날짜: 22년 11월 21일 (월)
주최: Y-DEC
위치: 삼성학술정보관 7층
연사: Steve D. Kim (김동욱) www.linkedin.com/in/steve-d-kim
- 실패의 경험을 나누고 싶습니다…
- 실패할 수밖에 없었던 이유가 있습니다…(ㅠ.^)
- 연사 이력:
- 삼성에서 근무
- 2008년: 바이오로직스, 삼성메디슨, etc.
- 기존의 실패한 경험들(due to IMF, etc.)에 기반하여 출범
- 97년: G7 ← 유비쿼터스 헬스케어 (U-health)
- 당시 IT의 발전 방향이 명료했던 반면, 헬스케어의 미래는 불명확
- 배경지식
- 원격 수술 (@군대, 미 하와이 병원 → 한국 병원) → 원격 의료(Tele-Medicine)
- 30년 전과의 근본적인 차이 미미
- 1930s: 왕진 의사 → 현대: 환자가 병원에 감 (데이터 축적)
- 고객 중심적 → 병원 중심적 모델
- 환자가 돈을 내서 검사했는데 그 데이터(ex. X-ray 사진)는 나한테 없다?
- 기업 입장에서 원격 의료를 지향하는 목적이 무엇인지 의식해야 한다
- cf. 유비쿼터스? (=텔레, 커넥티드, etc.)
- 인공지능은 지난 몇십 년간 발전한 게 없다 (esp. 수학)
- 마찬가지로, ICT 산업의 발달 또한 미미
- 코로나 초기 때의 예상 → 전부 빗나감
- 팬데믹이 문화를 변화시켰다!
- 기술이 훨씬 빠른 속도로 발전
- 97년: 다빈치(존스홉킨스의 로봇 수술기)가 의료사고를 내면 누가 책임을 지는가?
- 삼성전자의 베트남 공장에서 제작을 담당하는 주체는 로봇
- 인간의 임무: 고장난 로봇 고치기 OR packaging
- 로봇을 가장 많이 가지고 있는 회사는 아마존이다!
- 의료 사업
- 65세 이상이 대부분의 의료비 사용
- 고객: 나이대가 있고 적당히 아프며 오래 살아야 함 (…)
- 비용을 줄이기 위해서는 ‘미리’ 알아야 함
- ex. 상급 병원일수록 중증도 중시
- 월-금 중 월요일에 중증 환자가 가장 많음 → (병원:) 경증 환자가 다른 요일로 분산되기를 원함
- 데이터를 얻고 해석하기 어려움 → 머신러닝 사용하여 ‘예측’
- 헬스케어 범주에서는 병세와 ‘행복’ 별개 취급
- Post-pandemic in healthcare
- 투자에 비해 사업 (기술, 상품 등이 얼마나 활용되는지) 규모 왜소
- 반면 논문이나 연구, 교육 쪽은 빠른 속도로 발전
- cf. 구글의 인공지능 코딩 소프트웨어
- 아마 10년 내에 코딩이 워드 쓰듯 보편화될 겁니다 (큰일났다…🥹)
- 병원 수익 감소 (why? 수익 구조 변화)
- cf. 미국: 헬스케어 비용 높음
- 한국: 의료진이 많아서 그렇지 비용 자체는 높은 구조
- 2000년대 초반 예측: 전쟁이 일어나 돈이 풀릴 것이다, etc.
- 코로나 이후 예측 앞당겨짐 (cf. 코로나 없이 화상 회의를 일상화시키려면 몇 년이 걸려야 했을까?)
- 2-3년 만에 키오스크 자연스러워짐
- 배달 (냉장고에 붙은, 내가 검증한 맛집 → 배민 같은 플랫폼의 맛집)
- 상품 자체보다 배달 플랫폼의 파워 증가
- 기본적인 needs는 변화하지 X
- 과도기적 현재 (10년 전부터 의료 데이터에 대한 환자의 권리 요구 있어왔으나 지금이 가장 거셈)
- many IT companies claim that they have the IT and data…
- but why can’t they raise revenue?
- had the idea for at least 30 years but it’s not working?
- if the LAW changes, it doesn’t work
- WHAT kind of IT & data?
- These change according to the culture (ft. COVID19)
- 93년도에 개발하려던 제품들… MRI, 보청기, etc.
- 보청기 자체보다는 기술 주목
- 저전력 (5년 전만 하더라도 스마트폰보다 앞선 상태) ← 반도체 기술
- customization (평균 가격 이어폰 10배, 하루 12시간 사용)
- 수량 (단위 무게 당 가장 비싸다(!) 4.5년마다 한쪽에 300만원씩 지출)
- 사용자 대부분 7-80대 (치매, 알츠하이머, 파킨슨, … ← 난청 외의 복합적 문제 고려해야)
- lesson: 헬스 사업은 다양한 분야를 고려해야 한다…
- Re-defining health data
- 데이터가 많아도 어떻게 언제 팔지 모르면 무용지물!
- 똑같은 사업 모델로 왜 한국은 장사가 안 되나?
- 무슨 (의료) 데이터를 왜 만드는지 생각해야 한다
- 뭘 얻어야 할지
- 비용이 얼마나 드는지
- 뭘 버리고 있는지
- focus on: collection (X) purpose (O)
- only 11% medical care data
- most expensive (60% of spending)
- 36% behavioral, social & environmental data
- behavioral ← data on smartphone (what videos do you watch? when? whom do you call?)
- ex. Google+ ← can identify a person by their CONTACTS (even if you have 5 phones)
- contacts change (secure)
- Apple Pay vs Samsung Pay
- Apple: a bit of transaction fee goes to Apple
- Samsung: free (but collects the transaction data)
- ex. I always drink coffee after eating spaghetti → Samsung collects this data → publishes a coupon (in cooperation w/Baemin, etc.)
- 22% genetic data
- this industry takes time to grow (0.3% of spending)
- but the data doesn’t change
- 빅데이터 통한 태풍 예측 → 질병 예측
- 서울대병원의 좋은 체계도 세브란스에 적용하기 위해서는 변형을 거쳐야 한다
- scale 문제로 국내에서는 데이터 관련 산업이 그리 성장하지 못한다
- Digital gap, the unmet needs
- cf. 응급의료 취약지역 종합평가도
- ex. 삼성의 시각장애인용 리더기
- 사용 위해서는 PC에 앱 설치 및 책을 리더기 아래 가져다 두는 등의 준비 과정 필요… → 활용도 X
- 기술뿐아니라 그것을 어떻게 활용 가능하게 만들지 고민해야 한다
- ex. 일본의 산골 마을
- 편의점을 중심으로 마을이 연결됨
- 편의점 옆에 병원 위치
- 단순한 설문 (Y/N)
- ex. 미국, 통신사에 의해 연결
- 국가적 특성 고려해야 한다 (한국은 어떨까…)
- 데이터 통한 예측: 병원에 와야 하는 환자일까, 아니면 아직 기다려야 할까?
- Triumvirate of Health & Wellness Business
- VALUABLE data
- EFFECTIVE cost
- STRONG eco-system
- open innovation: TIME is an important factor
- ex. Samsung produces FASTER than Apple even if it costs more (business strategy)
- finding a long-term partner to work with
- Biz Model #1
- Where to try?
- ‘강원도 디지털 헬스케어 규제자유특구’ ← 연세대 미래캠퍼스에서 이런 실험 했던 것 같은데…?
- Smartphone based Universal Link
- Biz Model #2
- 나가며
- QnA