Digitalhealthcare letter_13
카카오벤처스 디지털헬스케어 뉴스_20220802
[이 주의 분석기사1]
디지털 헬스케어 시장의 양면 네트워크 전략
트위터, 페이스북, 에어비앤비 등 유수의 글로벌 기업에 투자한 실리콘밸리의 유명 VC Andreessen Horowitz(A16Z)의 바이오/헬스 영역 파트너 Jay Rughani와 Vineeta Agarwala가 양면 네트워크(two-sided network)를 구축하는 방식의 go-to-market 전략과 이 전략이 헬스케어 시장에서 매력적인 이유에 대해 소개합니다.
양면 네트워크란 서로를 필요로 하는 개별적인 두 그룹의 사용자 간 연결이 이루어지는 플랫폼입니다. 디지털 헬스케어 영역에서 기업은 환자, 보험, 병원, 제약사/바이오텍, 약국 등 시장을 구성하는 한 그룹에게 유의미한 프로덕트를 구축한 다음, 그 그룹을 통해 축적한 데이터를 바탕으로 다른 그룹에게 프로덕트를 제공합니다.
표현의 미묘한 차이는 있지만, 의료 산업의 주된 5대 요소는 1)약품을 만드는 제약사, 2)엔드 유저에게 제품을 판매하는 공급망 역할을 하는 약국, 3)의료 서비스를 제공하는 병원, 4)의료 서비스에 대한 비용을 지불하는 보험, 5)헬스케어 생태계의 모든 요소들의 서비스 제공 대상인 환자입니다.
헬스케어 시장에서 각 집단은 다른 집단과의 연결성을 높이기 위해 고군분투합니다. 그리고 이 과정에서 데이터는 연결을 강화하는 역할을 합니다. 양면 네트워크를 보유한 기업과 독립된 두 개의 사업부를 보유한 기업은 각각의 고객 집단을 대상으로 go-to-market 전략을 적극적으로 펼친다는 점에서 일견 유사해보일 수 있습니다. 하지만 차이점은 한 집단에게 가치를 전달할 수 있는 프로덕트의 성공을 바탕으로 다른 집단에게도 효과적인 전략을 수행할 수 있다는 것입니다. 이때 한 기업이 동시에 다른 두 개의 집단을 대상으로 go-to-market 전략을 성공적으로 수행한다면 시너지는 더욱 커집니다.
현 시점에서 헬스케어 시장에서 양면 네트워크 전략의 가능성이 주목받는 이유는 디지털 형태로 데이터가 축적되기 시작했기 때문입니다. 2009년 건강정보기술법(HITECH Act)가 실시된 이후, 10년 간 의료 서비스 제공자의 95%가 전자의무기록 작성을 채택했습니다. 전세계 데이터의 35%가 실제로 헬스케어 산업에서 생성됩니다. 그리고 데이터는 구글 클라우드나 아마존 AWS에 저장되어 공유나 분석이 용이할 뿐 아니라, 데이터를 처리하고 분석하는 툴 역시 빠르게 발전하고 있습니다.
두 집단을 대상으로 하는 양면 네트워크 전략의 난이도에도 불구하고 이러한 전략을 시도하는 창업가들은 주로 세 유형의 상황을 해결하고 있습니다. 첫 번째는 한 집단에서 데이터 공유의 필요성을 인식함에도 불구하고 소프트웨어 채널의 부재로 두 집단 간에 데이터가 효율적으로 공유되지 못하는 상황, 두 번째는 서로 분열된 각 집단의 사람들을 연결해줄 마켓 플레이스가 필요한 상황, 마지막으로는 지나치게 탄력적인 수요로 프로덕트를 수익화하거나 리텐션을 확보하기 어려운 상황입니다.
필자는 양면 네트워크 전략을 시도하는 창업가들에게 도움이 되는 8개의 질문을 묻습니다. 각 질문들에는 a16z가 투자한 디지털 헬스케어 기업들의 대표가 본인의 경험을 바탕으로 대담을 이어갑니다
First side
1. 어느 쪽을 시작점으로 삼을 것인가?
Komodo Health의 CEO이자 공동 창업자인 Arif Nathoo는 라이프사이언스 기업을 시작점으로 의료 서비스 제공자와 보험, 약국을 연결하는 양면 네트워크를 구축했습니다. 그는 모든 테크 기업이 수요 측면에서 한 가지 문제를 제대로 해결하려는 태도에서 출발해야 한다고 강조합니다. 반대로 정신건강 의료인와 학부모를 연결하는 Headway의 CEO는 환자에 대한 지식과 접근성이 없었기 때문에 임상심리사와 같은 공급의 입장에서 시작해야 했다고 밝힙니다.
2. 어떻게 초기 유저를 설득할 것인가?
처방약을 할인된 가격에 찾아주는 GoodRx의 CEO, Doug Hirsch는 좋은 프로덕트에는 고객이 모인다는 원칙을 믿습니다. 사람들이 주변에 구전 효과를 형성할 수 있을 정도로 순수한 트래픽(organic traffic)을 만들어낼 수 있는 제품을 만들어내야 합니다.
3. 초기 제품의 가격은 어떻게 설정할 것인가?
사업의 초기 단계에서 가격을 최적화했다고 답한 창업가는 없었습니다. 핵심은 고객의 피드백을 수렴하고 고객 참여를 유도하며 가격을 조정하는 것입니다. 약물 발굴을 위한 머신러닝 활용 예측 프로그램을 개발하는 Owkin은 의료 서비스 제공자와의 신뢰도를 구축한 후 이에 맞는 비즈니스 모델을 설정했습니다. 의료 서비스 제공자들은 소프트웨어에 대한 지불 의사가 낮았고, Owkin은 병원으로부터 수익을 수취하는데 집중하기보다는 고품질의 데이터셋을 구축하는 데 집중하는 전략을 펼쳤습니다.
4. 어떤 지표를 중점적으로 볼 것인가?
질적 지표와 양적 지표를 막론하고 중요한 것은 팀의 북극성 지표(North Star Metric)를 찾는 것입니다. 이 때 중요한 점은 기업이 성숙해감에 따라 북극성 지표는 변화할 수 있습니다.
Second side
5. 다음 단계는 언제 활성화할 것인가?
창업자들은 first side를 확립한 후 second side의 성장을 촉진하기 위해 첫 번째 측면에서 데이터 스트림을 전환하는 방법에 대해 생각하기 시작해야 합니다. first side의 핵심(core)을 통해 다른 인사이트를 만들어내는 방법을 고민하는 것입니다(종종 다른 비즈니스 분야에서 연락이 먼저 오기도 합니다).
6. PMF(Product Market Fit)를 어떻게 찾을 것인가? (again)
Second side에서 인바운드 수요가 있든, 없든 간에 이를 활성화시키기 위해 first side에서 성공적으로 수행한 고객 발견 및 제품 주기 반복을 수행해야 합니다. 여기서 유의해야 할 점은 첫 번째 프로세스를 반복하며 복잡성이 다시 증가할 수 있다는 것입니다. 따라서 ‘단순’하고 ‘친숙’하게 유지해야 합니다.
7. 양쪽에서(Both side) 고객의 우선순위 밸런스를 어떻게 조정했는가?
양쪽 모두에서 성공을 거두게 되면 양쪽 모두를 유지하고자 하는 더욱 뚜렷한 도전에 직면하게 됩니다. 이는 궁극적으로 네트워크의 양쪽 모두에 도움이 됩니다. 이때 중립적으로 운영하는 것이 굉장히 중요합니다. 가령 인재를 고용하는 것과 관련하여 독점권을 요구하는 고용주들이 있다면 이 제안을 항상 거절하는 것이 그 예시입니다.
8. 양쪽이 모두 효과를 보고 난 후, 어떻게 성장을 지속할 것인가?
제품에 대한 양쪽의 수요를 키울 방법을 찾아야 합니다. 이를 위해 양측이 서로 협력할 수 있도록 유통 방식을 개척하거나 고객이 우리를 통해 잠재적인 채널과 기회를 찾도록 할 수 있습니다. 무엇보다 각자의 문화에 맞는 프로세스를 확립하여 새로운 제품을 출시할 수 있도록 하는 핵심 사항을 강조합니다.
이번 글은 헬스케어에서의 양면 플랫폼을 계획할 때 고려해야할 사항, 특히 고객 유도를 위한 데이터의 중요성을 강조하고 있습니다. 하지만 여기서 이야기 하는 데이터가 반드시 건강과 관련된 데이터일 필요는 없다고 생각합니다. 왜냐하면 건강 데이터의 경우 생각보다 사용자에게 직접적인 가치를 제공하기가 힘들기 때문입니다. 오히려 (GoodRx의 경우에서와 같이) 의약품의 가격 등 사용자가 효용을 느끼기 쉬운 데이터를 고민하는 것이 현실적이라고 할 것입니다.
- 뉴스 원본 (자세한 내용은 아래 기사 참조)
https://a16z.com/2022/07/27/two-sided-networks-a-founders-playbook/
[이 주의 분석 기사2]
헬스케어에서 사람과 AI의 만남
(feat. 의사와 AI가 한 팀이 되기 위해선)
AI가 점차 헬스케어에서도 보편화되고 있습니다. 대부분의 사람들은 오늘날 AI가 잘 맞고, 때로는 의사를 능가한다고 알고 있습니다. 그렇기 때문에 많은 사람들이 ‘사람과 AI가 결합한 일종의 하이브리드 의사라면 최고의 퍼포먼스를 내지 않을까'하고 기대합니다. 하지만 내막은 더 복잡합니다.
인공지능과 의사를 통합할 수 있는 최적의 프로세스는 무엇일까요? 한 연구진의 예시를 들어보자면, 존스 홉킨스의 Suchi Saria가 이끄는 연구진은 그의 스타트업 Bayesian Health와 함께 이 문제를 해결하는 획기적인 논문 3편을 발표했습니다. 연구진은 패혈증 AI 조기 경보 시스템을 전향적/후향적으로 분석한 결과 좀 더 일찍 패혈증을 감지할 수 있었고 이환률과 사망률, 입원 기간을 감소시킬 수 있었습니다. 무엇보다 인상적인 것은 임상의가 AI 시스템에 참여하는 ‘높은’ 비율입니다. 알람이 지속적으로 울려대는 중환자실에서 대부분의 의사들은 모든 알람을 챙겨서 볼 수 없습니다. 그러나 AI를 기반으로 환자를 평가하고 알람을 울릴 때, 알람의 89%는 의사가 직접 환자를 재평가하고 검진하는 신호로 작용하였습니다.
과연 AI이 어떤 점들이 임상의들의 행동을 변화시키고 더 나은 의료환경을 만들 수 있었을까요? 의사와 AI가 한 팀이 되기 위해 필요한 것들을 들여다봅니다.
해당 논문은 임상의의 AI 시스템 채택에 영향을 미치는 몇 가지 변수를 풀었습니다. 논문에서 발견된 몇 가지 주제를 아래에서 소개합니다.
1) 임상의는 AI가 그들의 임상 판단을 '대체'하지 않고 '증강'하는 것(argumenting)으로 인식했습니다. 논문의 제목에서도 강조했듯이 “사람과 기계의 팀 구성"과 신뢰가 채택의 핵심이었습니다.
2) 임상의는 AI의 알고리즘에는 관심이 없습니다. 기계학습(Machine learning)이 의료환경을 개선시켰다는 점은 알고 있지만, 변수들과 역치값을 통해 의사를 결정하는 전통적인 의사 결정 알고리즘과 다차원 데이터셋을 통해 모델을 트레이닝하는 베이시안 시스템 간 차이를 알지는 못합니다.
3) AI를 채택한 임상의들은 위와 같이 기본 알고리즘의 세부 사항에 관심을 두기보다 오히려 다른 맥락에서 시스템의 동작을 관찰했습니다. 어떤 상황에서 쓰이는 것이 가장 효율적일지 고민하고, 인공지능에도 한계가 있다는 점을 이해한 것입니다. "시스템은 보이지 않는 것을 도와줄 수 없다"고 말한 응급실 의사의 말처럼, 환자를 직접 봐야만 찾을 수 있는 단서나 직관은 AI가 복제할 수 없는 영역에 가깝습니다.
그렇다면 사람과 AI가 협동관계를 만들기 위해 신뢰를 쌓아야 하는데, 실제로 가능할까요? 사실 여기에는 약점이 있습니다. 현재의 AI 모델은 블랙박스에 가까워서 설명 가능한 형태의 사고과정을 따르지 않기 때문에 직관적으로 신뢰하기 어렵고, 특정 환경에서는 낮은 예측률로 인해 오진의 위험이 있습니다. 이는 마치 AI와 사람이 경쟁구도처럼 보이지만, 앞으로는 아래의 문제들을 해결함으로써 협력관계를 이어갈 수 있을 것으로 예상합니다.
AI 시스템을 어디까지 믿고, 어디부터는 회의적으로 평가할지에 대한 균형점을 어떻게 찾을 수 있을까요?
어떤 UI/UX 인터페이스가 적용되고 결과가 어떤 형태로 전달되어야 받아들이는 사람이 인지적 편향에 빠지지 않고 받아들일 수 있을까요? 또 경험과 숙련도에 따라 전달되는 형식이 어떻게 달라져야 할까요?
AI를 다루는 의사를 어떻게 교육시키고, 임상적 맥락에서 어떻게 사용할지 전략과 프로세스를 안내하는 제일 좋은 방법은 무엇일까요?
스탠포드의 영상의학과 교수 Curt Langlotz는 "인공지능이 의사(radiologist)를 대체하지는 않겠지만, 인공지능을 활용하는 의사는 그러지 않는 의사를 대체할 것이다"라고 말했습니다. 어쩌면 '인공지능과 팀을 이룬 의사'는 그러지 않는 의사를 대체할 수 있지 않을까요.
- 뉴스 원본 (자세한 내용은 아래 기사 참조)
https://scalefree.substack.com/p/hybrid-intelligence
#카카오벤처스 #디지털헬스케어 #김치원 #정주연 #인공지능 #의사 #창업 #스타트업
