🏥 헬스케어 AI 스타트업, 창업 1년 만에 매각한 진짜 이유는?

 

헬스케어 AI 스타트업, 창업 1년 만에 왜 팔았을까? 🏥

스타트업 하면 떠오르는 이미지가 있죠. 작은 사무실에서 열정 가득한 팀이 밤새 코딩하고, 투자 받아서 성장하고, 언젠가 IPO까지 가는 그 그림요. 그런데 2024년 말, 그 공식을 정면으로 깨는 창업자가 등장했어요.

스탠퍼드 박사 출신의 AI 창업자 루이 블랑크마이어. 그가 세운 방사선 AI 스타트업 코그니타는 창업 1년도 채 되지 않아 세계 최대 방사선과 의원 그룹인 래디올로지 파트너스에 인수됐습니다. 그것도 억지로 팔린 게 아니에요. 자발적으로, 전략적으로 선택한 결과예요.

이 이야기가 단순한 창업자 회고록이 아닌 이유가 있습니다. 특히 지금 헬스케어 AI를 개발하거나, 이 분야에서 무언가를 만들어가는 분이라면 꽤 중요한 시사점을 담고 있거든요.

연구실에서 잘 되던 AI가 병원에선 왜 무너질까?

블랑크마이어는 박사 과정 동안 수만 건의 의료 영상 데이터로 방사선 AI 모델을 훈련시켰어요. 논문도 잘 나오고, 학계에서도 꽤 주목을 받았죠.

그런데 막상 실제 병원에 적용하려는 순간 생각지도 못한 벽을 만났습니다.

단 하나의 CT 검사만 해도 고해상도 3D 영상이 10개 이상 나오고, 같은 환자의 과거 데이터까지 합치면 데이터 규모가 수십억 픽셀에 달합니다. 거기에 임상 현장에서는 희귀 질환이 일상처럼 등장해요. 연구 환경에서 통하던 모델이 실제 환경의 복잡성 앞에서 맥을 못 춘다는 거죠.

이건 비단 방사선 AI만의 문제가 아니에요. 헬스케어 AI 전반이 공통으로 안고 있는 숙제입니다. 연구 성공과 임상 준비 완료는 완전히 다른 개념이에요. 그 간극이 생각보다 훨씬 크다는 게 핵심이에요.

자율주행에서 배운 교훈, 의료 AI에도 통한다

블랑크마이어는 이 상황을 자율주행에 비유했어요. 10년 전 자율주행 기술은 정말 인상적으로 보였습니다. 그런데 실제 도로에 나가는 순간 새로운 예외 상황이 끊임없이 등장했죠. 수십조 원이 투자된 지금도 완전 자율주행을 구현한 기업은 손에 꼽힌다고요.

의료 AI도 정확히 같은 흐름을 타고 있습니다. 알고리즘 성능은 이미 충분할 수 있어요. 근데 그게 실제 병원에서 안정적으로 작동하려면 완전히 다른 수준의 준비가 필요해요. 단순히 기술을 만드는 것과, 그 기술이 실제 임상 환경에서 살아남는 것은 차원이 다른 이야기인 거죠.

자율주행에서 가장 성과를 낸 기업들의 공통점이 있어요. 차량, 센서, 데이터 파이프라인, 시뮬레이션, 배포 인프라를 모두 수직통합해서 통제했다는 점이에요. 의료 AI도 마찬가지예요. 영상 촬영 장비부터 판독 시스템, 전자의무기록, 전문의의 피드백 데이터까지 하나의 통합된 루프 안에 있어야 진짜 성능이 나옵니다.

신뢰할 수 있는 의료 AI를 만들기 위해 진짜 필요한 것

그렇다면 실제로 쓸 수 있는 의료 AI는 어떻게 만들어질까요? 블랑크마이어가 꼽은 핵심 조건은 크게 세 가지예요.

첫 번째는 방대하고 다양한 실제 임상 데이터예요. 단순히 데이터가 많은 게 아니라, 지속적으로 새로운 예외 사례를 수집하고 모델에 반영할 수 있는 파이프라인이 있어야 해요.

두 번째는 임상 현장의 인프라입니다. 의료 워크플로우를 AI 중심으로 재설계하고, 규제 승인을 받고, 배포 후에도 성능을 지속적으로 모니터링할 수 있는 체계가 필요합니다.

세 번째는 대규모 인간 피드백 루프예요. AI가 초안을 쓰고 방사선 전문의가 검토, 수정, 서명하는 구조에서 그 수정 데이터가 다시 모델 개선에 활용되는 선순환이 필요합니다. 이게 규모 있게 작동해야 진짜 실력이 붙어요.

이 세 가지를 독립 스타트업 상태로 갖추는 건 사실상 불가능에 가깝습니다. 데이터는 병원이 갖고 있고, 임상 인프라는 시간이 걸리고, 규제 승인은 더 오래 걸리거든요.

헬스케어에서 신뢰는 어떻게 쌓이는가

일반적인 B2B SaaS와 의료 AI의 가장 큰 차이를 아시나요? 신뢰를 얻는 방식이 완전히 달라요.

일반 소프트웨어는 파일럿 해보고 결과가 좋으면 도입합니다. 그런데 환자 진단에 직접 영향을 미치는 의료 AI는 다릅니다. 다양한 의료기관, 다양한 환자군, 다양한 검사 장비 환경에서 오랜 시간 검증된 데이터가 있어야 신뢰를 얻을 수 있어요.

세계 최대 방사선 의원 그룹 안에서 실제 임상 사례를 쌓아가면, 독립 스타트업이 10년 걸릴 신뢰 축적을 훨씬 빠르게 달성할 수 있습니다. 블랑크마이어는 이 계산을 정확히 했던 거예요.

때로는 작은 집에 혼자 사는 것보다, 큰 집에 들어가는 게 더 넓은 공간을 얻는 길일 수 있다는 것, 공감되지 않으시나요?

국내 헬스케어 AI는 지금 어디쯤 있을까

이 이야기가 머나먼 해외 사례만은 아니에요. 국내 상황도 비슷한 흐름을 보이고 있거든요.

루닛은 2025년 1000억 매출과 흑자전환을 목표로 GE 헬스케어, 후지필름 등 글로벌 의료기기 기업들과 협력하며 세계 시장 진출을 가속화하고 있어요. 뷰노는 딥카스 매출이 빠르게 늘면서 2024년 처음으로 매출 100억 원을 돌파했습니다. 2025년에는 연간 기준 흑자 달성을 바라보고 있고요.

그런데 국내 의료 AI 스타트업들이 공통으로 부딪히는 장벽이 있어요. 임상 데이터 확보의 어려움, 병원 도입 사이클의 길이, 건강보험 수가 체계와의 연동 문제입니다. 기술력은 충분한데 실제 임상 현장에 정착하기까지의 여정이 스타트업들을 지치게 만들죠.

이런 맥락에서 블랑크마이어의 선택은 국내 헬스케어 창업자들에게도 꽤 직접적인 메시지를 던집니다. 병원 그룹, 대형 보험사, 플랫폼 기업과의 전략적 결합이 독립 성장보다 더 빠른 미션 달성의 경로가 될 수 있다는 것이요.

팔면 진 것이라는 편견, 이제 버릴 때가 됐어요

스타트업 생태계에는 암묵적인 서열이 있습니다. 독립 유지, 유니콘, IPO. 매각은 그 서열 어딘가 아래에 위치하는 것처럼 여겨지곤 해요.

하지만 코그니타의 사례는 그 전제를 흔듭니다. 매각을 통해 더 빠르게, 더 안정적으로, 더 큰 임팩트를 만들 수 있다면, 그게 오히려 더 나은 선택일 수 있어요.

특히 헬스케어처럼 규제와 임상 검증, 인프라가 모두 핵심인 분야에서는 누구와 함께 하느냐가 독립이냐 아니냐보다 훨씬 중요한 질문일 수 있습니다.

미션 중심의 창업자라면 매각 여부보다 이 질문을 먼저 던져야 해요. 이 결정이 우리 미션을 더 빨리 실현하는가?

우리가 혼자서 쌓을 수 없는 것이 무엇인가

코그니타의 이야기는 성공적인 매각 스토리이기도 하지만, 그보다 더 중요한 건 창업자가 스스로 던진 질문이에요. 우리 미션을 달성하는 가장 빠른 길이 무엇인가.

독립 성장이 맞는 팀도 분명 있습니다. 하지만 의료처럼 규제와 임상 인프라가 핵심인 산업에서는, 큰 플레이어와 전략적으로 결합하는 선택이 오히려 더 담대한 전략일 수 있어요.

기술보다 생태계, 독립보다 통합, 속도보다 지속성. 의료 AI의 진짜 승부처는 알고리즘 성능이 아니라, 실제 임상 데이터와 피드백 루프를 누가 더 빠르게, 더 규모 있게 확보하느냐에 달려 있습니다.

헬스케어 AI를 만들고 있거나, 이 분야에 투자하고 있다면 오늘 이 질문을 한 번 해보세요.

우리가 혼자서는 절대 쌓을 수 없는 게 무엇인가?

그 질문의 답이 여러분의 다음 전략을 결정할 수 있어요.