데이터 연결 부재

Phesi의 분석에 따르면 3개 중 1개 미만의 임상시험 프로토콜이 환자 데이터와 결과에 문서화돼 연결돼 있어요. 전통적인 데이터 관리 시스템이 분산돼 있고, 임상 현장에서 실시간 기록이 부족하기 때문에 이런 격차가 발생합니다. 데이터 격차는 인공지능이 학습할 기초를 약화시켜, 잘못된 인사이트를 만들어낼 위험을 키우죠.

인공지능 확산이 문제를 악화

인공지능 모델은 입력된 데이터가 정확할 때만 유용한데, 불완전한 프로토콜 데이터를 학습하면 오류가 증폭돼요. 결과적으로 신약 후보 선정이나 시험 설계 단계에서 잘못된 결정을 내릴 가능성이 높아집니다. 이는 임상개발 기간 연장과 비용 증가로 이어질 수 있어요.

투자·시장 관점의 의미

데이터 품질 개선에 투자하지 않는 기업은 인공지능 활용 효과가 제한될 뿐만 아니라, 잘못된 의사결정으로 인한 손실 위험이 커집니다. 데이터 통합 플랫폼이나 전자건강기록 연계 솔루션을 제공하는 기업, 예를 들어 Phesi와 같은 기업에 대한 수요가 늘어날 전망이에요. 투자자는 데이터 인프라 구축 역량을 가진 바이오 기업에 주목해야 합니다.

규제와 투명성 요구

규제당국은 임상 데이터의 출처와 신뢰성을 점점 더 강조하고 있어요. 인공지능 기반 분석 결과가 투명하게 검증되지 않으면 승인 과정에서 추가 검토를 받게 될 가능성이 높습니다. 따라서 기업은 데이터 거버넌스와 설명 가능한 인공지능을 강화해야 합니다.