[제약] AI 바이오의 승부처는 모델에서 데이터로, 데이터에서 현금흐름으로 이동함

https://stock.naver.com/research/industry/46385

📋 핵심 내용 요약

1. 보고서의 핵심은 ‘AI를 사용하는 기업’보다 ‘독점 데이터를 임상 성과와 매출로 바꾸는 기업’을 찾아야 한다는 것임.[해석]
2. AI 모델의 접근성이 높아지면 모델을 보유했다는 사실만으로 차별화하기 어려워지고, 실제 환자와 실험에서 얻은 데이터의 중요성이 커진다는 논리임.[보고서 견해]
3. 그러나 데이터가 많다는 사실도 충분하지 않으며, 임상 연결성·독점성·축적 구조·추적 가능성이 있어야 투자 관점에서 가치 있는 데이터가 됨.[보고서 견해]
4. 데이터를 활용하는 경로는 공동학습, 데이터 판매, 신약·서비스 제품화로 나뉘며, 각 경로의 수익 발생 시점과 위험이 다름.[보고서 내용]
5. 맞춤형 암 치료는 환자 데이터가 치료제 설계에 직접 사용된다는 점에서 AI와 바이오의 결합을 보여주지만, 특정 치료의 성공을 모든 AI 신약의 성공으로 확대하면 안 됨.[해석]
6. 구조 예측 정확도, 실험에서의 결합 성공률, 사람에서의 치료 효과, 의약품 허가는 서로 다른 단계임.[해석]
7. 진단 AI는 기술 정확도뿐 아니라 의료기관의 도입, 보험 보상, 검사 원가와 실제 수금 여부가 성장의 핵심 변수임.[해석]
8. 한미약품은 독점 실험 데이터를 후보물질과 기술이전 계약으로 연결한 사례로 제시되지만, 계약 총액 대부분은 조건부 수입임.[보고서 내용·해석]
9. 프로티나는 AI가 설계한 항체를 실제로 검증하는 사업에 기회가 있지만, 업무협약과 생산능력 목표가 반복 매출로 전환됐는지 확인해야 함.[해석]
10. 쓰리빌리언은 검사 매출 증가와 손실률 개선을 보여주지만, 미국 보험시장 진입과 지속적인 현금 창출은 아직 별도의 검증 과제임.[보고서 내용·해석]
11. 보고서에는 기술 공개 범위 설명과 주가 기반 투자지표에서 확인이 필요한 부분이 있어, 제시된 가치평가 숫자를 그대로 투자 근거로 사용하기 어려움.[검증 결과]
12. 나라면 이 자료만으로 AI 바이오 섹터에 신규 투자하지 않고 판단을 보류함—사업 기회는 이해되지만 현재 가격에서의 투자 수익까지 확신할 근거는 부족함.[해석]

    🚀 산업 변화: AI가 도구에서 개발 과정의 일부가 됨

13. 보고서는 AI의 역할이 후보물질을 빠르게 찾는 보조 기능에서 치료제 설계·실험 검증·진단 해석으로 넓어지고 있다고 봄.[보고서 견해]
14. 중요한 변화는 연구 속도가 빨라졌다는 사실보다, 데이터를 확보하는 기업이 다음 연구와 사업에서도 유리해질 수 있다는 점임.[해석]
15. 맞춤형 치료에서는 환자마다 다른 정보를 분석해 치료제를 설계하므로, 데이터 처리와 제조가 하나의 사업 과정으로 연결됨.[해석]
16. 보고서는 모더나와 MSD의 인티스메란을 이러한 변화의 대표 사례로 제시함.[보고서 내용]
17. 공식 발표에서도 인티스메란과 키트루다의 병용요법이 임상 3상에서 무재발 생존기간과 무원격전이 생존기간 평가변수를 충족한 사실이 확인됨.[공식 확인] Merck.com
18. 다만 이는 주요 임상 결과의 긍정적 발표이며, 공식 발표 당시 전체생존기간 평가와 규제기관 제출 절차는 후속 과제로 남아 있었음.[공식 확인] Merck.com
19. mRNA는 messenger RNA의 약자로, 세포가 특정 단백질을 만들도록 전달하는 유전적 지시문을 뜻함.[용어 설명]
20. 신생항원은 암세포의 변이로 생긴 특징적인 표지이며, 맞춤형 암백신은 면역계가 이 표지를 인식하도록 유도하는 방식임.[용어 설명]
21. 보고서는 인티스메란이 환자별 신생항원을 최대 34개까지 선별해 치료제를 설계한다고 설명함.[보고서 내용]
22. 여기서 AI의 역할은 많은 후보 중 면역반응을 유도할 가능성이 높은 항원을 고르고 설계를 최적화하는 데 있음.[보고서 내용]
23. 따라서 이 사례는 환자별 데이터 활용의 중요성을 보여주지만, 임상 효과 중 AI만의 독립적인 기여도를 직접 측정한 결과로 읽어서는 안 됨.[해석]
24. 다른 암백신과의 결과 차이 역시 암종·환자군·병용약물·평가변수가 달라질 수 있어, AI 모델이나 임상 설계 하나만으로 원인을 확정하기 어려움.[해석]

    🧬 공개 모델의 확산: 설계가 쉬워져도 약 개발은 끝나지 않음

25. 보고서의 두 번째 출발점은 Aureka의 신약개발 모델 OpenDDE 공개임.[보고서 내용]
26. Aureka 공식 발표는 학습 코드·추론 과정·체크포인트·평가자료를 Apache 2.0 라이선스로 공개했다고 설명함.[공식 확인] aurekabio.com
27. OpenDDE는 Open Drug Discovery Engine의 약자로, 생체분자의 구조와 상호작용을 모델링하는 신약개발 엔진을 뜻함.[용어 설명]
28. 공동접힘 예측인 co-folding은 단백질과 다른 분자가 결합하는 복합체의 구조를 함께 예측하는 방식임.[용어 설명]
29. 이는 각 분자의 모양을 따로 예측한 뒤 결합을 추정하는 방식보다 상호작용을 직접 다루려는 접근임.[해석]
30. 보고서는 OpenDDE의 특정 항원·항체 구조 예측 평가에서 높은 성공률이 제시됐다고 설명하지만, 해당 수치는 개발사 기술보고서 기준임.[보고서 내용]
31. 따라서 평가자료의 성공률을 실제 신약개발 성공률로 바꾸어 해석할 수 없음.[해석]
32. DockQ는 예측한 복합체 구조와 기준 구조의 유사성을 평가하는 지표이며, 높은 점수가 곧 사람에서의 치료 효과를 의미하지는 않음.[용어 설명·해석]
33. 계산상 잘 결합하는 항체라도 실제 생산성·안정성·독성·체내 작용을 추가로 검증해야 함.[해석]
34. 이 때문에 설계 가능한 후보가 늘수록 실제 분자를 만들고 시험하는 실험실의 역할이 중요해질 수 있음.[해석]
35. 웨트랩은 Wet Laboratory의 줄임말로, 컴퓨터 계산이 아니라 세포·단백질·검체를 이용해 실제 실험을 수행하는 공간을 뜻함.[용어 설명]
36. 보고서가 강조하는 Lab-in-the-loop는 AI 설계 → 실험 → 결과 학습 → 재설계를 반복하는 구조임.[보고서 내용]
37. 이러한 반복 구조의 가치는 데이터의 양뿐 아니라 예측이 틀린 이유를 찾아 다음 설계를 개선할 수 있다는 데 있음.[해석]
38. 다만 모든 공개 모델이 모든 표적에서 같은 성능을 제공하는 것은 아니므로, 특정 평가에서의 성능을 산업 전체의 완전한 평준화로 확대하기 어려움.[해석]
39. 보고서의 ‘AlphaFold 3 코드와 가중치가 공개되지 않았다’는 설명은 공식 저장소의 공개 상태와 맞지 않으며, 공개 여부와 사용조건·상업적 접근 방식은 구분해야 함.[검증 결과] GitHub

    📊 데이터의 가치: 많이 모으는 것과 유용하게 쓰는 것은 다름

40. 보고서는 Recursion과 Tempus AI를 비교해 독점 데이터의 규모보다 임상과의 거리와 수익화 경로가 중요하다고 주장함.[보고서 견해]
41. 세포의 형태 변화를 대량으로 관찰한 데이터와 실제 환자의 진단·치료 결과는 서로 다른 정보를 제공함.[해석]
42. 전자는 초기 연구에 유용할 수 있지만, 사람의 몸에서 치료 효과가 나타나는지를 판단하는 데 필요한 정보까지 모두 제공하지는 않음.[해석]
43. 반대로 환자 데이터도 기록 오류·결측·선택 편향이 있으면 자동으로 높은 가치를 갖는 것은 아님.[해석]
44. 따라서 ‘임상과 가까운 데이터’라는 표현은 데이터 품질과 사용 목적까지 함께 검토해야 의미가 있음.[해석]
45. 보고서가 소개한 AI 발굴 물질 분석에서는 완료된 임상 1상 24개 중 21개가 성공해 21 ÷ 24 × 100 = 87.5%로 계산됨.[보고서 수치·계산]
46. 같은 분석의 완료된 임상 2상에서는 10개 중 4개가 성공해 4 ÷ 10 × 100 = 40%로 계산됨.[보고서 수치·계산]
47. 이 결과는 초기 안전성·약물 특성 검증과 실제 환자 효능 검증 사이의 간극을 보여주는 근거로 사용됨.[보고서 해석]
48. 다만 완료된 시험의 표본이 작고 비교집단의 조건이 동일하지 않아, AI가 임상 성공률을 얼마나 높였는지 확정하는 자료는 아님.[해석]
49. 임상 연결성은 데이터가 실제 환자의 진단·치료 반응·생존 결과와 연결돼 있는지를 뜻함.[보고서 기준]
50. 독점성은 경쟁사가 공개 자료만으로 동일한 데이터를 쉽게 재현할 수 없는지를 뜻함.[보고서 기준]
51. 축적 구조는 검사나 연구가 늘어날수록 새로운 데이터가 생기고, 그 데이터가 서비스 개선으로 되돌아가는지를 뜻함.[보고서 기준]
52. 추적 가능성은 데이터의 출처·처리 과정·모델 사용 이력을 확인할 수 있는지를 뜻함.[보고서 기준]
53. 아래 표는 보고서의 네 가지 기준을 투자 검증 질문으로 재구성한 것임.[분석 재구성]

    기준	투자자가 확인할 질문	확인할 증거
    임상 연결성	실제 환자의 결과를 예측하는 데 도움이 되는가?	외부 환자군 검증·치료 결과 연계
    독점성	경쟁사가 같은 데이터를 쉽게 확보할 수 있는가?	데이터 발생 과정·사용권·재현 난도
    축적 구조	사업이 커질수록 데이터와 제품이 함께 좋아지는가?	검사량 증가·성능 개선·고객 유지
    추적 가능성	결과를 만든 과정을 재현하고 설명할 수 있는가?	데이터 이력·검증 문서·변경 기록

54. 여기에 실무적으로는 데이터의 상업적 사용권과 재사용 범위를 추가로 확인해야 함.[해석]
55. 고객에게 분석 서비스를 제공했다는 사실만으로 그 고객의 실험 데이터를 자유롭게 학습하거나 판매할 권리를 갖는 것은 아님.[해석]
56. 결국 데이터의 투자 가치는 유용성 × 차별성 × 사용 가능한 권리 × 수익화 능력을 함께 검토해야 함.[해석]

    💰 수익화 경로: 공유·판매·제품화의 차이

57. 보고서는 데이터를 활용하는 첫 번째 전략으로 연합학습을 제시함.[보고서 내용]
58. 연합학습은 Federated Learning으로, 원데이터를 한곳에 모으지 않고 각 기관에서 학습한 결과를 결합하는 방식임.[용어 설명]
59. 이 방식은 서로 다른 기관의 정보를 활용하면서 원데이터 이전을 줄이려는 접근임.[해석]
60. 다만 연합학습 참여 자체가 매출은 아니며, 개발 효율이나 제품 성능 개선으로 연결돼야 경제적 성과가 됨.[해석]
61. 두 번째 전략은 데이터 판매로, 진단 과정에서 확보한 정보를 제약사의 연구에 제공하고 대가를 받는 방식임.[보고서 내용]
62. 보고서는 Tempus AI의 데이터 사업을 반복 수익화의 대표 사례로 제시함.[보고서 내용]
63. NRR은 Net Revenue Retention으로 기존 고객군에서 발생한 매출이 이전 기간보다 얼마나 유지·확대됐는지를 나타내는 지표임.[용어 설명]
64. NRR 126%는 기준 매출 100이 비교기간에 126으로 늘었다는 의미이며, 모든 고객이 각각 구매액을 26% 늘렸다는 뜻은 아님.[용어 설명·계산]
65. 세 번째 전략인 제품화는 데이터를 치료제·검사·분석서비스 등 판매 가능한 결과물로 전환하는 방식임.[보고서 내용]
66. 데이터 판매는 비교적 빠른 수익화를 기대할 수 있지만, 신약 제품화는 긴 개발기간과 실패 위험을 감수해야 함.[해석]
67. 보고서가 제시한 2025년 AI 신약개발 공동연구 계약 총액 증가는 대형 제약사의 관심을 보여주지만, 계약 총액을 실제 지급액으로 볼 수는 없음.[보고서 내용·해석]
68. 마일스톤은 임상 진전·허가·매출 달성 등 약정된 조건을 충족할 때 지급되는 단계별 대가임.[용어 설명]
69. 따라서 기술이전에서는 총 계약 규모보다 선급금·지급 조건·파트너의 개발 진행·실제 수령액을 구분해 봐야 함.[해석]

    🏥 진단 AI: 허가보다 보상과 반복 사용이 중요해짐

70. 보고서는 진단 AI의 성장 변수가 예측 정확도에서 의료비 보상 체계로 확장되고 있다고 봄.[보고서 견해]
71. 병원이 AI를 사용해도 비용을 회수하기 어렵다면, 기술이 유용하더라도 도입 속도는 제한될 수 있음.[해석]
72. 보고서는 미국 CMS의 2027년 지급 규칙 제안에 SaMS 범주가 포함됐다고 소개하며, 최종 확정 전의 제안 단계로 설명함.[보고서 내용]
73. CMS는 Centers for Medicare & Medicaid Services로 미국의 공공 의료보험 제도를 운영하는 연방기관이며, SaMS는 Software as a Medical Service를 뜻함.[용어 설명]
74. 지급 범주나 청구코드가 마련돼도 개별 제품의 적용 조건·가격·사용량·실제 지급을 추가로 확인해야 함.[해석]
75. 국내 시장즉시진입 제도도 보고서에서는 시장 진입 시간을 줄이는 장치로 소개되지만, 비급여 진입과 건강보험 급여 확보는 다른 문제임.[보고서 내용·해석]
76. 따라서 제도 변화의 수혜를 평가할 때는 ‘판매할 수 있게 됐는가’와 ‘누가 비용을 지불하는가’를 나눠 봐야 함.[해석]
77. 보고서는 미국 유전체 검사 사업에서 실험실 인증과 현지 운영 기반이 중요하다고 설명함.[보고서 내용]
78. CLIA는 Clinical Laboratory Improvement Amendments로 미국 임상검사실의 품질 관리와 관련된 체계를 뜻하며, 인증과 보험 보상 확보는 동일하지 않음.[용어 설명·해석]
79. 보고서의 TROP2 QCS 사례는 AI가 영상 판독 보조에서 특정 치료의 반응을 예측하는 역할로 확장될 수 있음을 보여줌.[보고서 견해]
80. 동반진단은 어떤 환자에게 특정 치료제가 적합한지 판단하는 검사이므로, 치료제 개발사와의 협력이 중요한 사업 경로가 됨.[용어 설명·해석]
81. 다만 혁신의료기기 지정·허가·보험 적용·임상 현장의 표준 사용은 서로 다른 단계임.[해석]
82. 진단 AI 기업의 성과는 허가 건수보다 유료 검사량·반복 고객·검사당 이익·현금 회수로 평가하는 것이 적절함.[해석]

    🧪 신약개발 AI: 후보물질 생성과 임상 검증을 구분해야 함

83. 보고서는 신약개발 AI가 초기 탐색에서 후기 임상 검증으로 진전하고 있다고 평가함.[보고서 견해]
84. 다만 보고서 자체도 AI가 관여한 물질을 모두 같은 의미의 ‘AI 신약’으로 분류하지는 않음.[보고서 내용]
85. 기존 표적에서 분자를 최적화한 경우와 AI가 새로운 표적·분자를 함께 발굴한 경우는 기술적 기여와 검증 범위가 다름.[해석]
86. 자소시티닙은 보고서에서 계산 기반 설계와 AI 활용이 결합된 물질로 소개되며, 전적으로 AI가 처음부터 발굴한 신약과 구분됨.[보고서 내용]
87. 보고서의 2027년 1분기 허가 일정은 미래 이벤트이므로, 현재 허가가 완료된 것으로 읽으면 안 됨.[보고서 일정]
88. NDA는 New Drug Application으로 신약 허가 신청이며, 신청·접수·심사·승인은 각각 다른 단계임.[용어 설명]
89. 보고서가 제시한 항체 설계 모델의 결합 성공률도 실험상 표적 결합을 뜻하며, 임상 성공확률로 사용할 수 없음.[해석]
90. 항체가 목표에 결합하더라도 질병에 유효한 방식으로 작용하는지와 안전하게 투여할 수 있는지는 별도로 검증해야 함.[해석]
91. AI 연구 시스템이 실험 가설을 제시한 사례 역시 연구 가능성을 보여주지만, 해당 후보가 환자 치료에 유효하다는 확정적 증거는 아님.[해석]
92. 투자자는 AI가 관여했다는 명칭보다 개발기간·실험 비용·후보 품질이 실제로 개선됐는지 확인해야 함.[해석]
93. 가장 강한 사업적 증거는 독립적인 실험 재현, 사람에서의 결과, 계약 대금 수령, 반복적인 후속 개발로 이어지는 과정임.[해석]
94. 따라서 AI 도입 발표보다 기존 방식과 비교한 성과와 실제 수익화 경로를 우선 평가해야 함.[해석]

    💊 한미약품: 독점 데이터를 기술이전으로 연결한 사례임

95. 보고서는 한미약품의 자체 AI 플랫폼 HARP-pSAR가 HM17321의 펩타이드 서열과 수용체 선택성 최적화에 사용됐다고 설명함.[보고서 내용]
96. 펩타이드는 아미노산이 연결된 분자이며, 보고서는 한미약품이 지속형 펩타이드 개발 과정에서 축적한 내부 실험 데이터를 강점으로 봄.[용어 설명·보고서 견해]
97. HM17321은 기존 UCN2 계열을 출발점으로 최적화한 물질이므로, AI가 표적부터 전부 새롭게 발견한 물질로 표현하면 부정확함.[보고서 내용]
98. 선택성은 목표 수용체에 작용하면서 비표적 수용체에 대한 작용을 줄이는 성질로, 효과와 안전성에 관련됨.[용어 설명]
99. 보고서의 투자 논리는 이러한 설계 결과가 제넨텍 기술이전 계약으로 연결돼 외부 사업성을 인정받았다는 데 있음.[보고서 견해]
100. 다만 파트너의 계약은 개발 가치에 대한 판단이며, 최종 임상 성공이나 상업화를 보장하지 않음.[해석]
101. 보고서는 총 약 23억달러 계약과 선급금 1.9억달러를 구분하며, 나머지는 개발·판매 성과에 따라 지급되는 구조로 설명함.[보고서 내용]
102. 선급금의 원화 환산은 보고서 가정 환율을 적용하면 1.9억달러 × 1,350원 = 2,565억원으로, 약 2,600억원에 해당함.[계산]
103. 보고서는 이 선급금을 단기 실적에 반영하고, 이후 조건부 수입은 별도의 위험조정 가치로 계산함.[보고서 산식]
104. rNPV는 risk-adjusted Net Present Value로, 미래 수입에 성공확률과 시간에 따른 할인을 적용한 위험조정 순현재가치를 뜻함.[용어 설명]
105. HM17321의 누적 성공확률은 55% × 35% × 60% × 90% = 10.395%, 즉 약 10.4%로 계산됨.[보고서 가정·계산]
106. 이 확률은 해당 물질에서 관측된 확정적 성공확률이 아니라 보고서의 가치평가 가정임.[해석]
107. 보고서는 상업화 시점 2033년, 최대 매출 20억달러, 로열티율 10%, 할인율 9%를 가정함.[보고서 가정]
108. 특히 로열티율은 공개되지 않아 가정한 값이므로 실제 계약조건과 동일하다고 확인할 수 없음.[확인 한계]
109. 산출한 HM17321 가치는 약 2,013억원으로 전체 평가액 약 8.20조원의 2,013억원 ÷ 약 81,992억원 ≈ 2.5%임.[계산]
110. 즉 이번 AI 관련 물질의 가치는 중요하지만, 한미약품 전체 목표주가의 대부분을 설명하는 항목은 아님.[해석]
111. 아래 표는 보고서의 목표주가 구성 수치를 재구성한 것임.[수치 재구성]

     평가항목	보고서 추정가치	핵심 전제
     기존 영업가치	약 6.39조원	기술료 제외 EBITDA와 평가배수
     에페글레나타이드	약 1.60조원	판매 확대·가격·시장점유율
     HM17321	약 0.20조원	임상 성공·단계별 수입·로열티
     합계	약 8.20조원	위 가정의 결합

112. EBITDA는 Earnings Before Interest, Taxes, Depreciation and Amortization으로 이자·세금·감가상각 전 이익이며, 영업현금흐름과 동일하지 않음.[용어 설명]
113. 보고서는 2026년 영업이익 약 5,587억원에서 2027년 약 2,680억원으로 감소한다고 추정하므로, 선급금이 반영된 해의 높은 이익을 반복 이익으로 보면 안 됨.[보고서 추정·해석]
114. 에페글레나타이드의 가격 경쟁력과 국내 판매 확대는 별도의 투자 축이지만, 서로 다른 임상시험 간 부작용 비교만으로 경쟁약 대비 우월성을 확정하기 어려움.[해석]
115. 한미약품의 주요 확인사항은 반복 가능한 후속 기술이전, HM17321의 사람 대상 결과, 비만치료제의 실제 판매와 정상화된 이익임.[해석]

     🔬 프로티나: AI 후보 증가가 검증 매출로 이어지는지가 관건임

116. 보고서는 프로티나를 단백질 상호작용 분석기업에서 AI 설계 항체의 검증 인프라 기업으로 확장되는 사례로 제시함.[보고서 견해]
117. PPI는 Protein–Protein Interaction으로 단백질 간 상호작용을 뜻함.[용어 설명]
118. SPID는 Single-molecule Protein Interaction Detection으로 단일분자 수준에서 단백질 상호작용을 측정하는 플랫폼을 뜻함.[용어 설명]
119. 보고서는 정제하지 않은 배양액에서 항체를 포획해 결합력과 발현량을 측정하는 방식이 시간·비용 측면의 강점이라고 설명함.[보고서 내용]
120. 투자 논리는 AI 설계 후보 증가 → 실험 검증 수요 증가 → 분석 매출·데이터 축적 확대로 연결됨.[해석]
121. 그러나 검증 수요가 늘어도 고객이 실제로 프로티나를 선택해야 하므로, 산업 성장과 개별 기업의 수혜는 구분해야 함.[해석]
122. 보고서의 트위스트 바이오사이언스 업무협약은 협력 경로를 보여주지만, 확정된 주문량과 매출 규모를 의미하지 않음.[보고서 내용·해석]
123. 삼성바이오에피스 계약도 선급금·마일스톤·로열티로 구성돼 있어 총 계약 규모를 당장 수령할 매출로 볼 수 없음.[보고서 내용·해석]
124. 보고서가 환산한 계약규모 400억원 이상은 공시 기준을 활용한 추정이며, 확정 수령액과 지급 시점은 구분해야 함.[보고서 산정·해석]
125. 2028년 월 100만개 데이터 생산 목표는 생산능력 계획이지, 동일한 규모의 유료 주문이 확보됐다는 뜻은 아님.[보고서 계획·해석]
126. 핵심 확인사항은 실제 처리량·장비 가동률·분석당 원가·반복 고객·수주 잔고임.[해석]
127. 보고서에 기재된 2025년 매출 30억원은 상장 당시 전망 66억원의 30 ÷ 66 × 100 ≈ 45.5%로, 사업화가 기대보다 더뎠음을 보여줌.[보고서 수치·계산]
128. 2026년 상반기 매출 5억원과 영업손실 87억원은 기술의 가능성과 현재 수익화 수준 사이에 큰 간극이 있음을 보여줌.[보고서 수치·해석]
129. 자체 비만·골관절염 후보는 추가 가치를 만들 수 있지만, 동물에서의 효능을 사람의 투여 주기나 치료 효과로 그대로 환산할 수 없음.[해석]
130. 보고서는 2028년 영업흑자를 예상하지만 2027년 차입 확대도 재무 추정에 반영해, 성장 과정의 자금 수요가 남아 있음.[보고서 추정]
131. 프로티나의 가장 강한 투자 증거는 기술 설명보다 본계약의 반복 매출과 검증 원가 우위가 함께 확인되는 것임.[해석]

     🧬 쓰리빌리언: 검사 성장과 데이터 축적이 동시에 진행됨

132. 보고서는 쓰리빌리언을 희귀 유전질환 진단 과정에서 환자 유전체와 임상정보를 축적하는 기업으로 제시함.[보고서 내용]
133. WES는 Whole Exome Sequencing으로 단백질을 만드는 유전자 영역을 분석하는 전장엑솜검사이며, WGS는 Whole Genome Sequencing으로 전장유전체검사를 뜻함.[용어 설명]
134. AI 해석은 많은 유전변이 중 질병 원인일 가능성이 높은 변이를 추리는 역할을 하며, 검사량 증가가 추가 해석 근거로 연결되는 구조임.[보고서 내용·해석]
135. 2025년 매출 117억원은 목표 90억원 대비 117 ÷ 90 − 1 = 30%를 초과한 것으로, 보고서의 세 기업 중 검사 서비스의 매출 성장 근거가 비교적 명확함.[보고서 수치·계산]
136. 같은 해 영업손실 59억원은 매출 대비 59 ÷ 117 × 100 ≈ 50.4%이므로, 손실률이 개선됐어도 흑자기업은 아님.[보고서 수치·계산]
137. 2026년 상반기 매출 72억원과 영업손실 33억원도 외형 성장과 수익성 개선을 보여주지만, 연결 실적과 별도 전망표의 범위는 구분해야 함.[보고서 수치·해석]
138. 신생아 유전체 선별검사와 가족 단위 검사는 기존 해석 역량을 새 고객군으로 확장하는 경로지만, 시범사업 참여가 전국적인 보험 적용과 같지는 않음.[보고서 내용·해석]
139. 신생아 선별검사는 증상이 있는 환자의 진단과 대상군이 다르므로, 양성 결과의 의미·후속 확인·임상적 유용성을 별도로 검증해야 함.[해석]
140. 미국 실험실 구축은 높은 가격과 보험시장 접근의 기회지만, 인증·물류·보험 계약·청구·수금 시스템이 함께 작동해야 매출로 연결됨.[해석]
141. 보고서는 300억원을 전환우선주 175억원과 전환사채 125억원으로 조달했다고 설명하며, 전환 조건에 따라 기존 주주의 지분 희석을 점검해야 함.[보고서 내용·해석]
142. 보고서의 2028년 별도 영업흑자 전망과 같은 해 영업현금흐름 적자 전망은 구분해 봐야 하며, 그 차이를 만드는 세부 가정은 첨부만으로 충분히 확인할 수 없음.[보고서 추정·확인 한계]
143. 쓰리빌리언의 투자 검증은 검사량 증가만으로 끝나지 않으며, 검사당 이익·실제 수금·미국 사업 비용·희석 이후 주당 가치를 함께 확인해야 함.[해석]

     ⚠️ 수치 검증: 보고서의 배수를 그대로 사용하기 어려움

144. 세 기업 모두 기재 주가를 EPS로 나눈 주가수익비율이 보고서의 일부 배수와 일치하지 않으며, 아래 계산은 외부 시세가 아닌 보고서 내부 수치만 사용한 것임.[검증 결과]

     기업	기재 주가	적용한 추정 EPS	직접 계산한 PER	보고서 표의 PER
     한미약품	534,000원	2027년 12,887원	534,000 ÷ 12,887 ≈ 41.4배	36.0배
     프로티나	44,000원	2028년 621원	44,000 ÷ 621 ≈ 70.9배	44.2배
     쓰리빌리언	5,860원	2028년 285원	5,860 ÷ 285 ≈ 20.6배	15.1배

145. PER은 Price Earnings Ratio로 주가를 주당순이익인 EPS, 즉 Earnings Per Share로 나눈 값이며, 위 불일치의 원인은 첨부만으로 확인할 수 없음.[용어 설명·확인 한계]
146. 특히 프로티나와 쓰리빌리언의 계산은 아직 달성하지 않은 2028년 이익을 사용하므로, 현재 확정 이익에 근거한 배수처럼 읽으면 안 됨.[해석]
147. 이러한 불일치가 산업 논리를 전부 부정하지는 않지만, 가격이 매력적이라는 결론을 내리기 전에는 기준 주가·주식수·희석·실적 가정을 다시 맞춰야 함.[해석]

     📈 단기·중기 리스크와 기회

148. 아래 사건의 발생확률을 산정할 실증 근거는 첨부에 없어 확인할 수 없으며, 영향도는 사업·가치평가 구조에 따른 정성적 판단임.[확인 한계·해석]

     기간	구분	사건	발생확률	영향도	확인법
     단기: 1-3개월	기회	한미약품의 판매·기술료가 실적에 반영됨	확인할 수 없음	높음	실제 수령액·매출 인식·제품 판매
     단기: 1-3개월	위험	업무협약과 개발 기대가 매출로 연결되지 않음	확인할 수 없음	높음	본계약·주문량·반복 고객
     중기: 6-12개월	기회	AI 설계·검증 플랫폼의 후속 계약이 늘어남	확인할 수 없음	높음	독립 고객·유료 계약·수익성
     중기: 6-12개월	위험	임상 결과나 개발 우선순위가 기대에 미달함	확인할 수 없음	높음	사람 대상 데이터·파트너 개발 계획
     중기: 6-12개월	기회	미국 검사사업이 인증과 수금 체계를 확보함	확인할 수 없음	높음	인증·보험 계약·실제 입금
     중기: 6-12개월	위험	사업 확대 비용과 자금조달 부담이 커짐	확인할 수 없음	높음	현금흐름·차입·전환 조건·주식수

149. 기회를 판단하는 공통 기준은 데이터 보유량이나 제휴 건수가 아니라, 고객이 비용을 지불하고 그 매출이 지속적인 현금흐름으로 남는지에 있음.[해석]

     ⚖️ 최종 투자 판단

150. 나라면 이 보고서만으로 AI 바이오 섹터에 신규 투자하지 않고 판단을 보류함—한미약품의 계약, 쓰리빌리언의 검사 성장, 프로티나의 검증 기술은 의미가 있지만 가격·임상·현금흐름의 불확실성을 넘어설 만큼 확신하지 못함.[해석]
151. 판단을 바꿀 근거는 한미약품의 정상화된 이익과 후속 개발 성과, 프로티나의 반복 계약과 원가 검증, 쓰리빌리언의 검사당 수익성과 미국 수금 성과가 수정된 가치평가에서도 충분한 투자 매력으로 이어지는 것임.[해석]

     🧵 한 줄 코멘트

152. AI가 설계도를 빨리 그려도 투자 수익은 설계도에서 나오지 않으며, 실제로 작동하는 제품과 반복해서 들어오는 현금에서 확인됨.[해석]