미국 샌프란시스코에서 열린 JP모간 헬스케어 콘퍼런스(JPMHC)와 JP모간의 2026 헬스케어 전망 보고서가 공통적으로 가리키는 지점은 하나다. 글로벌 헬스케어 자본의 시선이 AI 모델 자체의 성능 경쟁에서 벗어나, 신약개발·임상·의료행정 현장에 AI를 실제로 붙이는 산업 적용과 데이터·워크플로 통합으로 옮겨가고 있다는 점이다. 이런 흐름은 엔비디아(NVIDIA)와 일라이 릴리(Eli Lilly)의 대규모 공동투자부터 국내 헬스테크 스타트업들의 움직임까지 관통한다.
엔비디아·일라이 릴리, AI를 신약개발 전체 파이프라인에 심다
엔비디아와 일라이 릴리는 향후 5년간 최대 10억달러(약 1조 4,000억 원) 규모의 공동투자를 통해 AI 코이노베이션 랩(Co-Innovation AI Lab)을 설립한다. 이 협력은 단순한 기술 제휴가 아니라 AI, 자동화, 로보틱스를 신약개발 과정 전반에 연결하려는 전략적 동맹으로 해석된다. 엔비디아의 바이오네모(BioNeMo) 플랫폼이 신약개발용 AI 모델의 기반이 되고, 일라이 릴리는 이를 실제 연구·생산 현장에 통합하는 구조다. JPMHC 2026의 핵심 키워드가 AI라는 점을 감안하면, 이번 협력은 AI를 어떻게 실제 산업 파이프라인에 붙이는지를 보여주는 대표 사례로 꼽힌다.
데이터 확보와 워크플로 통합, 바이오 AI 경쟁의 실질적 기준
의료 AI 경쟁력을 가르는 요소는 결국 데이터 확보량과 이를 의료 현장의 워크플로에 얼마나 촘촘히 통합하느냐에 달려 있다. 국내 스타트업 예지엑스(Yeji X)는 멀티모달 AI로 심부전 환자의 재입원 위험을 예측하는 기술을 개발했고, 올해 글로벌 팁스(TIPS)에 선정된 뒤 미국 법인을 설립하며 현지 진출을 본격화했다. 예지엑스는 카카오벤처스와 슈미트로부터 시드 투자를 유치한 바 있다.
바이오 AI 분야의 경쟁도 단일 모델의 성능 비교를 넘어 신약개발 전체 파이프라인의 효율화로 확장되고 있다. 아이소모픽 랩스(Isomorphic Labs)와 네트워크 바이오(Network Bio) 같은 플레이어들의 움직임 역시 이런 방향을 뒷받침한다. AI-Ready 바이오 데이터셋을 구축하고 이를 임상·연구 현장의 실제 업무 흐름에 맞춰 설계하는 능력이, 모델 성능 자체보다 더 중요한 경쟁 요소로 부상하고 있는 셈이다.
애스톤사이언스, AI와 면역학을 결합한 맞춤형 암 백신
애스톤사이언스(Aston Science)는 AI와 면역학을 결합해 맞춤형 암 백신 플랫폼을 구축한 국내 스타트업이다. 이 회사는 지난해 8월 보건복지부의 한국형 ARPA-H 프로젝트 ‘PAVE’에 선정됐고, 올해 6월에는 위암 백신이 FDA 희귀의약품 지정을 받았다. AI 기반 설계로 신약개발 초기 단계의 효율을 높이는 동시에, 정부 과제와 글로벌 규제기관의 검증을 함께 통과한 사례로 주목받는다.
글로벌 진출은 설계 단계부터, 노을과 정부 지원 프로그램
글로벌 시장 진출을 염두에 둔 헬스테크 기업이라면 초기 기술 설계 단계에서부터 현지 의료 시스템과 규제를 고려해야 한다는 점도 이번 JPMHC를 통해 다시 확인됐다. 현장진단 자동화 플랫폼을 개발한 노을(Noul)은 AI 기반 자궁경부암 진단 솔루션 ‘miLab CER’을 앞세워 유럽과 중남미 시장에 진출했고, 올해 6월 중소벤처기업부의 ‘글로벌 강소기업 1000+ 프로젝트’에 선정됐다. 플로렌스 헬스케어(Florence Healthcare) 역시 데이터 인프라와 임상 워크플로 통합을 축으로 사업을 확장하고 있는 사례로 언급된다.
중소벤처기업부의 초격차 스타트업 1000+ 프로젝트(DIPS)와 글로벌 팁스(TIPS) 등 정부 지원 사업은 기술창업 단계를 넘어 스케일업과 해외 진출까지 지원 범위를 넓히고 있다. 다만 이런 지원이 실제 현지 임상검증과 규제대응까지 구체적으로 뒷받침하려면 추가적인 보완이 필요하다는 지적도 나온다. JPMHC가 보여준 흐름대로, AI 기술을 실제 의료 현장의 데이터와 워크플로에 얼마나 정교하게 붙이느냐가 국내 헬스테크 스타트업들의 다음 경쟁 무대를 결정할 것으로 보인다.