의료 AI 관련주 옥석 가리기 노하우, 고객이 누구냐가 핵심

※ 감수인 의견 조금 전에 게시한, 루닛 보고서와 같이 읽으면 좋을 듯 합니다. 우연히 거의 같은 시기에 올려 주셨습니다. (이 글 자체로는 감정적인 어휘가 섞여 있고, 투자를 판단하기 위한 알맹이가 조금 아쉽습니다. 죄송합니다. 하지만 루닛리포트와 같이 읽으면 콜라보가 찰떡이라고 생각합니다. 글 올려 주셔서 감사 드립니다.) 독자께서는 본 보고서를 읽으신 후, 링크 보고서를 읽으시는 게 이해의 편의를 돕습니다. 내러티브 흐름이 자연스럽게 연결됩니다. AI의료기업 루닛 : ChatGPT가 촉발한 AI의료의 찬란한 미래를 엿보다 by 알파카이코노미아 *앱을 설치하시면, 구독하시는 크리에이터에 대한 새글 알림을 받아보실 수 있습니다.  '오렌지보드' 로 검색하셔서 설치 부탁 드립니다. 지속 개선 중! by 알파카이코노미아

 

약간 유행이 지났지만, 

약간 유행이 지났기 때문에 더 위험하고, 더 조심하셔야 할 것 같아서 기고하는 글입니다. 

챗GPT 이후 우리 증시에 AI 관련주 광풍이 불었고, 

그 여파로 의료 AI 관련 기업의 주가에도 역시 훈풍이 불었습니다. 

다만 모르겠습니다. 

저는 개인적으로 의료 AI 관련주는 챗GPT발 AI 열풍에 어울리지 않는 영역이라 생각하기도 하고, 

의료 AI 기업, 특히 국내 의료 AI 기업 중 사업화 성공 가능성을 가진 기업은 매우 제한적이라고 봅니다. 

 

 

국내 의료 AI 관련주라 하면 ① 의료 영상 AI 분석 기업 ② AI 신약 개발 기업 정도로 요약 가능한데요. 

의료 영상 AI 기업은 쉽게 말해 MRI, X-Ray 등 의료 영상에서 암 등 병변을 AI가 잡아내어 의료진의 진단에 도움을 준다는 솔루션이고, 

AI 신약개발 기업은 특정 질환을 잡을 수 있는 화합물 조합을 AI가 찾아주는 서비스를 메인으로 하고 있다고 이해하심 되는데요.

 

일단, 국내 의료 AI 관련주가 챗 GPT발 AI 열풍에 어울리지 않는 영역이라 생각하는 이유를 말씀 드리면, 

우리 의료 AI 관련 기업/종목들은 

ⓐ 관련 AI 기술이 이미 성숙 단계에 진입했거나 

ⓑ 관련 AI 기술을 글로벌 선도 업체 수준으로 성숙시킬 수 없거나 

둘 중 하나입니다. 

그니깐, ⓐ에 해당하는 기업들은 이미 AI 기술이 완성 단계에 도달한 상태이기 때문에 

챗GPT가 주는 'AI 기술의 발전 가능성, 찬란함'이 적용될 수 없기 때문에 AI 열풍에 탑승할 수 없고 

ⓑ에 해당하는 기업이야 뭐, 아무리 AI 기술이 발달해도 극복할 수 없는 한계가 명확하고 뚜렷하게 존재한단 겁니다. 

 

 

 

① 의료 영상 AI 분석 기업이 해당하는 카테고리는 ⓐ 입니다. 

여기는 이미 기술적 완성도가 성숙 단계에 진입했다고 볼 수 있는 상태입니다. 

이들의 AI 모델이 어떤 방식으로 개발되는지 설명을 드리면 이해하시기 편할 텐데요. 

 

의료 영상 AI 업체들의 1번 Task는 '병변이 있는 의료 이미지 모으기' 입니다. 

위 사진은 위키피디아에 떠돌아 다니는 뇌 MRI 사진인데요. 

일단 AI 모델 고도화를 위해서는 AI가 학습할 데이터 확보가 먼저거든요. 

의료 영상 AI를 만들고 싶은 기업들은, 일단 환자들의 의료 영상 데이터를 모읍니다.

뇌 MRI 사진 붙인 김에 뇌암을 예로 설명 드려 보죠. 

뇌 MRI를 통해 뇌암을 진단하는 AI를 만들고 싶은 기업은 일단 국내 종합병원에 가서 '뇌암 MRI 데이터 모으는 임상'을 진행합니다. 

어려운 임상이 아닙니다. 

촬영만 하는 임상이고, 피험자도 데이터 제공이 찜찜하긴 해도

어쨌든 MRI를 무료로 찍을 수 있으니 다른 약물 임상에 비해 환자 모집도 어렵지 않습니다. 

 

이렇게 뇌 MRI 데이터를 모은 다음에는, 

회사 AI 연구원들이 모두 모여 뇌 MRI에 있는 암 병변에 dot(점)를 찍습니다. 

뇌 MRI 사진만 모으면 뭐하나요, 병변이 어디인지 표시를 해줘야 AI가 보고 배울 것 아니겠어요. 

사내 AI 연구원들이 모두 모여 점을 찍는 속칭 노가다를 진행하고, 의료진의 검수를 받습니다. 

 

이렇게, 생(生) MRI 데이터가 연구원의 노가다로 '학습 가능하게 처리'되고 

그 데이터를 AI 모델 고도화에 쏟습니다. 

정제되고, 표준화된 데이터를 AI가 학습하고,

그 패턴을 익혀 이제 뇌 MRI 데이터를 넣으면 어느 병변이 암인지 AI가 표시해주는 모델이 탄생하게 되는 건데요. 

 

뇌 MRI 사진 보여드리다가 폐 X-ray 사진 보여드려서 뻘쭘하긴 한데, 

이런 식으로 의료 이미지를 넣으면 병변이 표시가 된다는 겁니다. 

 

 

 

 

AI의 진단 역량은 이미 의료진의 그것을 넘어선 상태라는 연구 결과가 여기 저기서 나오고 있습니다.

의료 AI와 전문의간 진단 정확도 비교 연구 결과가 게재된 사이언티픽 리포트(Scientific Reports)에 따르면
(doi.org/10.1038/s41598-022-06018-9)

X-Ray 사진 2,300여 장에 대해 전문의 5명과 AI가 골절 여부 진단 정확도 대결(?) 결과 

전문의는 78%의 Accuracy를 시현한 데 반해 AI는 인간보다 19%p 높은 92%의 Accuracy를 보였다고 합니다. 

심지어 이 AI 모델, 상용화된 모델도 아니고 그냥 영국 베스대학교(University of Bath)에서 연구용으로 개발한 모델이라 해요. 

이런 모델도 이정도 퍼포먼스를 내고 있는 영역입니다. 

진단 만큼은 이미 기술적 성숙도가 완성 단계에 와있습니다. 

AI 기술이 추가적으로 진일보한다 해도 특별한 뭔가가 생기기 어렵습니다. 

물론 뭐, 발병 진단 → 예후 진단 등으로의 발전도 생각해볼 수는 있습니다만,

예후 진단은 데이터가 없으니(병이 걸린 사람의 데이터와 병이 걸린 사람의 걸리기 전 데이터가 필요)

기술이 발전으로 극복이 가능한 영역이 아닙니다. 

그러하다 보니... 사실 'AI 기술의 발달/활용'의 기대감이 적용되기 어려운 영역이란 겁니다. 

이미 완성 됐거든요. 

 

 

 

②번으로 소개드린 신약개발 AI는 ⓑ에 해당합니다. 

의료 영상 AI 때 말씀 드렸던 것처럼, AI 모델 고도화를 위해서는 양질의 정제된 데이터가 필요합니다. 

다만 애석하게도, 대한민국에는 신약 개발 AI가 학습할 만한 양질의 데이터가 없습니다. 

양도 없고, 질도 떨어집니다. 

그럴 수밖에 없습니다. 

 

글로벌 선도 기업들의 AI 신약개발 모델들이 포지셔닝한 그림을 보면 대충 이렇다고 합니다.

[X축]

신약 연구의 특정 영역에서만 AI를 적용할 수도 있고, 시작부터 끝까지 AI를 적용할 수도 있는 것 같고

[Y축]

기초연구 지원 / 전임상 물질 도출 / 임상 후보물질 도출까지도 할 수 있나봅니다.

​

새로운 약물을 발굴하는 과정이

연구자의 Trial & Error 방식으로 진행된다고 하던데,

AI를 적용하여 Trial & Error의 비효율을 개선하겠다는 건데요.

일리가 있어 보이죠.

근데 국내 업체는... 어렵다는 거에요. 저런 로드맵을 그린다는 것 자체가 어렵습니다.

 

 

 

 

모든 AI 신약개발 업체의 로직은 대부분 이러합니다.

'데이터들을 때려넣으면 AI가 최적의 약물 후보군을 추천해 준다'

여기에 바로 이 질문을 붙이면 거의들 꿀먹은 벙어리가 됩니다.

'AI가 어떤 로직으로 약물을 추천해 주는 겁니까?'

​

AI가 어떤 기준으로 물질을 추천해 주는지 자기들도 모른답니다.

AI가 스스로 데이터를 학습해서 결과를 내는 과정을

속칭 'Black Box'라 하면서

일단 넣으면 뭐든 나온다고 말합니다.

근데 왜 그게 나온지는 모른대요.

어떤 이유로 추천해주는지 모르는 추천을 받았어요.

신뢰가 가나요?

저는 납득이 가지 않습니다.

 

신약 연구는, 저는 잘 모르지만, 구구단이나 근의공식처럼 정형화된 형태로 이뤄지지 않을 겁니다.

각 기업마다, 심지어 연구원 개개인마다 그 업무 형태와 자신의 연구 결과를 정리하는 방식이 다 다를 수도 있어요.

그간 바이오/제약 연구 과정에

'나중에 AI 적용할 수도 있으니 연구 데이터를 표준화 해야해' 라는 과정이 들어간 적이 있을까요.

없겠죠.

긴 긴 시간 축적된 비정형화된 데이터를 어떻게 정리해서 맞추나요.

심지어 AI 신약개발 업체의 Domain 지식은 IT 쪽인 경우가 상당수 입니다.

IT 전문가들이 신약 연구 데이터를 어떻게 만지나요.

어렵죠.

 

 

 

사실 데이터 정제까지 갈 필요도 없습니다.

자, 그들의 주장을 다시 한 번 보시죠.

'데이터들을 때려넣으면 AI가 최적의 약물 후보군을 추천해 준다'

자, 과연 AI 신약개발 업체들 중

신약개발 관련 데이터를 가진 곳이 있기나 할까요?

당연히 없겠죠. 앞서 언급했듯 대부분 업체의 Domain 지식은 IT 쪽이거든요.

데이터가 있어야 뭘 하든 말든 할텐데 말이죠.

없어요.

못해요.

​

 

 

자, 또 100번 양보해 보지요.

데이터도 있고, 심지어 잘 정제되어 있으며 블랙박스 로직도 설명이 됐다고 쳐요.

그래서 AI가 어떤 질환에 대해 후보물질을 추천해 주었어요.

자, 그럼 바로 약이 되나요?

절대 아니죠.

추천해준 구조대로 물질을 합성해서, 동물실험 등 테스트를 해봐야 합니다.

네, 아무리 AI 신약 발굴 업체라도

전통적인 형태의 제약/바이오 실험실이 꼭 있어야 해요.

근데 AI 신약 발굴 업체들에게 그런 게 있나요?

없죠.

물론, 외부 연구소에 그 물질 합성을 위탁하고, 동물실험을 의뢰할 순 있어요.

그치만 IT 베이스의 AI 신약 발굴 기업이

동물실험 데이터를 해석하고

이 물질이 진짜 의미있는 약물이 될 가능성이 있음을 판단할 능력이 있나요?

없죠.

그렇다고 이걸 다 위탁 줄 수 있을 만큼 돈이 많나요?

매출이 없는데 돈이 어딨어요.

없죠.

 

 

 

 

실제로 국내 많은 AI 신약개발 업체들은

국내 대형 제약사에 가서 '제발 저희한테 용역 맡겨 주세요, 돈 안 받을게요, 데이터만 공유해 주세요' 라는,

이상한 영업을 하고 있습니다.

영업이란 게 사실 '돈을 벌기 위함' 이어야 하는데, 돈은 커녕 '무료로 해준다' 해도 제약사들이 콜을 안하고 있거든요.

국내에서 신약 AI 모델의 고도화는 정말 멀고도 험한 이야기 입니다.

 

 

 

 

 

자 그럼 국내 의료 AI 관련주에 투자한다 했을 때,

어떻게 접근하면 그나마 '돈 되는 쪽'으로 갈 수 있느냐.

일단 AI 신약개발 업체는 거르는 게 맞다고 봅니다.

쉽지 않습니다.

(국내 상장사는 신테카바이오가 유일한 것으로 압니다)

AI 신약개발은 접어 두고, 기술적 완성도가 올라온 의료 영상/이미지 분석 AI 기업 중 골라야 하는데,

여기서도 딱 하나만 명심하면 됩니다.

 

 

말씀 드렸듯 이미 기술적 완성도가 궤도에 올라 있는 영역입니다.

누구 모델이 더 좋네, 하는 논의는 크게 필요하지 않습니다.

'비즈니스 모델'로 비교해야 합니다.

 

사실 의료 영상 AI 기업도 돈 벌기가 참 쉽지가 않습니다.

이쪽으로 노리는 업체들이 얘기하는 수익 모델은 대부분

'의료기관/의료진에 대한 AI 소프트웨어 직접 판매 및 유지보수' 입니다.

병원으로부터 돈을 받겠다는 얘긴데요.

​

조금만 생각해 보면 병원으로부터 돈 받겠다는 얘기가 참 어려운 얘기란 게 공감이 가실 겁니다.

이거 개별 의사들이 직접 사서 쓸까요?

당연히 아니죠. 병원에서 '의사들 써라' 하고 사서 뿌리는 형태일 거라는 거죠.

자, 내가 병원장 이라고 생각해 봅시다.

이런 거 없어도 의료 영상 판독에 지금껏 아무 문제 없었습니다.

근데 이걸 돈 주고 들여오고 싶을까요.

​​이거 하나 둔다고, 영상의학과 의사 싹 대체할 수 있을까요?

아마 없을거에요. 진단 '보조' 장치니깐요.

​

그렇다고 환자한테 'AI 영상 판독 서비스 제공해 드릴 테니 돈 내실래요?' 할 수 있나요.

AI 의료영상 분석에 대한 보험 수가가 적용되는 것도 아니고,

적용 되더라도, 저는 굳이 '네' 안할 것 같아요.

'AI 말고 선생님이 해주세요' 라고 할 것 같아요.

​

병원 입장에서 얻을 수 있는 편익이 없습니다.

그냥 주면 쓸 수도 있습니다만,

돈 주고 쓸 이유가 없습니다.

 

그렇다면 의사들이 병원장에게

'이 AI 모델 제발 좀 들여와 주세요' 라고 호소한다면 또 모르겠습니다.

근데 그렇지가 않습니다.

의사들은 더더더더더더더 싫어합니다.

​

영상의학과 의사 입장에서 생각해 보세요.

'이거 들여왔다가 내 자리 없어지면 어떻하지' 싶은 생각.

안할까요? 당연히 하겠죠.

​

​이런 서비스들,

처음에는 과감하게 '영상의학과 대체' 얘기 하다가

의료진들이 '야 그럼 나랑 맞장 뜨자는거냐' 하니까

슬그머니 그 포지션을 '진료 보완'으로 한 톤 낮춥니다.

​

이게 현실입니다.

병원장 입장에서도 편익을 못 느끼고,

의료진도 썩 달가워 하지 않는다는 겁니다.

 

 

 

그렇다고 이 비용을 환자에게 전가할 수 있냐.

그것도 아닙니다.

병원에서 'AI로 진단하면 비용이 더 나오긴 하는데 더 정확해요, 쓰실래요?' 하면 환자들 대부분 이럴걸요.

'괜찮아요, 선생님이 봐주세요' 라고.

환자들이 지갑을 열 매력이 없으니,

산업의 발전을 위해서는 뭐 AI 솔루션에 대해서 보험급여를 보장해 줘야 된다느니 뭐 이런 얘기들을 하는데

보험 급여 적용 받으려면 그마만큼의 경제적 타당성을 입증하고 와야죠.

근데 그건 또 못 하니 말입니다.

 

 

근데 루닛은 다릅니다.

'돈 낼 의지가 있는' 고객을 찾아내고, 그걸 공략하고 있습니다.

일반적 AI 솔루션 업체들이 병원/의료진/환자에게 비용을 청구하고 있는데

루닛은 시원하게 초대형 의료기기 메이커에 접근합니다.

필립스, GE의 영상장비에 루닛의 솔루션을 탑재시키고,

글로벌 메이커에게 솔루션 탑재에 대한 가격표를 메기는 형태의 수익 모델을 구축하고 있습니다.

 

 

 

돈을 지불하는 고객이 '글로벌 영상기기 메이커'로 확실하다 보니

디지털 헬스케어 업체로는 매우 특이하게,

'얼마 팔 수 있을 거다' 라는 얘기를 나름 논리적 구조를 따라, 고객의 지불 능력에 맞춰서 설명하고 있습니다.

2021년, 루닛의 솔루션이 탑재된 제품이 200대가 나갔고, 거기서 나온 매출이 44억인 상황,

향후 루닛 솔루션이 탑재된 제품 매출의 증가분 추정과 함께 루닛의 매출을 합리적으로 추론할 수 있는 구조입니다.

고객이 확실하니 숫자 뽑기가 용이합니다.

제가 생각하는 루닛의 최대 장점은 기술력이니 뭐니 이런 부분이 아닌,

'얼만큼 벌 수 있음'을 나름 '논리적'으로 풀 수 있음에 있습니다.

 

 

 

고객 얘기한 김에, 제끼고 갔던 신약개발 AI 얘기도 해보죠.

신약개발 AI 기업은 진짜 난감합니다.

글로벌 기업 대비 우수한 역량을 갖추기가 어려우니,

결국 고객사도 글로벌 제약회사가 아닌 국내에서 라포로 뚫어야 되는데요.

사실 국내 바이오/제약 기업은 글로벌 선도 제약사들 대비 R&D에 대한 니즈가 크지 않죠.

사실 Dry Lab(AI를 통한 신약 연구)이 Wet Lab(실제 연구실)을 대체할 수는 없는 구조,

Dry Lab에 대한 고민도 'Wet Lab은 이정도면 Full Capa, 더 할 것 없을까?' 할 때 할 수 있는 고민이지

국내 제약사는 Dry Lab까지 고민할 여력이 없습니다.

지불능력도 수십 조원의 매출을 올리는 글로벌 제약사 대비 국내 제약사들은 뭐, 1/10도 안 되겠죠.

국내 AI 신약개발 업체들은 기술 개발도 어렵지만,

고객 관점에서도 사업화가 되기 어려운 환경에 있다고 볼 수 있습니다.

 

 

 

요악하면 이겁니다.

국내 의료 AI 관련 종목들은

ⓐ 이미 기술적 완성도가 완성 단계에 접어 들었거나 (의료 영상 AI)

ⓑ 기술적 완성도가 올라갈 수가 없는 구조(신약 개발 AI)이기 때문에

'AI 기술의 발전 수혜'의 기대감으로 주가가 오르는 구조가 정상적이진 않다.

 

그렇다고 의료 영상 AI면 다 투자해도 되냐, 그건 아니다.

사업화 관점에서 병원/의료진/환자 등 지갑을 열 고괙의 구매 의사가 매우 낮아서 '돈 버는' 기업이 되기 쉽지 않다.

국내에서는 병원/의료진/환자가 아닌, 대형 의료기기 메이커를 고객으로 공략하는 '루닛'이 베스트 이다.

 

 

라는 얘길 이렇게 길게 썼네요.

오늘도 긴 글 읽어 주시는 모든 분들께 감사 드립니다.