새로운 의료 시장으로의 확장: 의료 AI의 영향력 확대

의료 분야의 인공지능은 흔히 의료 영상의 이상 소견을 탐지하고, 검사 결과를 분석하며, 의사의 진단을 돕는 기술로 여겨집니다. 하지만 최근 들어 이런 활용 범위를 훨씬 뛰어넘어 의료 기술이 무엇을 해낼 수 있는지에 대한 우리의 생각에 도전하는 발전을 점점 더 많이 접하고 있습니다. 그중에는 잠재적 영향력이 의료 분야를 훨씬 넘어 우리 삶의 전혀 다른 영역에까지 미치고, 아직 존재하지 않는 새로운 기술과 비즈니스 모델, 심지어 시장까지 만들어 낼 만큼 야심 찬 시도도 있습니다.

희귀 질환이 의료 스타트업에 매력적인 분야가 되는 이유

최근 제가 주목해 온 가장 흥미로운 분야 중 하나는 신약 발굴입니다. 계산 기법과 인공지능을 활용해 새로운 약물 화합물을 찾고 개발하는 분야죠. DeepMind의 AlphaFold 연구는 이 분야의 발전에 크게 기여했습니다. 예측된 단백질 구조를 2억 개 넘게 담은 데이터베이스는 연구자들이 잠재적인 분자 상호작용을 살펴볼 수 있는 풍부한 정보를 제공했으며, 특정 질환을 겨냥하는 스타트업에도 새로운 기회를 열어 주었습니다.

특정 연령대 여성 중 일부에게만 나타나는 비교적 희귀한 질환의 치료제를 개발하려는 스타트업을 세우려는 사람이 있다고 가정해 봅시다. 첫 번째로 떠오르는 질문은 이렇습니다. 훨씬 더 흔한 질환을 공략할 수도 있는데, 왜 이렇게 시장이 제한적인 분야를 택해야 할까요? 하지만 전 세계 인구를 이처럼 구체적인 집단으로 좁히더라도 잠재 환자는 여전히 수천 명에 이를 수 있습니다. 게다가 환자가 매일 약을 10년 동안 또는 평생 복용해야 하는 치료제라면, 비교적 적은 환자 집단만으로도 상당한 시장을 형성할 수 있습니다.

상업적으로 성공할 수 있는 제약 사업을 운영하는 데 반드시 수천만 명의 고객이 필요한 것은 아닙니다. 물론 잠재 시장을 추산하는 것과 실제 매출을 올리는 것 사이에는 큰 간극이 있으며, 여기에는 연구, 임상시험, 제조, 규제 승인에 드는 비용도 포함됩니다. 그럼에도 스타트업은 충분한 관심과 치료를 받지 못하는 한 가지 질환에 집중해 전체 연구 프로그램을 구축할 수 있습니다.

예를 들어, Recursion Pharmaceuticals는 미국에 본사를 둔 생명공학 기업으로, 의료 수요가 크게 충족되지 않은 질환을 치료하기 위한 AI 기반 치료제를 개발하고 있습니다. 이 회사의 임상시험용 약물 가운데 하나인 REC-4881은 희귀 유전 질환인 가족성 선종성 용종증을 표적으로 합니다. 이 질환은 미국과 유럽 주요 5개국 전역에서 약 5만 명에게 영향을 미치는 것으로 추산됩니다. 회사는 환자에게서 비정상적인 조직 증식이 감소하는 등 임상 1b/2상 시험에서 고무적인 결과를 보고했습니다.

새로운 비즈니스 모델로 떠오르는 가상 실험실

특정 질환과 관련된 단백질을 표적으로 삼을 수 있는 분자를 찾는 일은 결코 쉽지 않습니다. 표적 단백질에 결합하거나 단백질의 활동을 바꾸거나 관련 생물학적 과정에 영향을 미치는 화합물을 찾아내려면 방대한 수의 화학 화합물을 선별해야 합니다. 중요한 것은 화학적 조성만이 아닙니다. 각 분자의 3차원 구조도 이러한 상호작용이 어떻게 일어나는지를 결정하는 데 중요한 역할을 합니다.

가능한 모든 조합을 실제 실험실에서 시험하는 것은 사실상 불가능합니다. 상당한 재원이 있더라도 그만큼 많은 실험을 수행하려면 너무 오랜 시간이 걸릴 것입니다. 이에 따라 연구 과정의 일부가 가상 환경으로 옮겨 가고 있습니다. 이곳에서는 계산 모델과 시뮬레이션을 통해 분자 상호작용을 예측하고 추가 시험에 가장 유망한 화합물을 가려낼 수 있습니다. 이런 접근법은 실험실에서 필요한 실험의 수를 줄여 주지만, 예측 결과는 여전히 실제 시험을 통해 검증해야 합니다.

이러한 기술을 중심으로 각기 다른 비즈니스 모델을 가진 스타트업 생태계가 형성되고 있습니다. 일부 기업은 분자 시뮬레이션 인프라를 구축해 제약회사와 연구팀이 이용할 수 있도록 합니다. 또 다른 기업들은 기존 도구를 활용해 자체 신약 후보 물질을 개발합니다. 하나의 기술적 진보가 시장의 여러 단계에서 비즈니스 기회를 만들어 낼 수 있음을 보여 주는 흥미로운 사례입니다. 기술이 다른 개발자들에게 가치가 있다는 점을 입증한다면, 자사 약물을 시장에 출시하지 않고도 상업적으로 성공적인 사업을 구축할 수 있습니다.

좋은 사례로 신약 발굴과 분자 설계를 위한 AI 기술을 개발하는 Isomorphic Labs를 들 수 있습니다. 이 회사는 Novartis 및 Eli Lilly와 연구 협력 관계를 맺었으며, 2025년에는 Novartis와의 협력을 확대해 추가적인 신약 발굴 프로그램까지 포함했습니다. 이는 분자를 발굴하고 설계하는 데 사용되는 기술 자체가 주요 제약회사와 협력하는 사업의 기반이 될 수 있음을 보여 줍니다.

20분 만에 만드는 맞춤형 알약

일부 스타트업은 신약 발굴이라는 아이디어를 한층 더 발전시키고 있습니다. 최근 저는 피부암 관련 기술을 개발하는 한 팀을 만났습니다. 이들은 해당 질환에 대한 유전적 소인을 찾아내고 DNA 수준에서 치료하는 방법을 모색하는 데 관심을 두고 있습니다. 광범위한 환자 집단을 위한 약물을 개발하는 대신, 개인의 유전적 특성에 맞춰 치료법을 조정할 수 있는지를 연구하고 있습니다.

창업자들은 특히 야심 찬 미래상을 그렸습니다. 병원에 가서 타액 샘플을 제공하면 기기가 DNA를 분석해 나에게 꼭 맞는 약을 만들어 내는 모습을 상상해 보세요. 그들의 구상대로라면 언젠가는 이 모든 과정에 약 20분이 걸리고 비용은 100달러에 불과할 수도 있습니다. 물론 이는 아직 실현된 의료 서비스가 아니라 기술적 포부에 불과하며, 현실로 만들려면 막대한 과학적·제조상·규제상 난관을 극복해야 합니다.

그럼에도 이런 대화를 나누다 보면 의료 분야 창업가들의 포부가 얼마나 달라지고 있는지 알 수 있습니다. 기존 진단 절차를 단순히 개선하는 데 그치지 않고, 치료법을 개발하는 과정 자체를 근본적으로 새롭게 설계할 수 있을지 질문하고 있습니다. 컴퓨팅 기술의 발전이 수십 년 동안 거의 바뀌지 않은 절차를 창업가들이 다시 고민하게 한다는 점이 무척 흥미롭습니다.

수술 로봇 스타트업은 왜 인수를 목표로 하는 경우가 많을까

컴퓨팅 기술 덕분에 소규모 팀도 신약 개발에서 방대한 가능성을 탐색할 수 있지만, 수술 로봇 분야에는 전혀 다른 차원의 자원이 필요합니다. 수술을 수행할 수 있는 시스템을 만들려면 고도화된 기계공학 기술, 정밀한 동작 제어, 광범위한 시험, 임상 환경에 대한 접근성이 필요합니다. 신뢰할 수 있는 수술 로봇 팔을 개발하는 데는 10~15년이 걸릴 수 있으며, 한 대를 설치하는 데만 수백만 달러가 들기도 합니다. 잠재 고객층도 제한적이고, 제조업체는 수년간 유지보수와 기술 지원을 제공해야 합니다. 따라서 소규모 스타트업에 수술 로봇 사업은 유난히 복잡하고 자본 집약적인 분야입니다.

그래서 일부 팀은 대형 의료기술 기업에 최종적으로 인수되는 것을 염두에 두고 전략을 세웁니다. 이들의 목표는 설득력 있는 기술 개념을 개발하고 그 잠재력을 입증하는 것입니다. 예를 들어 스타트업은 의료용 마네킹을 대상으로 특정 수술을 수행할 수 있는 로봇 팔 시제품을 만들 수 있습니다. 실제 환자에게 적용하기에는 아직 갈 길이 먼 기술이더라도 말입니다. 한편 팀은 투자자들과 적극적으로 소통하고 업계 콘퍼런스에 참석하며 잠재적 기업 인수자들과 관계를 쌓습니다. 의료 행사 업무를 하며 저희가 자주 목격하는 사례를 Scryon에서도 찾아볼 수 있습니다. 요컨대 이들은 기술이 완제품이 되기 전에 그 가능성을 판매하려는 것입니다.

처음에는 이런 접근 방식이 다소 이상하게 느껴졌습니다. 직접 시장에 내놓을 생각이 없다면 왜 의료 장비를 개발할까요? 하지만 여기에는 사업상의 논리가 있습니다. 소규모 팀에는 유능한 엔지니어와 유망한 아이디어가 있을 수 있지만, 수년간의 시험을 진행하고 병원에 접근하며 대규모로 제조하는 데 필요한 자원은 부족할 수 있습니다. 대기업은 스타트업을 비교적 초기 단계에 인수함으로써 그런 기반을 제공할 수 있습니다.

이 전략은 소규모 팀과 대기업이 서로의 강점을 보완할 수 있음을 보여 줍니다. 한쪽은 새로운 아이디어를 개발하고 시험하는 데 집중하고, 다른 쪽은 이를 실제로 활용할 수 있는 의료 제품으로 만드는 데 필요한 자원을 갖추고 있습니다. 또한 기업의 규모가 그 기술 개발에 수반되는 작업의 복잡성을 반드시 반영하는 것은 아닙니다. 

Keymakr에서 진행한 프로젝트를 통해 저는 이를 직접 확인했습니다, 그곳에서 우리는 소규모 스타트업부터 세계 유수의 의료기기 제조업체 중 한 곳에 이르기까지 다양한 개발자와 협력해 왔습니다. 회사 규모와 관계없이, 이러한 프로젝트에는 알고리즘을 정교화하고 의료 데이터 세트를 준비하며 임상 요건에 비추어 주석의 정확성을 검증하는 세심한 작업이 수반됩니다. 

처음의 아이디어를 넘어

특정 생물학적 메커니즘을 연구하는 기업이 언젠가는 전혀 관련 없어 보이는 산업을 혁신하는 기술을 개발할 수도 있습니다. 이는 기대 수명의 획기적인 연장과 우리가 아는 사회의 완전한 변화에 이르기까지 광범위한 영향을 미칠 수 있습니다.

오늘날 의료 스타트업에서 가장 흥미롭게 느끼는 점도 아마 이것일 것입니다. AI의 도움으로 소규모 팀은 얼마 전까지만 해도 대기업의 자원이 필요했을 문제에 도전하고 있으며, 종종 예상치 못한 방식으로 접근합니다. 이런 아이디어 중 상당수는 실제로 구현되지 못하겠지만, 창업가들이 성공적인 기술이 궁극적으로 얼마나 큰 시장을 만들어 낼지 미리 알 필요는 없습니다. 때로는 원래의 과학적 난제를 해결한 뒤에야 가장 흥미로운 기회가 모습을 드러냅니다.