인공지능 기반 헬스케어 기업의 경쟁력은 결국 데이터의 질에서 판가름난다. 특히 의학 연구에서는 생물학적 성별이 질환 발생과 약물 반응에 결정적 영향을 미치기 때문에 성별 표기가 된 데이터가 없으면 AI 모델의 예측력은 절반의 가치만 갖는 셈이다. 메타케어는 이 점을 사업 전략의 중심에 놓지 않으면 기술 우위를 지키기 어렵다.

질병별 성차는 구체적 수치로도 확인된다. 신경발달장애는 남성에서 유병률이 약 4배 높고 자가면역질환은 젊은 여성에서 6~9배 많은 반면 특정 수면제의 경우 여성의 혈중 약물농도가 남성보다 약 40% 높아 용량 권고가 달라졌다. 공공 데이터베이스에선 성별 표기가 가능한 유전체·전사체 데이터가 1.8%에 불과하고 인간 표본도 2.7% 수준에 그치므로 메타데이터 확보는 사업 리스크와 기회가 동시에 된다.

국가 차원 프로젝트와 연구데이터법 제정 움직임은 향후 환경을 바꿀 변수다. K-문샷 같은 대형 사업에서 우선 제공되는 데이터는 메타데이터가 갖춰진 경우가 많아 협업 능력이 곧 경쟁력이 된다. 데이터가 없으면 AI는 무엇을 학습하는가라는 질문은 투자자에게도 동일하게 묻는 말이다. 메타케어는 연구기관·병원과의 파트너십으로 성별·연령 등을 명시한 데이터 라벨링을 확보해야 한다.

동시에 의료 현장 솔루션을 제공하는 기업들의 행보도 주목할 필요가 있다. 라온메타의 XR 기반 실습 플랫폼 사례는 가상 환경에서 임상 데이터를 생성하고 표준화할 수 있는 모델을 보여준다. 이러한 플랫폼과 연계해 임상행동·재활 데이터를 수집하면 메타케어의 진단·예측 알고리즘 정확도를 높이는 실질적 수단이 된다. 그렇지 않으면 오라클식 구조조정 이후처럼 자본이 졸라매진 시장에서 연구개발 예산만 축소될 위험이 있다.

투자 관점에서 메타케어의 가치는 기술 시연 이상의 데이터 자산에 의해 좌우된다. 점검할 항목은 데이터의 출처와 라벨링 기준, 병원 및 연구기관과의 독점적 연계 여부, 그리고 연구데이터법 등의 규제 변화 대응 계획이다. 단기적으로는 임상 시나리오를 재현할 수 있는 XR·VR 협업 사례가 실적 반등의 촉매가 될 수 있고 장기적으로는 성별 표기를 포함한 고품질 메타데이터 보유가 수익성의 핵심 드라이버가 된다. 투자자는 메타케어의 데이터 확보 전략과 파트너 네트워크를 중심으로 포지셔닝을 재검토해야 한다.