주요 콘텐츠 바로가기
딜로이트에 오신 것을 환영합니다

잘못된 경험을 선택했다면 위에서 변경해 주세요.

실험실 밖 의약품 실제 사용 데이터와 생성형 AI

글로벌 제약·바이오 경영진 실사용증거(RWE) 설문조사 보고서

Key Summary

제약·바이오 기업에서 실사용증거(RWE, Real-World Evidence)는 이제 전략상 필수 요소가 되었고, 생성형 AI는 RWE 도출 방식을 바꾸고 있습니다. RWE는 의약품이 시장에 나온 뒤 쌓이는 효능, 부작용, 처방 패턴의 기록인 실사용데이터(RWD, Real-World Data)를 분석한 임상적 증거로, 건강보험 급여 적용과 적응증 확대 등의 근거가 됩니다.

2024년 11~12월 전 세계 25개 제약·바이오 기업의 경영진 25명을 대상으로 한 설문조사에서 응답자의 96%는 향후 2~3년간 RWD·RWE 투자를 확대할 계획이라고 답했고, 80%는 생성형 AI가 12개월 내에 RWE 도출 방식을 바꿀 것이라는 데 동의했습니다. 기업들은 비용 절감과 기간 단축, 효율성 향상 등의 성과를 거두기 시작했으며, 임상 개발, 시판 후 조사, 시장 진입 등에 활용하고 있습니다. 

본 리포트는 제약·바이오 기업의 RWE 활용 현황과 함께 생성형 AI 도입, RWE 투자수익률 측정 등 기업들이 직면한 핵심 과제를 진단하고, 실질적인 RWE 실행 로드맵을 제시합니다. 

용어 정의

RWD (Real-World Data) - 실사용데이터
의약품이 시장에 나온 뒤 실제 다양한 환자들에게 쓰이게 되면서 발생하는 효능, 부작용, 처방 패턴의 기록으로, 통제된 연구 실이 아닌 실제 현장에서 매일 발생하는 전자의무기록(EMR), 보험 청구 내역, 웨어러블 기록 등의 가공되지 않은 다양한 원천 데이터다. 다양한 시스템에 산재되어 있는 ‘원석’인 셈이다.

RWE (Real-World Evidence) - 실사용증거
RWD를 정교하게 분석해서 나오는 임상적 증거이다. 파편화되어 있는 데이터를 가공하고 연결해 의약품의 실제 효과와 안전 성을 입증해냄으로써, 건강보험 급여 적용, 허가 범위를 넓히는 적응증 확대, 시판 후 안전성 검증 등 사업과 규제를 움직이는 강력한 무기로 재탄생시킨 결과물이라 할 수 있다.

 

주요 조사 결과
딜로이트는 2017년부터 제약사 고위 경영진을 대상으로 설문조사를 정기적으로 실시해, RWE와 ‘실사용데이터'(Real-World Data), 즉 RWD의 전략적 중요도, 기업의 역량 수준, 최신 트렌드, 투자 현황, 활용 실태를 조사해왔다.

RWE는 엄격히 통제된 임상시험 환경 밖에서 발생하는 방대한 데이터의 집합체, 즉 RWD로부터 도출된다. RWD는 예전처럼 전자의무기록(EMR)이나 보험 청구 데이터에만 국한되지 않는다. RWD는 이제 유전체 정보와 디지털 헬스케어 및 웨어러블 데이터, ‘환자 생성 건강데이터’(PGHD), 나아가 ‘건강의 사회적 결정요인’(SDoH)에 이르기까지 다양한 유형의 데이터로 대폭 확대되었다. 이처럼 다양한 데이터 유형들은 서로 정교하게 연결되어 기존의 임상시험만으로는 얻을 수 없었던 환자의 전 생애를 장기 추적하는 입체적인 인사이트를 줄 수 있다.

오늘날 글로벌 제약·바이오 기업들은 전략적 측면에서 RWE의 가치에 전적으로 공감하고 있다. 이번 설문에서는 응답자들에게 RWE를 통해 현시점에 가장 큰 가치를 창출하고 있는 분야 두 개를 선택하도록 요청했다.

더욱 다양해진 RWE 활용 분야는 제약·바이오 밸류체인 전반에서 기업들의 RWE 활용 역량이 한층 발전했음을 시사한다. 기업들은 이러한 기반을 바탕으로 추가적인 투자를 단행하는 한편, AI 기반의 차세대 실사용증거 도출을 구현하기 위한 준비에 박차를 가하고 있다. 이를 통해 효율성과 생산성을 제고하고, 비용과 기간을 단축하며, RWE의 사업적 임팩트를 극대화한다는 구상이다.

실제로 응답자의 96%는 향후 2~3년간 RWD·RWE에 대한 투자를 일정 수준 이상 또는 대폭 확대할 계획이라고 밝혔다.

매우 중요하거나 필수적인 핵심 역량으로는 다음의 항목들이 꼽혔다.

 

RWE 도입이 확산되고, 지속적인 투자가 이뤄지며, 생성형 AI가 이끄는 차세대 혁신에 대한 대비가 본격화됨에 따라, RWE가 창출하는 실질적 임팩트를 측정하고 그 전략적 가치를 명확히 제시하는 것이그 어느 때보다 중요해지고 있다.

초기 개발부터 시장 출시에 이르기까지 제품의 전주기에 걸쳐 빛을 발하는 RWE의 가치는 기업들 사이에서 널리 인정받고 있으나, 그 투자수익률을 정확하게 정량화하는 것은 여전히 복잡한 과제로 남아있다. 명확한 단계별 마일스톤이나 재무 지표로 직결되는 기존의 R&D 투자와 달리, RWE가 창출하는 성과는 다방면에 걸쳐 광범위하게 스며들어 있으면서도 다른 영역의 성과와 복합적으로 얽혀 나타나기 때문이다. RWE의 영향력은 규제당국의 의사결정 지원, 임상시험 설계 시 중요 정보 제공, 시장 진입 가속화, 보험사 협력 강화 등으로 장기간에 걸쳐 발현되며, 다양한 부서에 영향을 미친다. 나아가 RWE는 막대한 비용이 드는 시행착오를 간접적으로 방지하거나 장기적인 포트폴리오 전략을 좌우할 수 있는데, 이러한 이점들은 재무적 성과로 따로 발라내어 귀속시키기 어렵다. 게다가 표준화된 측정 방법론의 부재, 부서 간 장벽, 후속 성과에 대한 추적 관리의 어려움 등이 더해져 ROI를 측정하는 일은 매우 까다롭다. 결과적으로 RWE가 가치를 창출한다는 사실이 명백함에도 불구하고, 기업들은 RWE 투자를 측정 가능한 비즈니스 성과와 연결 지어, 설득력 있는 당위성을 입증해내는 데 어려움을 겪고 있다.

설문 조사 참여자들 사이에서 RWE 역량이 창출하는 ROI를 어떤 방식으로 추적할 것인가에 대한 시각은 크게 엇갈렸다. ROI 측정 전략은 정량적 산출 방식부터 정성적 평가 방식에 이르기까지 다양하게 나타났다.

설문 조사 결과, 현재 측정되고 있는 지표들과 실질적으로 유의미한 지표들 사이에 간극이 있는 것으로 나타났다. 예를 들어, 설문 참여자들에게 RWE의 ROI를 측정하는 가장 효과적인 방법이 무엇인지 질문했다. 응답자의 상당수가 적응증 확대(40%)와 건보공단·보험사와의 성공적인 협상에 대한 활용 사례 추적(40%) 등을 RWE 가치의 중요한 지표로 인식하고 있었으나, 현재 이러한 지표를 ROI 측정에 실제로 활용하는 기업은 드물었다.

이러한 격차는 RWE의 실질적인 임팩트를 저평가하게 만들고, 전략적 목표 달성을 위해 RWE를 활용할 수 있는 기회를 놓치는 결과로 이어질 수 있다.

성과 중심의 가치 추적 체계로 나아가기 위한 기업의 주요 과제

RWE 활동 포트폴리오 추적 시스템 구축
대다수 기업의 경우 부서 간 서로 단절된 상태에서 RWE가 생성되고 있어, 기업 전체의 RWE 활동을 정확히 모니터링하는 데 어려움을 겪고 있다. RWE 연구 및 분석 현황, 기획된 목적 대비 실제 활용 방식, 투입 비용, 관찰된 성과(규제당국 승인, 보험 급여 승인 등) 등을 추적하는 시스템을 구축하는 일은 ROI를 보다 정밀하게 측정하기 위한 필수 기반이다.

RWE 가치 평가 프레임워크 수립
의약품 개발 및 상업화 단계에 맞춰 RWE 가치 평가 프레임워크를 수립하면 RWE의 가치와 ROI를 체계적으로 구조화해 정립하는 데 도움이 된다. 이는 또한 경영진이 향후 RWE 투자에 대해 보다 명확한 근거에 기반해 의사결정을 내리는 데 도움이 된다. 이러한 프레임워크는 기업 전반에서 RWE의 가치에 대해 논할 수 있는 객관적인 기준이 된다.

일관적인 성과 지표 설정
RWE 유즈케이스(Use case)에 대한 KPI와 가치 측정 지표를 일관성 있게 설정하는 것이 중요하다. 그럴 때 조직 전체가 동일한 ‘성공 기준’을 바라볼 수 있기 때문이다. 이러한 지표는 실질적인 성과를 함께 추적할 수 있는 공통의 기준이 된다. 지표에는 비용·시간 절감이나 환자 모집 기간 단축 같은 정량적 성과뿐만 아니라, 내부 이해관계자의 만족도나 외부 평판 개선과 같은 정성적 성과가 포함될 수 있다.

특히 생성형 AI와 같은 신기술의 도입으로 제약·바이오 산업 생태계 전반에서 RWE의 가치를 정확히 집계하는 일이 한층 복잡해짐에 따라, 기업은 핵심 비즈니스 목표와 연계된 포괄적이고 체계적인 ROI 측정 방법을 마련해야 한다.

생성형 AI는 방대한 양의 정형·비정형 데이터로부터 새로운 콘텐츠를 만들어 내는 인공지능 기술이다. RWE 분야에서 생성형 AI는 이미 논문 초록 작성, 연구 보고서 요약, 문헌조사 지원, RWD 분석 속도 향상, 데이터 수집 및 품질 평가 개선 등에 시범 적용되고 있다.

생성형 AI의 등장으로 제약·바이오 업계, 특히 RWE 분야에서 기대감이 크게 고조되고 있다. RWE에 대한 수요가 계속해서 늘어나고 기업들은 제한된 자원으로 높은 성과를 내야 하는 상황이다 보니, 생성형 AI가 결정적인 돌파구로 부상하고 있다. 실제 설문조사 결과, 응답자 중 80%는 생성형 AI가 향후 1년 이내에 RWE가 생성되는 방식을 바꿀 것이라는 데 동의했다. 이처럼 제약 기업 리더 사이에 형성되어 있는 두터운 공감대는, 생성형 AI가 단순히 일시적으로 지나가는 트렌드가 아니라 속도·규모·과학적 정교함을 한층 끌어올리는 RWE의 새로운 시대를 열어갈 촉매제임을 시사한다.

생성형 AI는 업무 효율성 제고, 비용 절감, 의사결정 고도화, 임직원 경험 개선 등 제약·바이오 기업에 다방면의 실질적 이점을 준다. 특히 RWE 분야에서의 가치 창출 효과가 상당할 것으로 기대된다. 업계 리더들 역시 비용 절감 및 기간 단축(56%), 효율성 및 생산성 향상(44%)을 통해 실질적인 성과를 거둘 것으로 예상하고 있다. 지난 2년간 제약·바이오 업계가 생성형 AI의 개념과 원리를 이해하고 직접 적용해 보는 탐색과 학습의 단계(Learning Curve)를 거쳤다면, 이제는 이를 일상적인 업무 프로세스에 내재화하고 궁극적으로 확대하는 실행 단계에 본격적으로 진입하고 있다.

생성형 AI의 뛰어난 가능성에도 불구하고, RWE 분야에 이를 도입하는 과정에는 여전히 다양한 난제가 존재한다.

기업 리더들이 꼽은 생성형 AI의 광범위한 활용을 방해하는 4가지 주요 걸림돌은 다음과 같다.

01. 데이터 프라이버시 및 보안 (27%)
생성형 AI 모델은 방대한 양의 데이터를 기반으로 학습하기 때문에, 의도치 않은 민감 정보 유출 및 기타 규제 준수 리스 크가 발생할 수 있다.

02. 모델의 설명가능성 및보건당국의 수용 (23%)
AI가 내놓은 산출물을 바탕으로 안전하고 윤리적이며 신뢰할 만한 방향으로 의사결정을 내리기 위해서는, 생성형 AI의 판단 논리를 사람이 직접 이해하고 검증할 수 있어야 한다. 복잡한 알고리즘 특성으로 인해 결과 도출 과정과 근거를 사람이 추적하거나 해석할 수 없는, 이른바 ‘블랙박스’ 이슈를 해소하기 위한 새로운 방법론들이 등장하고 있다. 그러나 즉각적인 투명성과 설명가능성이 확보되지 않은 이 기술을 도입하는데 기업들은 신중한 태도를 취하고 있다. 특히 그 결과를 인허가 목적으로 활용하려는 경우 이러한 경향이 더욱 두드러진다. 현재 주요 보건당국은 허가 및 심사 문서 작성 시 생성형 AI 활용에 대한 가이드라인을 수립하기 위해 업계와 협력하고 있으나, 아직 관련 절차가 진행 중이며 규제 요건에 대한 불확실성으로 인해 도입 속도가 지연되고 있는 것으로 보인다.

03. 전문 역량을 갖춘 인적 자원 부족 (25%)
생성형 AI에 대한 깊이 있는 기술적 이해와 RWE 전문성을 겸비한 인력 풀은 매우 제한적이다. 이러한 하이브리드 역량은 핵심 요소이나, 현재 시장에서 확보하기가 매우 어렵다.

04. 기존 시스템 및 업무 프로 세스와의 연동 (25%)
모델 자체의 성능이 아무리 뛰어나도, 이를 일상적인 업무 방식에 내재화하는 것은 또 다른 문제이다. 기업은 업무 프로세 스를 고도화하고 임직원의 역량을 강화하는 과정에서 상호운 용성, 기술 확산의 가능성, 임직원의 경험 등을 종합적으로 고려해야 한다.

이러한 난제들로 인해 응답자의 일부(17%)가 현재 관망적인 태도를 취하고 있으며, 기술 및 규제 환경이 충분히 성숙할 때까지 새로운 기술 도입을 유예하는 경향을 보이고 있다.

생성형 AI의 시범 사업이 화제성을 불러일으킨다면, 생성형 AI의 본격적인 전사 확대 적용은 가치를 창출한다. 글로벌 제약 기업들은 이제는 단순 파일럿 프로젝트를 넘어, 생성형 AI를 위해 인프라, 인재, 기술 확산에 걸쳐 관련 투자를 단행하기 시작했다.

이러한 ‘얼리 어답터’(early adopter)에 해당하는 기업들은 생성형 AI를 일상적인 업무 프로세스에 내재화하고, 임직원 역량을 강화하며, 그 파급 효과를 체계적으로 측정하고 모니터링함으로써 향후 조직 전반으로의 확산을 위한 기반을 다져나가고 있다.

RWE·RWD는 과거 신기술 탐색 단계를 지나, 이제 제약·바이오 기업의 신약 발굴부터 임상 개발, 상업화에 이르는 전 과정의 핵심 동력으로 자리 잡았다. 보건당국의 규제 기준이 변화하고 건보공단 및 보험사의 수요가 거세지며 과학 기술의 발전 속도가 빨라짐에 따라, 신뢰할 만한 고품질의 RWE를 확보할 줄 아는 역량은 이제 선택이 아닌 필수가 되었다.

이와 동시에 생성형 AI는 실사용증거를 생성하고 통합해 적용하는 방식을 근본적으로 바꾸고 있다. RWE와 생성형 AI가 융합하면서 RWE 생성 체계를 고도화하고, 내부 의사결정을 개선하며, 제품 생애주기 전반에 걸쳐 새로운 가치를 창출할 수 있는 희귀한 기회가 생겼다. 그러나 이러한 잠재력을 실제로 실현하기 위해서는 시장에서의 화제성을 넘어선 실질적 접근이 필요하며, 다음과 같은 다각적인 접근 전략이 요구된다.

전략적 로드맵 수립
이제 핵심은 생성형 AI의 확산 여부나 시기가 아니라, ‘얼마나 광범위하게 적용할 것인가’이다. RWE 분야 내 생성형 AI 활용에 대한 조직의 명확한 목표를 설정하고, 이에 맞춰 투자를 연계하는 것이 중요한 첫걸음이다.

전사 확산을 고려한 설계
이미 많은 제약·바이오 기업들이 자체적인 생성형 AI 플랫폼에 투자해 왔다. 확장성 확보와 기존 투자 자원 활용을 위해 가능한 한 이러한 플랫폼을 적극 활용해야 한다. RWE에 특화된 생성형 AI 애플리케이션은 고도로 정교하게 튜닝된 모델이 필요하며, 이는 기존의 내부 생성형 AI 생태계 내로 유기적으로 통합되어야 한다. 따라서 파편화된 개별 솔루션(Point solutions)을 지양하는 것이 전사 확장성을 높이는 핵심이다.

가치 측정 및 성과 실현
생성형 AI 투자에 따른 성과와 투자수익률을 체계적으로 측정하고, 그 파급 효과를 명확히 제시해야 한다.

책임감 있는 AI 활용 체계 구축
생성형 AI 업무 프로세스 전반에 신뢰성, 투명성, 추적 가능성 및 윤리적 활용 기준을 내재화해야 한다.

생성형 AI 문해력 강화
임직원들이 이러한 역량을 전사 차원에서 정착시키고 다룰 수 있도록 필요한 교육과 도구를 적극 지원해야 한다.

RWE 생성의 미래는 더욱 빠르고, 스마트하며, 유기적으로 연결될 것이다. 선도적인 기업들은 이러한 가치를 극대화하기 위해 이미 과감하게 움직이고 있다.

딜로이트는 2024년 11월부터 12월까지 전 세계 25개 제약·바이오 기업의 경영진 25명을 대상으로 제5차 RWE 벤치마킹 조사를 실시했다. 본 조사는 각 기업의 RWD 및 RWE 목표와 투자 현황, 역량 및 주요 활용 사례, 생성형 AI가 RWD와 RWE 역량에 미치는 영향 등을 벤치마킹하는 것을 목적으로 진행되었다.

Deloitte Insights

유용한 정보가 있으신가요?

의견을 보내 주셔서 감사합니다