의료AI에 대해서 시장에서 가장 궁금해하는 5가지 질문
■의료 인공지능은 의료영상 분석 영역에서 빠르게 실체화되고 있음
■Analyst’s Insight (1): 의료 AI는 전문의를 대체할 수 있을까?
■ Analyst’s Insight (2): 기존 의료 AI 개발사는 경쟁력을 유지할 수 있나?
■ Analyst’s Insight (3): 병원은 실제로 의료 AI를 필요로 할까?
■Analyst’s Insight (4): 병원의 순응률을 어떻게 높일 것인가?
■ Analyst’s Insight (5): 의료 인공지능 관련 투자 기회는?

방사선 의료기기 전시회에 등장한 인공지능: 본격적인 임상적용단계로 확장 중
- 지난 11월 26일부터 12월 1일까지 미국 시카고에서 세계 최대 규모의 방사선(X-Ray, CT, MRI등) 의료기기 전시회인 RSNA(Radiological Society of North America)가 개최됨. 2017년
RSNA에서 가장 인상적인 점은 가장 주목받은 전시가 인공지능(머신러닝)이었다는 점임. 인공지능의 활용도가 가장 높을 것으로 기대되는 영역 중 하나가 방사선관련 의료 영상 분석임. 적어도 방사선 의료기기에서는 인공지능이 Main Stream 중 하나임을 확인할 수 있었음.
- 2017년 RSNA에는 머신러닝 기업들이 대거 참여함. 2017년 RSNA에서는 역대 최초로 머신러닝관련 전시공간(Pavillion)이 마련되었으며, 참가업체 검색 필터에 머신러닝(Machine Learning/CAD Systems) 카테고리가 추가됨. 전체 731개 참여 업체 중 머신러닝 관련 기업은 총 48개(표. 1 참조)임.
- 2017년 RSNA에서는 의료 인공지능 솔루션을 구제적으로 공개한 기업들도 등장함. 의료 AI는 연구개발 단계에서 본격적으로 임상적용단계에 진입하며 실체화되고 있음. 현재까지 세계적으로 임상용도로 상용화된 인공지능 영상분석 솔루션은 아직 없는 상황. 대부분 기술개발 중이거나 규제기관 인허가 과정을 진행하고 있음. 그러나 현재 추세를 고려할 때 2018년에는 의료기기 인증을받는 업체가 나올 가능성도 매우 높아진 상황임.
- 이러한 관점에서 영상분석 솔루션을 중심으로 의료 AI를 설명할 때, 자주 받았던 질문들과 이슈들에 대해 정리해보고자 함(특별한 설명이 없으면 의료 인공지능은 영상분석 솔루션을 의미함).

Analyst’s Insight (1): 의료 AI는 전문의를 대체할 수 있을까?
- 인공지능을 논의할 때 항상 빠지지 않은 주제가 사람을 대체할 수 있느냐는 것임. 장기적으로 보면 인간을 대체할 가능성은 존재함. 하지만 인공지능이 적어도 의료영역에서 인간 전문의를 빠르게 대체하는 것은 어려워 보임.
- 중단기적으로 의료 인공지능은 인간을 대체(Artificial Intelligence)하기보다 강화 (Augmented Intelligence)하는 방향으로 나아갈 가능성이 크다고 판단됨. 즉, 임상의사에 의한 의료영상의 판독에 인공지능을 이용한 진단소견을 보완(Second-Opinion or Double-Reading)하여 인간의 진단능력을 강화시키는 것임.
- 가장 큰 이유는 인간을 대체하는 것보다 강화하는 방향이 의료 인공지능을 사업화하는데 유리하기때문임. 의료영역은 대표적인 규제산업임. 인공지능으로 사업을 하기 위해서는 가장 먼저 국가별로 의료기기로 인정을 받아야 함. 의료기기로 인정을 받지 못하면 연구목적이나 테스트용도로 밖에 사용할 수 없음.

- IBM의 왓슨도 대부분의 국가에서 의료기기로 인정받고 있지 않음. 아직 국내에서도 의료 인공지능이 의료기기로 인정받은 사례는 없음. 따라서 인공지능이 제도권으로 편입될 때는 보수적이며 점진적인 방법이 될 가능성이 높음. 따라서 인공지능 사업자 입장에서 인공지능을 인간의 진단보조도구로써 포지셔닝하는 것이 인간을 대체하는 것보다 의료기기로 허가를 받을 가능성이 높음.
- 세계적으로 의료 인공지능을 어떻게 규정하고 규제할 것인가에 대한 고민하고 있음. 이 부분에 있어서는 우리나라가 앞서나가는 편임. 우리나라는 지난 2017년 11월 세계 최초로 의료 인공지능 의료기기 허가에 대한 가이드라인을 발표함.
- 의료 인공지능이 의료기기로 판단되기 위한 기준은 사용목적과 위해도임. ① 사용목적: 의료SW가 의료인의 임상적 판단을 보장할 수 있는가? ② 위해도: 의료 SW가 의도한 대로 작동하지 않을 때 환자에게 위해를 끼칠 가능성이 있는가? 또한, 의료 인공지능 의료기기는 자체적으로 학습하여 성능이 변경될 수 있다는 점을 고려하여, 의료기기 설계 변경 없이 학습 데이터 추가로 인하여 정확도가 향상되는 경우는 변경 허가 및 인증 절차를 면제하기로 함.
- 이러한 기준에 고려할 때, 의료기기로 인정을 받을 수 있는 의료 인공지능은 질병을 진단하거나 예측하는 임상결정지원(Clinical Decision Supporting, CDS) SW나 의료영상 진단보조(Computer Aided Diagnosis, CAD) 등이 해당될 수 있음(표. 4 참조). 결국 인공지능이 인간의료행위를 보조하여 임상적으로 의미가 발생할 때 의료기기로 인정해주겠다는 의미임.
- 미국도 지난 12월 8일 의료 SW(Software As a Medical Device)에 대한 가이드라인과 임상결정지원(Clinical And Patient Decision Support Software)에 대한 가이드라인 초안을 발표하였음. 미국에서도 인공지능의 임상 보조 역할에 주목하고 있음.

- 의료기기 상용화 가능성이 높은 국내 의료 인공지능업체들의 사업모델도 대부분 국내 가이드라인에 부합함. 대표적인 기업으로 루닛, 뷰노, 제이케이엘인스펙션 등이 있음.
- 특히, 국내의 대표적인 의료 인공지능 솔루션 개발업체인 루닛은 2017년 RSNA에서 자사의 인공지능 솔루션(Lunit Insight)을 공개함. 루닛은 세계적인 AI 기술을 보유한 기업으로 세계 100대 AI기업으로도 꼽히고 있음. 동사는 X-Ray 영상을 바탕으로 병변 의심 부위를 색깔로 표시해주는 솔루션을 개발하고 있음. 동사의 파이프라인 중 폐질환 솔루션이 공개됨.
- 루닛은 자사 솔루션의 활용도를 이야기하면서 아래와 같은 이야기를 언급함. 미국에서 수행된 대규모의 폐암관련 임상시험인 National Lung Screening Trial(NLST)에 따르면 폐암환자의26.5%가 X-Ray 검사에서 누락된다고 함. 매년 세계적으로 약 10억건의 X-Ray 검사가 수행되는데, 누락율을 10%까지 줄이면 상당한 임상적 이점이 발생할 수 있다는 것임. 결국 루닛의 마케팅 포인트도 인간을 대체하는 것이 아니라 인간의 진단능력을 향상시키는 데에 집중하고 있음.
- 동사의 솔루션은 탐색 임상 결과, 흉부전문의보다 폐 결절(Nodule)을 찾는데 있어 높은 성능을 보여주기도 함. 더 인상적인 점은 Lunit Insight를 활용할 경우 일반 영상의학전문의나 일반의가 흉부전문의 수준으로 진단능력이 상승될 수 있는 가능성을 확인할 수 있다는 것임. 서울대병원과의 임상결과, 비 흉부전문의(일반의나 영상의학전문의)가 폐결절 판독할 때 정확도(JAFROC)가 최대 20%까지 향상되었음.
- 동사의 다음 파이프라인은 유방암 진단 솔루션임. 유방암 진단에는 유방촬영술이 기본적으로 활용됨. 영상분석에 CAD가 이용되기도 하지만, 위양성이 많아서 미국에서 사용이 덜해지고 있음.
또한, 아시아인은 유방밀도가 높아 적합하지 못함. 동사의 솔루션은 유방밀도가 높은 데이터로
학습하고 있다고 함. 유방암 솔루션은 2018년 공개 예정임.

- Lunit Insight는 웹상에서 누구나 실행해 볼 수 있음. 다만, 의료기기 인허가가 진행중이므로 임상 목적이 아닌 테스트 용도에 한함. Lunit Insight(https://insight.lunit.io/)에 접속 후 의료영상 데이터를 Drag&Drop하면 간편하게 테스트해 볼 수 있음. 의료영상 파일은 DICOM파일만 지원하며 샘플 데이터가 없는경우, 활용할 수 있는 샘플(https://goo.gl/hWHdcM)도 함께 공개함.
- 필자가 직접 이용해본 결과, Lunit Insight는 확실히 진단 보조도구로써 잠재력이 높다고 판단됨. 필자가 의사라고 가정하면 병변 의심 부위를 색으로 표시해주기 때문에, 애매한 부분이나 놓칠 수 있는 부분 혹은 확신/검증이 필요할 때 유용하게 활용할 수 있을 것이라는 느낌을 받음.
- 결론적으로 과거에 비해서 의료 인공지능이 의료기기로 허가를 받을 가능성은 높아진 상황임. 2018년에는 상용화된 의료 인공지능을 볼 가능성도 존재함. 다만, 규제기관의 보수적 특성을 고려할때 지나친 기대감은 지양해야 함. 의료 인공지능은 신의료기술평가 대상이므로, 의료 인공지능을 이용한 의료행위의 유효성을 어떻게 증명할 것인가가 관건. 이를 통해 적어도 제한적 의료기술로 평가 받아야 보험 급여 및 비급여 등재가 가능해 짐.

Analyst’s Insight (2): 기존 의료 인공지능 개발사는 경쟁력을 유지할 수 있나?
- 시장에서는 의료 인공지능 관련 업체 경쟁력의 지속성에 대한 우려가 존재함. 같은 머신러닝을 기반으로 만들어진 알파고가 계속해서 진화하는 것을 보면서, 결국 데이터를 더 많이 보유하거나 데이터에 대한 접근성이 더 좋은 후발 기업/병원이 기존 사업자보다 경쟁력을 갖출 수 있지 않느냐 하는 것임. 그러나 이는 절반은 맞고, 절반은 틀린 의견임. 학습목적의 의료 데이터를 대량으로 확보하는 것이 쉬운 일이 아니기 때문임.
- 기계 학습의 기본원칙은 Garbage-in, Garbage-Out임. 즉, 인공지능의 품질은 학습한 데이터
의 품질에 상당히 좌우됨. 데이터는 많을수록 좋지만 그것은 양질의 데이터일 경우에 한정됨. 저 품질의 데이터는 많아봐야 Garbage에 불과함.
- 바둑 인공지능의 경우 양질의 데이터는 기보임. 기보는 이미 방대한 데이터가 축적되어 있고, 무엇보다 데이터화하기도 매우 용이함. 즉, 학습에 용이한 양질의 데이터를 많이 확보할 수 있음.
- 의료 인공지능에서 양질의 데이터란 레이블링(Labeling)이 잘되어 있는 데이터임. 레이블링이란 병변의 위치와 종류 등을 표기해 주는 행위임. 환자의 역학 특성까지 포함되어 있다면 더 좋은 데이터가 됨. 의료영상은 의료기관만 보유할 수 있으며, 외부로 반출할 수 없음. 그런 측면에서 의료 영상 데이터를 대규모로 확보한 의료기관이 많을 수 있지만, 레이블링이 잘되어있는 의료영상이 많은가로 질문을 바꾸어보면 그렇지도 않음.
- 레이블링이 어느 수준까지 되어 있느냐도 중요하지만, 레이블링 된 데이터가 정확한지도 중요함. 예를 들어, 보험급여 청구를 위한 청구용 진단명과 진료를 통한 임상 진단명이 다를 가능성도 있고, 환자가 여러 질병을 가지고 있을 경우 그것이 전부 진단되었는지도 중요함.
- 레이블링이 중요한 이유는 의료영역에서는 정확도가 매우 중요하기 때문임. 머신러닝은 그 특성상 왜 이런 답이 나왔는지 설명을 못함. 과거 알파고와 이세돌 9단의 대국에서도 많은 바둑 전문가들은 알파고의 수를 이해 못했음. 결과적으로 그것이 신의 한수였다라는 식으로 해석함. 의료영역 에서는 진단의 결과에 따라 치료법이 달라지기 때문에, 정확도가 굉장히 높아야 함. 또한, 기존에 인간이 모르던 질병을 발견한 경우에는 추가적인 연구까지 병행되어야 함.
- 따라서 레이블링이 되지 않았거나 제한적으로 레이블링된 데이터로 비지도학습을 수행하면서 의료 인공지능의 품질을 향상시키는 것은 굉장히 오랜 시간이 걸릴 수 밖에 없음. 결론적으로 데이터를 단순히 많이 보유했다는 것이 경쟁력이 될 수 없음.

Analyst’s Insight (3): 병원은 의료 AI를 필요로 할까?
- 의료 인공지능이 인류에게 도움이 될 것은 자명해 보임. 그러나 인공지능의 의학적 효용과 인공지능 업체가 수익을 창출할 수 있고, 그것을 통해 투자기회가 만들어지느냐는 별개의 문제임. 결국 의료 인공지능에서 투자기회를 발견하기 위해서는 병원입장에서 생각해볼 필요가 있음.
- 의료영역은 비용-효과성을 매우 중시함. 병원 입장에서 의료 인공지능을 도입하려면, 의료 인공지능의 도입 및 운영할 때 비용보다 효용이 커야 함. 기본적으로 도입 및 운용 비용의 전가여부로 나누어 생각해 볼수 있음. 도입 및 운용 비용의 전가여부는 신의료기술평가를 통과하냐에 달려 있음.
병원은 식약처에서 허가를 받은 의료기기를 의료기기업체로부터 구입할 수 있음. 그러나 신의료기술평가를 통과하지 못한 의료기기는 시술은 가능하지만 비용을 전가할 수 없음.
- 만약, 임의 비급여로 환자에게 전가시킨다면, 나중에 환자가 비급여 진료비 확인제도를 이용하여 관련 비용을 환불 받을 수 있음. 대표적인 예가 PRP 시술임. PRP(Platelet-Rich Plasma, 자가혈소판 풍부혈장치료술)는 자가혈로부터 추출한 혈장으로 조직의 치유나 재생을 촉진하기 위한 시술로, 신의료기술평가(안전성, 유효성)를 통과하지 못했음. 동 기술로 치료를 수행했던 병원은 환자에게 비용을 환불하라는 법원의 판결을 받음.
- 즉, 의료 인공지능이 신의료기술평가를 통과할 경우와 못할 경우로 나누어 각각의 케이스에서 비용-효과성에 따라 의료 인공지능의 도입 여부가 결정될 수 있음. (표 5. 참조).
- 결론적으로 ① 의료 영상분석에 대한 수가를 인정받거나, ② 선별검사로서 가능성을 인정받거나 ③ 환자유치를 위한 마케팅효과가 증명될 경우, 병원이 인공지능을 도입할 가능성이 높을 것으로 예상됨. 특히, 중소형병원이나 영상전문의가 없는 병원에서 초기 수요가 발생할 가능성이 높음. 이후 점진적으로 대형병원으로 확산될 것으로 예상됨.

(1) 의료영상 분석에 대한 수가 인정
- 신의료기술 평가를 통과하면 건강보험 급여 등재 여부를 결정하게 됨. 급여 등재가 되면 건강보험에서 비용을 보상해주고, 비급여일경우에는 환자에게 보상받을수 있음. 환자 입장에서는 본인 부담금이 줄어 들기 때문에 급여 적용을 받는 것이 이상적임.
- 결국 병원의 효용 극대화를 위해서는 인공지능의 의료 영상 분석 행위에 대한 급여 적용되어야 함.급여가 적용되면 굉장히 빠르게 신 의료기술이 도입될 수 있음. 우리나라에서는 1999년부터 PACS 시스템에 의료 수가가 적용되어, 7년만에 병원급 이상 의료기관의 81.3% (931/1,145)에 PACS가 도입됨. 이로 인해 우리나라는 가장 높은 PACS 보급률을 기록하고 있음. 참고로 규모의 경제에 의해 PACS 설치비용이 하락하면서 PACS수가도 지속적으로 삭감됨.
- 따라서 국가에서 인공지능을 활용한 의료 영상 분석 수가를 책정해주면 병원의 의료 인공지능 도입이 급물살을 탈 수 있음. 다만, 영상전문의에게 적용된 수가의 조정 외에도 세계적으로 IT 시스템에 대해 수가가 책정된 경우(국내의 PACS, 미국의 유방암 검진용 CAD)는 찾아보기 힘들다는 점을 고려할 때, 수가 책정 과정이 순탄하지만은 않을 가능성도 있음.
- 급여 적용은 영상전문의가 추가 판독을 할 경우의 가산 수가 정도로 책정될 가능성이 있음. 현재는 영상전문의가 의료영상을 판독시 10%의 가산수가가 책정되어 있음. 따라서 의료 인공지능에 대한 수가가 적용되려면 ①의료 인공지능을 활용하여 비 영상전문의가 판독할 경우,②의료 인공 지능을 활용하여 영상전문의가 판독할 경우, ③인공지능을 활용하지 않고 영상전문의가 판독할 경우 3가지 케이스에 대해서 수가가 결정되어야 함.
- 의료 인공지능의 강점 중 하나가 비 영상전문의의 진단 능력을 향상시키는 것임. 만약 영상전문의가 없는 병원의 경우, 의료 인공지능에 의한 수가를 적용받을 수 있다면 비영상전문의가 영상판독이 가능하게 되어 추가 수익이 발생됨. 영상전문의가 없는 중소형병원이나 개인병원에서 의료 인공지능을 도입할 동기로써 충분할 수 있음.

(2) 선별검사로서 항목 등재
- 현재 대부분 의료 인공지능이 진단기기로써 개발되고 있음. 진단영역은 치료영역에 비해 가격에 민감하고 사람들이 적극적으로 진료에 임하는 경우가 적음. 따라서 로봇수술이 굉장히 성공적인 신의료기술로 자리잡았지만, 진단영역과 비교하기에는 한계가 있음. 그러나 진단영역의 수요가 높은 부문이 있는데 바로 조기진단과 정밀진단임.
- 최근 세계적으로 조기진단의 필요성이 커지고 있음. 고령화로 인해 공공보험에 대한 재정부담의 우려가 커지고 있기 때문. 따라서 공공보험 차원에서 질병을 조기진단할 수 있는 기기에 대해서는 혜택을 주려는 니즈가 강해지고 있음.
- 미국의 Exact Sciences사는 대장암 진단키트인 Cologuard를 개발하여 2014년 10월부터 공공보험항목에 등재됨. 제품가격은 기존 선별검사인 분변잠혈검사(25달러)보다 20배 이상(600달러) 높지만, 민감도가 92.3%로 분변잠혈검사(73.8%)보다 훨씬 높기 때문임. 대장암은 조기진단시 치료비용을 1/3이상으로 낮출 수 있음. 보험 등재 이후 매출은 2014년 180만달러에서 3Q17 누적 기준 1.8억달러로 100배 상승했고, 시가총액도 2014년말 25억달러에서 2017년 70억달러로 3배가까이 상승했음.
- 따라서 의료 인공지능의 임상 데이터가 쌓여 특정 질병의 조기진단 도구로 활용될 가능성이 높아지면 급여적용 항목이 확대될 수 있음. 이 경우 초기 증상이 없어 조기진단이 쉽지 않은 폐암, 유방암,위암 등에 활용될 가능성이 존재함. 또한, 이로 인해 건강검진과 같은 정기적인 수요가 발생하는 대형 검사에 적용될 수 있다면 의료 인공지능의 병원 도입가능성은 매우 높아질 수 있음.

(3) 환자 유치를 위한 마케팅 효과
- 추가 환자 유치 가능성 여부도 의료 인공지능 도입에 핵심요인 중 하나임. 특히, 신의료기술평가를 통과하지 못했을 경우에는 ASP 상승전략을 활용할 수 없기 때문에, 환자 유치 가능 여부는 매우 중요함. 신의료기술평가를 통과하지 못하면 보험기관과 환자 모두에게 의료 인공지능 도입과 운용에 대한 비용을 전가할 수 없기 때문임.
- 이러한 관점에서 최근 가천대 길병원이 발표한 왓슨 진료에 대한 통계는 굉장히 주목할 만함. 왓슨은 의료기기가 아니지만, 이로 인해 비용 청구를 할 수 없다는 점에서 비교군으로써 의미가 있음. 가천대는 우리나라에서 제일 먼저 왓슨을 도입한 병원임. 가천대 길병원은 지난 12월 5일, 2016년 12월~ 2017년 11월까지 왓슨을 이용하여 암치료를 진행한 암환자 557명에 대한 결과를 발표했음. 가장 인상적인 점은 가천대 길병원의 암 진료 실적이 크게 증가했다는 점임.
- 길병원은 심평원 청구액 기준으로 2017년 3개의 암종(유방암, 대장암, 폐암)에서 상급종합병원중 10위권에 처음으로 진입함. 이로 인해 전체 암 청구액은 2016년 1~9월 221.2억원 에서
2017년 323.4억원으로 46.2% YoY 증가함. 전체 암 환자가 왓슨을 이용하진 않았지만, 왓슨효과로 인해 암 진료 환자 수 자체가 증가했음. 또한, 소위 Big5라고 불리는 대형 종합병원에서 암 진단을 받고 길병원으로 치료를 받으러 온 사례도 존재함(37명, 실제 진료 15명).

- 우리나라는 Big 5라고 불리는 대형 의료기관에 환자가 집중되고 있음. 우리나라 의료기관의 0.01%인 Big5 의료기관이 전체 요양 급여비의 5.8%를 차지하고 있음. 상급종합병원으로 집중하면 그 비중은 34.2%에 달함. 비급여 치료비까지 포함하면 비중은 더 높아질 수 있음.
- 우리나라 중소형 병원의 경우 환자 유치가 매우 중요함. 우리나라에서 왓슨을 도입하거나 도입할 예정인 기관은 8개로 전부 중소형 병원임. 이번 길병원의 통계는 신의료기술이 마케팅 목적으로 환자 유치 증대에 활용이 가능함을 보여준 사례로 판단됨.
- 영상 분석용 의료 인공지능 기기의 경우에도 왓슨의 사례를 고려할 때, 중소형병원에서 마케팅목적으로 도입될 가능성이 높음. 다만, 왓슨이 정확도 측면에서 여전히 논란이 많다는 점을 고려할 때,얼마나 임상시험에서 효과성을 증명하느냐가 관건임.

Analyst’s Insight (4): 병원의 순응률을 어떻게 높일 것인가?
- 의료기기 인증을 마치고, 의료수가에 대한 부분까지 적용되었다면, 순응률(Compliance Rate)에 대한 고민이 필요함. 아무리 좋은 기술이나 제품이더라도 그 제품이 얼마나 빨리 퍼지는지에 따라 투자기회를 발견할 수 있기 때문임.
- 치과용 디지털 임플란트는 기존 아날로그 임플란트에 비해 장점이 많음. 환자입장에서 출혈과 통증이 적고 골유착이 빠름. 의사입장에서는 시술 성공률과 식립정확도를 높혀주고, 의료 분쟁시 치과의사의 책임범위를 줄여주는 효과가 있음. 무엇보다도 임플란트 식립에 숙련되지 못한 의사들에게 유용함.
- 이러한 장점이 있음에도 디지털 임플란트의 국내 보급속도는 공격적이기보다 완만한 편임. 국내 치과의사들은 임플란트 시술에 익숙함. 해외에서 임플란트 시술이 가능한 의사비중이 20~40%에 그치는데 비해 국내 의사는 80%에 가까움. 따라서 기존 아날로그 임플란트에 익숙해져 있는 의사들을 변화시키는데 시간이 필요하기 때문임.
- 따라서 혁신적인 제품이라도 시장 침투율을 높일 수 있는 방법을 고민해야 함. 병원 침투율이 높아지는 방법으로는 세 가지 아이디어를 생각해 볼수 있음.
① 병원에서 의료 인공지능을 사용하기 위한 접근성을 높일 것
② 질병 치료 가이드라인에 등재될 것
③ 환자향 마케팅 활동

(1) 병원에서 의료 인공지능을 사용하기 위한 접근성을 높일 것
- 의료 인공지능에 대한 접근성을 높이기 위해서는 플랫폼 전략이 유효함. 만약, 의료 인공지능 솔루션 도입할 때마다 개별적으로 설치가 필요하다거나, 기존에 사용하고 있는 PACS와 연동이 되지 않는 등 의료 인공지능 도입을 위해 추가적인 작업이 필요하다면 이는 시장침투의 진입장벽으로 작용할 것임.
- 2017년 RSNA에서 국내기업인 루닛은 EnvoyAI과 Nuance사와의 파트너쉽을 발표했음.
Nuance는 세계 최대의 의료영상 공유 플랫폼이며, EnvoyAI는 의료영상 플랫폼 스타트업임. 동사의 솔루션은 Nuance와 EnvoyAI의 시스템에 통합되어 제공될 예정임. 또한, 최근 이스라엘의Zebra Medical도 Goolge Cloud와의 협력을 발표하기도 했음.

(2) 질병 치료 가이드라인에 등재
- 결국 의료 인공지능이 활용되기 위해서는 의사들이 의료 인공지능을 진료에 활용해야 함. 의사들은 근거가 중요함. 특히 임상시험 결과가 중요하며, 관련 진료행위가 질병치료의 가이드라인에 등재되면 더욱 좋음. 따라서 의료 인공지능은 지속적인 임상데이터를 확보하여 관련 질병의 치료 가이드라인에 등재되는 노력을 지속해야 함.
- Exact Sciences사는 공공보험 등재 이후 꾸준히 대장암 치료 가이드라인에서 대장암 치료법으로 추천 받아 왔음. 2014년 11월 ACS(미국 암학회)에서 대장암 진단의 선별검사로 추천되었고, 2016년 6월에는 USPSTF(미국질병예방특별위원회)에서도 추천검사로 등재되었음. 또한, 미국 보험사의 대부분이 보험급여의 기준으로 삼는 HEDIS에서도 높은 등급을 받고 있음.

(3) 환자향 마케팅 활동
- 마지막으로 환자향 마케팅 활동 역시 의료 인공지능의 침투율을 높이는데 활용될 수 있음. 대부분의 의료기기는 의사나 병원을 대상으로 마케팅 활동을 진행함. 의사가 가지고 있는 의료기기 사용의 의사결정권한이 크기 때문임. 하지만 새롭게 시장에 침투해야하는 만큼 환자향 마케팅도 중요할 수 있음. 역으로 환자가 요구하여 검사 수요가 발생할 수 있기 때문임.
- Exact Sciences 사는 대규모의 마케팅 비용을 투자하고 있음. 최근에는 매출증가에 따라 마케
팅비의 매출 대비 비중이 축소되고 있지만 여전히 매출의 절반이상을 마케팅비로 투자하고 있음.

Analyst’s Insight (5): 의료 인공지능관련 투자 기회는?
- 의료 인공지능은 아직 연구개발 단계가 대부분이기 때문에 직접적인 투자기회를 찾기는 쉽지 않음. 기술 개발을 주도하고 있는 것은 대부분 스타트업으로 단기간에 IPO가 이루어지기는 힘듬. 현실적으로 투자기회가 만들어지기 위해서는 스타트업이 보유한 기술이 실적으로 이어지거나, 적어도 합리적인 실적 추정이 가능한 수준까지는 도달해야 하기 때문임.
- 기존 상장사의 경우 의료 인공지능이 가치평가가 가능할 만큼 가시화되어 있지 않고, 가치평가가 가능하다고 하더라도 주가에 영향을 끼치는 것은 기존 주력사업이 훨씬 크기 때문임. 예를 들어 구글, 아마존 등도 의료 인공지능 시장에 참여하고 있으나 의료 인공지능 수혜주라고 하기에는 무리가 있음.
- 연구개발 단계에서는 대부분의 투자 기회가 인공지능을 구현하기 위한 하드웨어 업체에 있었음. 대표적인 예가 GPU 생산업체인 NVIDIA(NVDA US)가 있음. 그러나 의료 인공지능의 연구개발이 고도화되고 임상단계로 진입하는 업체들이 등장하면서 투자 기회가 발생되고 있음.
- 의료 인공지능 관련 투자 기회는 단기적으로는 의료 인공지능에서 파생될 수 있는 간접투자기회를 찾는 것이 현실적이며, 점진적으로 의료 인공지능과 직접적으로 관련되어 있는 업체들에서 투자기회를 발견할 수 있을 것으로 판단함.
- 단기적으로 의료 인공지능과 관련된 투자 아이디어를 생각해보면 PACS(Picture Archiving and Communication System)시스템을 중심으로 생각해볼 수 있음. 의료 인공지능 도입이 확산되려면, 의료 인공지능을 구축하기 위한 인프라 투자가 선행될 수 밖에 없음. PACS는 의료 영상을 저장하고 전송할 수 있는 시스템으로 의료영상을 디지털화시킬 수 있음. PACS를 구축하기 위해서는 기본적으로 ①디지털 방사선 의료장비와 ②의료영상을 저장 및 판독할 수 있는 시스템이 필요함.
- 국내 PACS 솔루션 업체로는 인피니트헬스케어(071200)가 있음.

디지털 방사선 의료장비를 도입하려면, 신규로 디지털화된 장비를 구입하는 방법과 기존 아날로그 장비를 디지털 장비로 업그레이드하는 방법(레트로핏)이 존재함. 투자 기회는 신규 도입시장보다 레트로핏에서 발생할 가능성이 크다고 판단됨.
- 선진국 대부분에는 방사선 의료 장비가 보급되어 있고, 전세계적으로 설치된 엑스레이 기기의 대부분(80%)가 아날로그임. 또한, 레트로핏은 신규 구매보다 5~10배 저렴함. 따라서 신규 수요보다는 레트로핏 시장이 활성화될 가능성이 높음. 더불어 세계 최대시장인 미국에서 2017년부터 아날로그 방사선 진단기기 사용시 보험수가를 낮추는 Consolidated Appropriations Act라는 법안이 통과되었다는 점도 긍정적 요인임.
- 레트로핏의 핵심은 디텍터라는 부품임. 국내 X-Ray 디텍터 제조업체는 레이언스(228850/매수/TP 24,000원)와 뷰웍스(100120/Trading Buy/TP 46,000원)가 있음. 다만, 레트로핏 시장은 중저가 업체들의 시장침투로 ASP가 하락하고 있다는 리스크가 있음. ASP 하락을 물량증가로 이겨내는 것이 중요하며 안정적인 물량 증가를 위해서는 B2B 계약이 중요함. <자료제공:미래에셋대우>

박병우 기자  bwpark0918@pharmstock.co.kr

<저작권자 © 팜스탁, 무단 전재 및 재배포 금지>