지금 매수할 만한 AI 기반 헬스케어 주식 2선

AI(인공지능)을 활용한 신약 개발과 임상 의사결정 지원이 헬스케어 산업의 판도를 바꿀 잠재력을 지니고 있다는 점을 조명한 기사다. 본문은 두 개의 상장 기업, Recursion Pharmaceuticals (나스닥: RXRX)Tempus AI (나스닥: TEM)를 중심으로 이들 기업이 어떻게 AI를 적용해 사업을 확장하고 주주 가치를 창출할 수 있는지를 설명한다.

2026년 3월 31일, 나스닥닷컴의 보도에 따르면, AI의 활용은 전통적 제약·헬스케어 영역에서 비용 절감과 효율성 제고의 가능성을 제시하고 있다. 다만 PwC의 최근 설문조사에서는 CEO의 56%가 자사 AI 투자로부터 아직 유의미한 성과를 보지 못하고 있다고 응답한 바 있어, 기술 도입이 자동적으로 성과로 이어지지는 않는다는 점도 지적된다.

제약 연구실 컴퓨터

리커전스 파마슈티컬스(Recursion Pharmaceuticals, NASDAQ: RXRX)은 AI 기반의 신약 후보 발굴·예측 플랫폼을 제공하는 기업이다. 미국 보건복지부(U.S. Department of Health and Human Services)는 단일 신약을 시장에 출시하는 데 드는 평균 비용을 약 $900 million(9억 달러)으로 추정하고 있으며, 일부 추정치는 $2 billion(20억 달러)까지 상회한다고 밝힌다. 또한 미국 국립보건원(NIH)은 임상시험에 진입한 신약의 약 9분의 10(90%)이 최종 승인에 실패하는 것으로 추정해, 전통적 신약 개발의 높은 비용과 위험을 강조한다.

Recursion의 핵심 가정은 대규모 데이터와 AI를 결합하면 전통적 R&D의 일부를 가상 환경에서 빠르게 시험할 수 있어, 실패 가능성이 높은 후보를 조기에 배제하고 유망 후보에 자원을 집중할 수 있다는 것이다. 회사가 보유한 데이터는 50 페타바이트(= 52.4 million gigabytes)에 달하며, 이 데이터를 기반으로 화학·생물학적 반응을 학습한 플랫폼은 약물의 실제 성과를 예측하는 데 도움을 준다. 이는 임상시험을 완전히 대체하는 것은 아니지만, 임상시험 전 단계에서 의미 있는 가설 검증 기능을 수행한다.

Recursion은 자체 후보물질의 전임상·임상 예비평가에 자사 기술을 활용하는 동시에, 사노피(Sanofi), 로슈(Roche Holding) 등 전통적 제약사와의 파트너십을 통해 타사 R&D를 지원하며 수익을 창출하고 있다. 현재까지 매출의 대부분은 이러한 파트너사로부터 받은 비용(가상 테스트 수수료 등)에서 발생하며, 최근에는 개발 마일스톤 달성에 따른 지급이 본격화되어 작년을 기점으로 매출 확대의 분기점이 되었다. 업계 조사기관인 Global Market Insights는 AI 기반 신약 개발 시장이 2035년까지 연평균 약 30%로 성장할 것으로 전망하고 있어, 시장 성장에 따른 수혜 가능성이 존재한다.


템퍼스 AI(Tempus AI, NASDAQ: TEM)은 보다 ‘테크놀로지’ 성격이 강한 헬스테크 기업으로, 의료진(케어기버)이 실시간에 가깝게 데이터 기반 의사결정을 내리도록 돕는 플랫폼을 제공한다. 회사의 웹 기반 사용자 인터페이스는 일반 포털처럼 보이지만, 실제로는 의료 제공자가

“거의 실시간으로 데이터 기반 결정을 내려 개인화된 환자 치료를 제공하도록”

지원하며, 여기에는

“최적의 치료법의 발견, 개발 및 제공(discovery, development, and delivery of optimal therapeutics)”

까지 포함된다.

템퍼스의 사업 모델은 이미 가시적 실적으로 이어지고 있다. 2025회계연도 4분기(기사 기준) 매출은 $367 million(3억 6,700만 달러)로 전년 동기 대비 83% 증가했다. 회사는 이 같은 성장 모멘텀을 바탕으로 늦어도 2028년에는 손익분기점(breakeven)을 달성할 것으로 전망된다. 또한 애널리스트들의 합의 목표 주가(컨센서스)는 $77.93로, 이는 기사 작성 시점의 주가 대비 약 70%의 상승 여지가 있음을 의미한다고 보도됐다.


용어 설명 및 추가 정보

페타바이트(PB)는 저장 용량을 나타내는 단위로, 1 페타바이트는 1,000 테라바이트(TB) 또는 약 1,000,000 기가바이트(GB)에 해당한다. 즉 50 PB = 약 52.4 million GB라는 표기는 Recursion이 보유한 데이터의 방대함을 강조한다. 임상시험 단계은 통상적으로 전임상(동물실험 등) 이후 제1상(안전성), 제2상(효능·용량 탐색), 제3상(대규모 효능·안전성 검증)으로 진행되며, 각 단계에서 실패할 경우 추가 비용과 시간이 소요된다. AI 플랫폼은 주로 전임상 및 후보물질 선별 단계에서 효율성을 높이는 데 기여한다.

시장·재무적 시사점 및 위험 평가

두 기업을 투자 관점에서 비교하면 다음과 같은 핵심 포인트가 도출된다. 우선 Recursion은 데이터·AI 기반 신약 후보 스크리닝(선별)에 강점이 있어, 제약사들의 R&D 파트너로 자리매김하면 장기적인 수익 구조를 구축할 수 있다. 다만 현재 매출의 상당 부분이 파트너십 기반 서비스 수익에 의존하고 있고, 실제 상용화된 신약 출시로 연결되기까지는 시간이 더 필요하다는 점에서 단기 실적 변동성 및 실행 리스크가 존재한다. 반대로 Tempus는 이미 상업적 실적(고객 기반 매출 증가)을 보이고 있고 매출 성장률(전년 동기 대비 83%)이 매우 높은 편이라 투자자 입장에서 보다 명확한 성장 스토리를 제시한다. 애널리스트 목표 주가와의 괴리가 큰 만큼 잠재적 상승 여지도 크다.

또한 산업 전반에 대한 거시적 영향도 주목할 필요가 있다. AI가 신약 탐색 및 임상 설계의 효율을 제고하면 신약 개발 소요 기간과 비용이 단축될 가능성이 크다. 이는 제약사들의 연구개발 투자 효율화를 가져와 신약 파이프라인의 총량을 늘리거나, 동일 자원으로 더 많은 후보를 시험해 성공 확률을 높이는 효과로 이어질 수 있다. 반면 규제 당국의 승인 기준, 데이터 품질·윤리 문제, AI 예측의 임상적 검증 한계 등은 도입 속도를 제약할 수 있다.

투자자 유의사항 및 전망

투자자는 다음 사항을 고려해야 한다. 첫째, AI 플랫폼의 정확성 및 임상적 재현성 확보가 관건이다. 둘째, 파트너십 확장과 마일스톤 수취 등으로 수익 모델이 성숙해지는 시점까지의 현금 소모와 자본 조달 계획을 검토해야 한다. 셋째, 템퍼스의 경우 이미 가시적 성장과 손익개선 신호가 나타나고 있어 밸류에이션(목표 주가 대비 현재 주가)과 성장 지속성 여부를 판단해 매수 시점을 결정할 필요가 있다. Recursion은 장기적 관점에서의 포지셔닝이 중요하며, 단기 실적보다 파트너십 확대·데이터 자산의 활용도를 중심으로 모니터링하는 전략이 바람직하다.


기타 사실 및 공시

기사에 인용된 조사·수치는 다음과 같다: 미국 보건복지부의 신약 개발 평균 비용 추정치 약 $900 million, 일부 추정치 최대 $2 billion, NIH의 임상시험 중 약 90%의 실패율, Recursion의 데이터 규모 50 PB(= 52.4 million GB), Global Market Insights의 AI 신약 개발 시장 연평균 성장률 약 30%(~2035년), Tempus의 4분기 매출 $367 million·전년 대비 83% 증가, 애널리스트 컨센서스 목표 주가 $77.93(현 주가 대비 약 70% 상회). 또한 Motley Fool의 Stock Advisor는 2026년 3월 31일 기준 평균 수익률을 884%로 제시했고, Recursion은 해당 상위 10종목 리스트에 포함되지 않았다. 저자 James Brumley는 기사에 언급된 종목들에 대해 별도 보유 포지션이 없음을 명시했다. Motley Fool은 Roche Holding AG를 추천 목록에 올리고 있으며, 관련 공시·투자 권고는 확인이 필요하다.

결론

AI는 헬스케어에서 비용·시간·성공률 측면의 혁신을 가능하게 할 잠재력을 지니고 있다. Recursion과 Tempus는 각기 다른 방식으로 이 흐름에 참여하고 있으며, 투자 판단은 기업별 사업 성숙도, 수익 모델의 안정성, 규제·임상 검증 리스크를 종합적으로 고려해 내려야 한다. 단기적 투자는 변동성이 크지만, 장기적인 관점에서 AI 기반 헬스케어 플랫폼의 확산은 산업 구조와 R&D 투자 효율성에 중대한 영향을 미칠 가능성이 높다.

기사 원문 출처의 저자: James Brumley. 본문 수치·자료는 기사와 공개 자료를 바탕으로 정리·해석한 것이다.