를 검사로 고를 수 있나?	4 · 11 · 13
치료 창	정상 조직이 이것 없이 견디나? 녹아웃 개체가 사나?	3 · 10 · 13
화학	선택적으로 막을 수 있나? 형제가 몇인가?	3 · 14 · 16
새로움	남이 이미 하고 있나? 하고 있다면 왜 우리가 더 잘할까?	5 · 16

고등학생점수를 매긴다는 것

14개 프로그램을 나란히 놓고 점수를 매겨 봅니다. 목적은 순위를 정하는 게 아니라, 어떤 항목에서 강하고 약한지를 보이는 것입니다.

채점 항목	묻는 것	근거 강
인과 증거	막으면 정말 좋아지나	18강 ②
약물화 가능성	붙을 홈이 있나	3강
선택성	그것만 때릴 수 있나	14·16강
치료 창	안전한 용량에서 듣나	3·13강
환자 선별	누구에게 쓸지 판정 가능한가	8·10·11강
선례	같은 표적에 약이 있나	6·16강

가중치가 전부 1일 때의 줄입니다. 이제 다르게 보면 어떻게 되는지 봅시다.

Python 브라우저에서 실행

# 다섯 축 점수 (1~5). 이 강의가 공개 문헌을 보고 매긴 값이며 정답이 아닙니다.
import pandas as pd

COLS = ["근거", "선별", "치료창", "화학", "새로움"]
S = {
 "TNIK":     [2, 1, 3, 4, 5],
 "3CLPro":   [5, 5, 5, 4, 1],
 "PHD":      [5, 2, 3, 4, 2],
 "QPCTL":    [3, 2, 4, 3, 5],
 "USP1":     [4, 5, 4, 2, 4],
 "MAT2A":    [4, 5, 4, 3, 3],
 "KAT6":     [4, 3, 3, 3, 4],
 "ENPP1":    [3, 2, 4, 3, 4],
 "DGKA":     [3, 1, 3, 2, 4],
 "CDK12":    [3, 1, 1, 2, 4],
 "TEAD":     [4, 4, 2, 3, 4],
 "FGFR2/3":  [5, 5, 4, 2, 1],
 "KIF18A":   [4, 3, 5, 3, 5],
 "WRN":      [5, 5, 4, 2, 5],
}
df = pd.DataFrame(S, index=COLS).T

W = {"근거": 1.0, "선별": 1.0, "치료창": 1.0, "화학": 1.0, "새로움": 1.0}
df["합계"] = sum(df[c] * W[c] for c in COLS)

print("모든 축을 똑같이 볼 때")
print(df.sort_values("합계", ascending=False).to_string())

고등학생점수가 하는 일과 못 하는 일

점수가 하는 일	못 하는 일
여러 프로그램을 같은 잣대로 봄	성공 여부 예측
약한 고리를 드러냄	회사 내부 자료 반영
어디를 더 확인할지 정함	임상 결과 대체
논의의 공통 언어를 줌	객관적 진실

이 점수는 이 강의가 매긴 값이며 회사의 평가가 아닙니다.

가중치를 어떻게 주느냐가 순위를 바꿉니다. "환자 선별"에 큰 가중치를 주면 WRN과 MAT2A가 올라가고, "선례"에 크게 주면 3CLPro와 FGFR가 올라가요. 어느 가중치가 맞다고 할 수 없습니다.

같은 열네 개, 같은 점수표인데 1등이 관점마다 다릅니다. 그리고 세 관점 모두에서 위에 남는 것이 몇 개 있어요 — 그런 것을 튼튼한 후보 라고 부릅니다.

Python 브라우저에서 실행

# 회사의 성격에 따라 무엇을 중요하게 보는지가 다릅니다
import pandas as pd

COLS = ["근거", "선별", "치료창", "화학", "새로움"]
S = {
 "TNIK":[2,1,3,4,5], "3CLPro":[5,5,5,4,1], "PHD":[5,2,3,4,2], "QPCTL":[3,2,4,3,5],
 "USP1":[4,5,4,2,4],  "MAT2A":[4,5,4,3,3],  "KAT6":[4,3,3,3,4], "ENPP1":[3,2,4,3,4],
 "DGKA":[3,1,3,2,4],  "CDK12":[3,1,1,2,4],  "TEAD":[4,4,2,3,4], "FGFR2/3":[5,5,4,2,1],
 "KIF18A":[4,3,5,3,5],"WRN":[5,5,4,2,5],
}
df = pd.DataFrame(S, index=COLS).T

VIEWS = {
 "안전하게 간다 (근거·창 중시)": {"근거":2.0,"선별":1.0,"치료창":2.0,"화학":1.0,"새로움":0.3},
 "새것을 노린다 (새로움 중시)":  {"근거":0.7,"선별":0.7,"치료창":1.0,"화학":0.7,"새로움":2.5},
 "임상 설계 우선 (선별 중시)":   {"근거":1.2,"선별":2.5,"치료창":1.0,"화학":0.8,"새로움":0.8},
}

for name, w in VIEWS.items():
    sc = sum(df[c] * w[c] for c in COLS)
    top = sc.sort_values(ascending=False).head(5)
    print(name)
    for k, v in top.items():
        print("    %-9s %.1f" % (k, v))
    print()

print("세 관점 모두에서 상위 5위 안에 든 표적:")
sets = [set(sum(df[c] * w[c] for c in COLS).sort_values(ascending=False).head(5).index)
        for w in VIEWS.values()]
print("   ", ", ".join(sorted(set.intersection(*sets))) or "(없음)")

고등학생논리별로 점수의 모양이 다르다

논리	강한 항목	약한 항목
⑤ 병원체 (3CLPro)	선택성, 선례	내성, 시장 변동
③ 합성치사 (WRN·MAT2A)	치료 창, 환자 선별	선례 없음
③ 유도형 (CDK12)	대상 폭	치료 창, 선택성
④ 중독 (FGFR2/3)	인과 증거, 선례	내성, 형제 선택성
② 회로 (PHD)	기전 명확, 선례	온몸 부작용
⑥ 면역	지속 반응 가능성	환자 선별, 동물모델
① 자료 (TNIK)	새로움	기전 설명, 선례

이 표가 4강의 논리 표와 짝을 이룹니다. 논리를 알면 점수의 모양이 예측돼요 — 그리고 예측과 다르면 그 프로그램에 특별한 사정이 있다는 뜻입니다.

위젯을 몇 번 돌려 보면 세 무리가 보입니다.

🪨

어떻게 봐도 위

WRN 같은 것. 근거도 있고 검사도 쉽고 새롭기까지 합니다. 대신 남들도 다 하고 있어요.

🎲

가중치로 뒤집히는 것

TNIK·CDK12 같은 것. 새로움에 크게 걸면 위로 오고, 근거·창에 걸면 아래로 갑니다. 회사의 성격이 그대로 드러나는 자리예요.

🧱

안전하지만 붐비는 것

FGFR2/3·3CLPro. 표적은 이미 증명됐습니다. 승부는 화학과 속도에서 납니다.

파이프라인 열넷이 이 세 무리에 골고루 흩어져 있다는 점을 보세요. 전부 새것만 걸면 하나도 안 될 수 있고, 전부 안전한 것만 하면 남과 똑같아집니다. 포트폴리오를 짠다 는 말이 이 뜻이에요.

고등학생손으로 채점해 보는 이유

남이 만든 점수표를 보는 것과 직접 채점하는 것은 다릅니다.

보기만 하면	직접 하면
왜 그 점수인지 모름	근거를 하나씩 찾게 됨
가중치를 못 바꿈	내 목적에 맞게 조정
빠진 항목을 못 알아챔	"이건 어디에 넣지?"를 만남
새 프로그램에 적용 못 함	절차가 손에 익음

이 강의의 목적은 이 14개를 아는 것이 아니라, 15번째를 만났을 때 스스로 읽는 것입니다.

🤔 확인 문제

같은 점수표인데 가중치를 바꾸면 1등이 달라지는 것이 뜻하는 바는?

🤔 확인 문제

'어떤 가중치를 줘도 상위에 남는 표적' 이 가진 실제적인 약점은 무엇입니까?