1. 서론

최근 4차 산업혁명 시대의 대두는 기술환경의 변화는 물론이고, 산업환경, 더 나아가 패러다임의 변화까지 일으키고 있다[Cho, 2018]. 2016년 세계경제포럼(WEF, World Economic Forum)에서 처음 발표되면서 글로벌 환경을 크게 흔들고 있는 4차 산업혁 명에서 가장 중요한 키워드는 바로 지능형․초연결이다. 즉, 빅데이터나 인공지능(AI)과 같은 핵심적 기술을 통해 지능적인 사물이 사물과 사물, 또는 사물과 사람을 연결하며 전 산업부문에 영향을 미치고 있는 것 이다.

이와 같은 흐름은 의료산업에서도 나타나고 있다. 예컨대, 각 개별 환자들을 실시간으로 모니터링하여 의료 정보를 수집하거나 3D 프린팅을 활용하여 환자 맞춤형 의료기기 제작 또는 의료용 로봇이 수술 또는 재활과정에 투입되는 등 4차 산업혁명의 동인 기술들이 전반적인 의료산업에 적용되고 있다[KIAT, 2016]. 이와 더불어 현재 우리나라는 저출산과 고령화가 가속 화됨에 따라 2060년에는 고령자 비율이 41.0%가 될 것으로 예상된다[KOSTAT, 2018]. 또한 만성질환 환자의 증가나 고령화로 인한 지속적인 의료비 지출 증가로 우리나라의 의료산업은 새로운 패러다임의 형태를 보이고 있다[KCDC, 2018; 한국보건산업진흥원 보건산업통계시스템, 2017]. 우리나라의 보건 의료 정책을 살펴보면, 기본적으로 ‘의료의 공공성 강화’와 ‘의료 영리화 방지’를 목표로 하여 관련 정책의 위상 강화와 공공성 회복, 건강보험의 보편적 보장성 강화 및 지속가능성 확보, 의료 전달체계 재정립 등을 기본 방향으로 삼고 있다.

그러나 이러한 의료산업의 발전을 위한 많은 관심과 노력에도 불구하고, 임상 현장에서 정보의 비대칭성으로 인해 의료진 간 또는 의료진과 환자 간의 의사소통 문제로 발생하는 의료사고가 점차 증가하고 있다. 따라서 이와 같은 의료산업을 둘러싼 다양한 환경 변화로 인해 발생할 수 있는 의사소통 문제의 해결책이 필요한 시점이다. 이에 본 연구에서는 의사소통 문제 해결뿐만 아니라 수술의 효율성까지 증대시킬 수 있는 방안을 도출하기 위해 체계적인 비즈니스 생태계 관점에서 의료산업 내 다양한 이해관계자를 고려하여 보다 거시적이고 장기적인 관점에서 현재의 의료시스템을 점검하 고자 한다. 오늘날의 수술 의료시스템 중심으로 구현되는 비즈니스 생태계를 분석하기 위해 특허 데이터를 활용하여 수술 의료시스템 내 구성 분야 별 핵심 주체 및 기술을 도출하고자 한다. 이는 각 분야별 기술혁신 및 기술사업화의 기회, 더 나아가 향후 의료시스템의 발전 방향을 제시하는 것을 목표로 한다.

2. 이론적 배경

2.1 비즈니스 생태계에 관한 연구

Moore[1996]는 하나 이상의 자원을 공유하고 공진화(Co-evolve)하는 기업체 및 개인의 집단을 비즈니스 생태계로 정의하며 처음으로 개념을 제시하였다 ([Figure 1]참고). Moore는 기업이 한 산업 내에서만 활동하는 주체가 아니라 해당 산업 생태계의 일부로서 다수 산업에 걸쳐 활동하는 주체로 보아야 한다고 주장하였다. 비즈니스 생태계의 개념은 공급자, 주요 생산자, 경쟁자 및 투자자 등으로 구성되나 그 외에도 소비자, 투자자, 정부 및 규제 기관, 협회, 표준단체 등 일정 상황에서 영향을 주는 주체들까지도 포함할 수 있다. 이후 Iansiti and Levien[2004]은 비즈니스 생태계를 개별 기업 혹은 경제적 주체를 대상으로 가치의 창출, 상호 생존 및 유효성 확보를 위하여 상호의 존적인 다수의 주체들 간의 느슨한 네트워크(Loose Network)로 설명하였고, 이러한 비즈니스 생태계가 지속적으로 진화하고 발전하기 위해서는 비즈니스 생태계에 참여하고 있는 모든 주체들이 지속적으로 성장 할 수 있는 기회를 제공함으로써 소비자들에게 제공하는 가치를 증대시키는 것이 중요하다고 주장하였다. 이후 Peltoniemi[2006]는 비즈니스 생태계를 다수의 행위자가 상호 느슨하게 연결된 상태를 유지하며 생존과 경쟁우위를 위한 상호의존적인 입장을 취하고 있는 집단의 총체라고 정의하였다.

[Figure 1] Moore[1996]’s Business Ecosystem

비즈니스 생태계 이론은 위에서 언급한 연구들에 의해 정의되어 왔으며, 현재 다양한 학문 주제에 활용되어 왔다. 대표적으로 Kwon[2011]은 기존의 기술 수요 측면을 고려하지 않는 공공부문 기술이전․사업화의 한계점을 지적하며 비즈니스 생태계 이론을 활용하여 기술공급 측면, 기술도입 측면, 그 외 환경 측면으로 나누어 분석을 진행하였고 새로운 공공부문의 기술이전․사업화 정책 방향을 제시하였다.

Lee[2013]는 기술이전․사업화 관련 정책 현황을 분석하기 위하여 비즈니스 생태계 이론을 활용하여 분석하였다. 분석은 기술 공급자, 기술 수요자, 정책 또는 인프라 측면으로 나누어 분석을 진행하였다. Park and Park[2014]은 연구개발, 시장, 고객, 정보유통 총 4가지 도메인으로 구분하여 각 도메인에 참여하고 있는 주체를 고려하여 분석을 진행하였다. Sawng et al.[2016]은 실시간 산사태 모니터링 및 탐지기술의 비즈니스 생태계 분석을 위하여 공급자, 고객, 보완재 그리고 유통채널로 나누어 분석하였고 공급자는 직접 공급자와 간접 공급자로 세분화하여 분석을 진행하였다. Li[2009]는 Cisco 기업을 중심으로 형성된 비즈니스 생태계를 시각적으로 살펴보기 위하여 미국 내 특허 데이터의 네트워크 분석을 활용한 정량적인 기술적 역량 측정을 시각화하였고, 그와 더불어 정성적인 사례 분석을 추가하여 분석을 진행하였다.

본 연구에서는 Li[2009]의 연구와 같이 비즈니스 생태계의 개념을 적용하여 의료산업 내에서 기술혁신에 의해 빠르게 변화하고 있는 스마트 수술 의료시스템 분야를 중심으로 세부 구성 분야를 도출하고자 한다. 또한 비즈니스 생태계를 구성하고 있는 세부 구성 분야들이 가지고 있는 네트워크를 시각적으로 표현하기 위해 네트워크 분석을 활용하고자 한다. 뿐만 아니라 본 연구에서는 네트워크를 분석하기 위한 세부적인 방법으로 연결 중심성, 근접 중심성, 매개 중심성의 개념을 활용하여 스마트 수술 의료시스템의 구성요소별로 이를 비교 분석하는 분석을 수행하여 상대적으로 최신 분야인 스마트 수술 의료시스템 분야의 실질적인 비즈니스 생태계를 종합적으로 이해하고자 한다.

2.2 네트워크 분석 이론

네트워크 분석이란 의사소통 집단 내 개체의 상호 작용에 중점을 두고, 개체 간의 연결 상태 및 구조의 특성을 파악하여 시각적으로 표현하는 분석기법이다 [Kim, 2016]. 네트워크의 구성요소는 노드와 링크로 네트워크에서 연결의 대상은 노드이며, 연결은 링크라 한다. 노드(node)는 상호 고유한 속성을 가지는 행위 자(actor, agent)를 나타내고, 링크(link)는 노드들 간의 연결 관계를 나타낸다. 즉, 네트워크는 다수의 노드들이 연결된 구조이며, 주요한 속성은 연결이다. 이러한 연결은 ‘관계(relation)’라고 한다[Son, 2002; Lee, 2012].

네트워크 분석은 1930년대 Jacob Moreno와 Helen Jennings의 소시오메트리(Sociometry)에서 유래 하였다[Freeman, 2011; Wasserman and Faust, 2009]. 모레노에 따르면 집단의 조직과 진화 그리고 집단 내 개인의 위치에 관하여 다루며 사람과 사람 간, 사람과 집단 간 그리고 집단과 집단 가의 관계에 대한 측정[Moreno, 1934]이라고 주장하였고 이는 네트워크 분석의 기초가 되었다. 또한 Freeman은 네트워크 분석 방법 중 중심성 분석의 연결 중심성, 근접 중심성, 매개 중심성의 개념[Freeman, 1979]을 도입하였고 그 후 많은 연구들을 통해 네트워크 분석을 위한 주요 분석 지표가 확립되었다. 네트워크 분석 기법 중 하나인 중심성 분석은 연결 중심성(Degree Centrality), 근접 중심성(Closeness Centrality), 매개 중심성(Betweenness Centrality) 분석이 있다. 연결 중심성은 하나의 노드에 직접적으로 연결된 이웃 노드의 개수로 측정하며, 많은 연결을 가지고 있으면 연결 중심성 지표 값이 높게 산출되고 네트워크에서 영향력이 높다는 것을 의미한다. 근접 중심성은 한 노드가 얼마나 네트워크의 중앙에 위치해 있는가를 측정하는 것으로, 노드의 크기가 커질수록 중심성이 높고 정보의 확신 정도가 높다고 할 수 있다. 마지막으로 매개 중심성은 노드와 노드를 연결하는 최단 경로에 출현 빈도를 측정한다. 매개 중심성이 높은 노드는 네트워크 내에서 많이 거치게 되는 노드임을 뜻한다. 네트워크 분석의 선행연구로 Jun and Lee[2013]는 자 동차 회사인 BMW가 보유하고 있는 특허를 통하여 네트워크 분석을 진행하였다. 해당 연구에서는 특허의 IPC 코드를 중심으로 IPC 코드 간의 관계를 기술적 관점으로 살펴보았다. Choi et al.[2011]는 특허 키워드를 기반으로 한 네트워크 분석을 제시하며, 기존의 네트워크 분석의 한계점을 보완하였다. Kam[2013]은 특허 데이터를 활용하여 바이오 분야의 미래기술 도출방법에 관한 연구를 진행하였다. 연구방법은 IPC 코드를 기술 분류 체계에 적용하여, 이를 통해 특허 등 고선을 비교 분석하여 바이오 분야의 미래 기술 트렌드를 파악하였다. Sawng et al.[2018]는 의료자동화 산업의 연구 동향을 살펴보기 위해 SCI/SCI(E)/ SSCI 저널에 등재된 논문들로부터 핵심 키워드를 도출하고 연결 중심성, 매개 중심성, 근접 중심성을 도출한 후, 네트워크를 구축하였다.

본 연구에서는 위와 같은 네트워크 분석 기법 중 중 심성 분석을 활용하여 네트워크 분석을 진행함으로써 오늘날 스마트 수술 의료시스템 분야에서 구현되는 실질적인 비즈니스 생태계를 분석하고자 한다.

3. 연구모형 및 연구 내용

3.1 연구모형

본 연구에서는 스마트 수술 의료시스템 비즈니스 생태계 분석을 위해 특허 데이터 수집 및 검색식 작성 후 데이터 전처리 과정을 거쳐 수술 의료시스템 구성 분야를 도출한다. 그 후 구성 분야별 핵심 주체와 기술을 분석하기 위해 특허 네트워크 중심성 분석을 시행한다. 그에 따른 본 연구의 연구모형은[Figure 2]와 같다.

[Figure 2] Research Model​​​​​​​

3.2 연구 내용

본 연구에서는 국내 병원 현장 전문가와의 협업을 통한 수요중심의 연구를 위해 전문가 인터뷰를 진행하였다. 해당 인터뷰 결과를 통해 키워드를 추출하였고, 도출한 키워드를 기반으로 특허 검색식을 작성하여 WIPSON¹⁾에서 특허 데이터를 수집하였다. 도출된 스마트 수술 의료시스템의 키워드는 [Table 1]과 같다. 본 연구의 연구 범위는 스마트 수술 의료시스템의 국내의 생태계를 다루고 있으므로 검색 대상 국가는 한 국으로 한정하여 최근 10개년(2008. 1. 1.~2018. 3. 31.) 내 한국 특허청에 등록․공개된 특허를 대상으로 [Table 1]에 제시된 Keyword를 활용하여 검색을 진행하였다. 검색 결과, 총 5,312개의 특허가 수집되었으며, 중복 및 노이즈를 제거한 후 704개로 정제되었다. 이후 각 특허별 명칭, 초록, 출원인, 패밀리 특허 수, 특허 피인용 수 등의 서지정보 가운데 출원인과 IPC(International Patents Classification) 코드에 대한 데이터 전처리 작업을 진행하였다.

[Table 1] The Fields of Smart Surgical Medical System​​​​​​​

본 연구에서 수집한 특허의 서지정보 중 출원인의 경우 각 특허 당 하나 이상의 출원인 정보가 등록되어 있다. 따라서 본 연구에서는 빈도수를 도출하여 데이터 전처리 작업을 진행하였고 그 결과 문서-출원인의 빈도수 매트릭스를 구성하여 분석에 활용하였다. IPC 코드의 경우 5단계의 계층 구조²⁾로 구성되어 있으며, 본 연구에서는 메인그룹까지 세분화하여 분석에 활용 하기 위해 빈도수를 도출하는 데이터 전처리 작업을 통해 문서-코드 빈도수 매트릭스를 구성하였다.

정제된 704개 특허를 대상으로 데이터 전처리 과정을 진행한 결과, 특허 출원인은 총 317개가 도출되었으며, IPC 코드의 경우 총 207개의 코드가 2,047회 등장하였고, 도출된 출원인과 IPC 코드를 모두 활용하여 한 문서 내에서 두 요소가 동시출현(Co-Occurrence) 하는 횟수를 매트릭스로 구성하여 네트워크 분석에 활용하였다.

위의 표와 같이 구분함으로써 기존의 수․시술실과 같은 수술 의료시스템은 수술실 내부에 한정되고 의료 기기, 장비 등과 같은 시스템적 요소로 제한적이었으나, 본 연구에서 구분한 구성 분야는 효율적인 의료진 간의 환자 정보공유, 안전성 향상, 기술의 효율적 사용 등과 같은 가치를 실현할 수 있도록 기존의 의미를 확대하였다.

4. 연구 결과

4.1 알고리즘 적용 및 생태계 네트워크 도출

본 연구에서는 스마트 수술 의료시스템의 전체 생태계에서 앞선 구성 분야별로 클러스터를 나타내기 위해 Division을 강조하는 OpenOrd 알고리즘[Martin et al., 2011]을 활용하였다. 그에 따른 스마트 수술 의료시스템의 생태계 네트워크를 나타낸 결과 아래의 [Figure 3]과 같은 생태계가 도출되었다.

[Figure 3] Ecosystem Network of Surgical Medical System​​​​​​​

스마트 수술 의료시스템의 생태계 네트워크를 살펴 보면 수술 의료시스템, 보조 시스템, 환자 정보관리 시스템 분야 위주로 구성되어 있고, 그 중 보조 시스템 분야가 매우 발전되고 있는 것으로 보인다. 또한, 클러스터화하여 살펴본 결과 대부분의 구성 분야가 각각의 분야에서 클러스터를 이루고 있는 것으로 보이지만, 수술 의료시스템은 수술 최적화 시스템, 의료진 간 정보공유 및 플래닝 시스템 등으로 클러스터를 형성하며 둘러싸고 있는 것으로 보여진다. 수술 의료시스템은 기술 분야의 구분이 힘든, 융합되어 있는 시스템 환경으로 보여진다. 그와 더불어 수술 최적화 시스템, 스마트 수술자원관리 시스템, 수술 상황 및 환자 정보공유 시스템은 국내 비즈니스 생태계에서 미약한 위치를 차지하고 있다.

4.2 네트워크 중심성 분석

본 연구는 비즈니스 생태계에서 기술 공급자 측면의 기술 분야별 핵심 주체와 기술을 분석하기 위해 분야별로 네트워크 중심성 분석을 진행하였다. 본 연구에서 네트워크 중심성 분석은 국내 스마트 수술 의료시스템의 상황을 보다 정확하게 알아보기 위해 국내와 국외로 나누었고 각 출원인별 유형을 기업, 대학, 병원으로 구분하 여 분석을 진행하였다. [Table 2]와 [Table 3]과 같이 기술 분야별 네트워크 및 중심성 분석은 연결 중심성 (Degree Centrality), 매개 중심성(Betweenness Centrality), 근접 중심성(Closeness Centrality)을 분석하였고, 각 분야별 핵심 주체 및 기술을 도출하였 다. 또한 본 연구에서 추출한 특허 데이터에서는 개인 출원인도 다수 포함되어 있었으나, 각 개인을 핵심 주체로 고려하기에는 적합하지 않다고 판단하여 본 연구 결과에서는 제외하였다.

[Table 2] Results for Centrality Analysis of Applicants Network by the field(Internal Operating Room)

[Table 3] Results for Centrality Analysis of Applicants Network by the Field(Internal Operating Room)

중심성 분석 결과, 수술실 내부에서는 스트리커 코포레이션, 내비게이트 써지컬 테크놀로지 등의 국외 기업들이 대부분 상위에 위치하여 있었고, 수술실 외부는 서울대학교 병원 그리고 각 대학의 산학협력단이 상위를 차지하며 상대적으로 국내 출원인의 비중이 높게 나타났다. 이는 직접적으로 수술에 관여하는 분야의 기술력은 국내 출원인이 상대적으로 낮고, 수술실 내부의 생태계에는 비교적 적극적으로 참여하지 못하는 것으로 볼 수 있다. 이에 따라 수술실 내부 생태계 에 자리를 잡기 위해서는 기술혁신 및 R&D를 통해 국내 업체의 기술혁신을 도모하여야 한다고 사료된다.

세부 분야별 분석 결과를 살펴보면 수술 의료시스템, 보조 시스템 분야의 경우 국외 출원인의 비중이 높게 났으며 이는 해당 분야의 국내 업체들이 생태계에 적 극적으로 참여하지 못하고 있다고 보여진다. 그 중 수술 의료시스템 분야는 스트리커 코포레이션이 모든 중심성 결과에서 가장 영향력이 큰 출원인으로 나타났고 보조 시스템 분야의 경우 마구에트 게엠베하가 허브 역할을 담당하고 있고, 내비게이트 써지컬 테크놀로지는 중심적인 역할과 더불어 가장 높은 영향력을 보이고 있었다.

그 외 나머지 분야의 경우 대부분의 출원인이 국내 출원인이 차지하고 있으며 국내 기술력이 높다는 것으로 판단된다. 세부적으로 살펴보면 수술 최적화 시스템 분야의 경우 경북대학교 산학협력단이 허브 역할을 담당하고 있고, 한국과학기술원이 중심적인 역할과 가장 높은 영향력을 미치고 있었다. 의료진 간 정보공유 및 플래닝 분야의 경우 주식회사 밥새우가 허브 역할을 담당하고 있고. 가부사키가야샤 닛폰 엔부레스가 중심적인 역할을 하고 있었으나, 가장 큰 영향력을 보인 것은 지멘스 헬스케어 게엠베하로 나타났다. 환자 정보 관리 시스템 분야의 경우 모든 중심성 분야에서 서울 대학교병원이 가장 높은 순위를 기록하며 가장 영향력 있는 출원인으로 나타났다. 스마트 수술 자원관리 시스템 분야의 경우 메디칼 프로세스 시스템이 허브 역할을 담당하고, 주식회사 엔티메디가 중심적인 역할을 함과 동시에 가장 큰 영향력을 가지고 있었다. 위치 트래킹 시스템 분야의 경우 모든 중심성 분야에서 엘에스산전 주식회사가 가장 높은 순위를 기록하며 가장 영향력 있는 출원인으로 나타났다. 마지막으로 수술 상황 및 환자 정보공유 시스템 분야에서는 주식회사 파인트리시스템이 모든 중심성 분야에서 가장 높은 순위를 기록하며 가장 영향력 있는 출원인으로 나타났다. 해당 분야 역시 모든 출원인이 국내 출원인으로만 구성되어 있었다.

각 분야별 출원인 유형을 살펴보면 수술 의료시스템 및 보조 시스템 분야는 출원인의 유형이 대부분 국외 기업으로 이루어져 있으며 해당 분야의 생태계에 자리를 잡기 위해 R&D를 통한 국내 업체의 발전을 도모하여야 한다고 사료된다. 반면, 스마트 수술 자 원관리 시스템 분야는 대부분의 출원인이 국내 기업인 것으로 나타났다. 따라서 해당 분야는 이미 어느 정도 기술사업화가 이루어져 있는 분야로 볼 수 있으며 기술혁신 및 기술사업화의 기회가 낮다고 볼 수 있다. 그러나 환자 정보관리 시스템 분야는 국내 대학 및 병원 출원인이 대부분을 차지하고 있었다. 이를 R&D의 단계로 살펴보면 대학 및 병원의 경우 R&D 의 기초연구 및 임상 연구의 단계이므로 사업화 단계까지 넘어가지 못한 것으로 판단된다. 따라서 해당 분야는 상대적으로 기술혁신 또는 기술사업화 기회가 많을 것으로 예상된다. 그 외의 수술 최적화 시스템, 의료진 간 정보공유 및 플래닝, 위치 트래킹 시스템, 수술 상황 및 환자 정보공유 시스템 분야는 상당수의 출원인이 기업 출원인이었으나, 대학 및 병원 출원인 역시 일부를 차지하고 있었다. 이는 이 분야들이 모두 기술혁신 및 기술사업화가 어느 정도 활성화가 시작한 분야로, 보다 높은 성장의 기회가 있을 것으로 보 인다.

구성 분야별 IPC 코드 중심성 분석에서 [Table 4]와 [Table 5]를 살펴보면 수술 의료시스템 분야와 수술 최적화 시스템 분야는 메인그룹 단위의 A61B019 (A61B 34/00-34/37(컴퓨터 지원 수술; 수술에 사용되기에 특히 적합한 조종기 또는 로봇), A61B 90/ 00-90/98(수술 또는 진단에 특히 적합하고 A61B001/00-A61B-050/00 중 어느 그룹에도 포함되지 않은 기구, 구현 또는 부대용품, 예. 탈구 치료 또는 상처 가장자리 보호를 위한 것)로 이동됨)가 모든 중 심성 결과에서 가장 높은 순위를 기록하였다. 보조 시스템 분야는 A61B005(진단을 위한 측정)가 모든 중심성 결과에서 가장 높게 나타났다. 수술 의료시스템 분야, 보조 시스템 분야, 수술 최적화 시스템 분야에서 IPC 코드의 서브클래스 단위로 살펴보면 A61B(진단; 수술; 개인 식별)기술 분야가 상위에 나타나, 주요 기술 분야임을 알 수 있었다.

[Table 4] Results for Centrality Analysis of IPC Codes(Internal Operating Room)

[Table 5] Results for Centrality Analysis of IPC codes(External Operating Room)​​​​​​​

* The visualization data for the results of the centrality analysis derived for each component are not included for reasons of excessive quantity. If you need any information about this, ask the author separately.

한편, 환자 정보관리 시스템 분야, 스마트 수술 자원관리 시스템 분야, 위치 트래킹 시스템 분야, 수술 상황 및 환자 정보공유 시스템 분야는 G06Q050(특정 사업 부문에 특히 적합한 시스템 또는 방법)이 모든 중심성 결과에서 가장 높은 순위로 나타났으며, 서브 클래스 단위로 살펴보면 G06Q(관리용, 상업용, 금융용, 경영용, 감독용 또는 예측용으로 특히 적합한 데이터 처리 시스템 또는 방법; 그 밖에 분류되지 않는 관리용, 상업용, 금융용, 경영용, 감독용 또는 예측용으로 특히 적합한 시스템 또는 방법)기술 분야가 상위에 나타나, 주요 기술 분야임을 알 수 있었다.

그러나 의료진 간 정보공유 및 플래닝 분야에서는 연결 중심성은 수술실 외부 분야와 같은 G06Q050 (특정 사업 부문에 특히 적합한 시스템 또는 방법)이 가장 높은 순위로 나타났지만, 매개 중심성, 그리고 근접 중심성에서는 G16H010(환자 관련의 의료 또는 건강관리 데이터의 취급 또는 처리에 특히 적합한 ICT)이 상위로 나타나며, 해당 분야에서 중심적인 역할을 하는 동시에 영향력 역시 높았다.

5. 결론

현재 우리나라는 고령화 문제가 심화되면서 노인 수․시술 건수와 의료비 지출의 지속적인 증가와 인력 난의 문제가 더욱 고조될 것으로 예상된다. 또한 사람들의 건강에 대한 관심이 높아짐에 따라 의료시스템의 중요성 역시 높아지기 때문에 의료산업은 지속적으로 발전하는 대표적인 성장동력 산업 중 하나라고 할 수 있다.

이에 본 연구에서는 스마트 수술 의료시스템의 비즈니스 생태계를 살펴보기 위해 특허 데이터를 통한 네트워크 중심성 분석을 수행하였다. 이는 전문가 인터뷰 결과를 통해 추출한 키워드를 중심으로 특허 데이터를 수집하여 스마트 수술 의료시스템의 구성 분야를 도출하였으며, 국내와 국외 출원인을 비교 분석하여 각 분야별 취약점을 파악하였고, 네트워크 분석을 통해 비즈니스 생태계를 가시화하였다. 이를 기반으로 비즈니스 생태계 네트워크와 각 구성 분야별 출원인 및 IPC 코드 중심의 네트워크 분석을 수행하였다. 연구 결과, 국내 스마트 수술 의료시스템 생태계는 수술실 내부와 외부 중 외부에서는 국외 출원인들에 비하여 국내 출원인들이 강점이 있는 것으로 나타났지만, 수술실 내부에서는 오히려 국내 출원인들이 다소 취약 한 것으로 나타났다. 또한 출원인 유형을 기업, 대학, 병원으로 구분하여 분야별 비교 분석을 한 결과 국내 스마트 수술 의료시스템 비즈니스 생태계에서 혁신 또는 사업화의 기회를 창출할 수 있는 분야를 도출할 수 있었다.

본 연구의 의의는 크게 세 가지로 제시할 수 있다. 먼저, 본 연구는 아직 성장 초기 단계에 있는 스마트 의료시스템을 중심으로 구현될 수 있는 비즈니스 생태계를 도출함에 있어 타당성을 확보하기 위해 전문가 의견을 반영하여 스마트 수술 의료시스템 구성 분야를 도출하였다는 점이다. 이는 향후 스마트 의료시스템의 높은 성장 가능성을 고려했을 때 관련 이해관계자들의 가이드라인으로 보다 효율적으로 활용될 수 있을 것으로 기대된다. 둘째로, 본 연구는 의료산업이란 특성에 기반하여 기업, 대학, 병원으로 구분하여 연구에 적용하였기에 각 분야별 기술혁신 및 기술사업화의 기회가 있는 분야를 도출하였다. 가령, 기업 차원에서는 본 연구 결과를 고려하여 기술혁신 및 기술사업화의 가능성이 있는 분야에 특허를 출원함으로서 경쟁우위를 창출하여 낼 수 있을 것이라 예상된다. 마지막으로, 이는 향후 우리나라 의료산업의 특징상 높은 정부 규제를 개선하거나 관련 정책을 수립함에 있어 효과적인 이정표 역할을 할 수 있을 것으로 사료된다. 이와 같은 정부규제의 개선 및 정책 수립은 의료산업 뿐만 아니라 의료산업에 참여하고 있는 다양한 이해관계자들, 즉 의료기관이나 제약 업체뿐만 아니라 IT나 바이오, 금융 분야 등 의료산업과 관련된 모든 생태계 내 참여자들에게 성장 및 발전 가능성을 향상시켜줄 것으로 보인다.

그러나 이와 같은 의의에도 불구하고 본 연구는 한계점 역시 수반하고 있다. 우선, 본 연구에서는 스마트 수술 의료시스템을 중심으로 구현되는 비즈니스 생태계를 분석함에 있어 정량적인 방법인 네트워크 분석만을 통해 결과를 도출하였다는 점이다. 이는 의료산업을 둘러싼 관련 법체제나 정부규제, 그리고 환자 및 잠재적인 수요자들까지 고려할 수 있는 정성적인 접근법이 보완된다면 더욱 의의를 높일 수 있을 것이다. 두 번째는 본 연구의 분석 대상으로 활용한 특허 데이터의 한계이다. 특허 데이터는 출원한 후 등록되기까지의 시차가 존재하기 때문에 산업의 최신 트렌드를 정확하게 파악하기에는 한계가 있다. 이는 추후 연구에서 문헌분석이나 정성적 분석 등이 추가적으로 수행된다면 보완할 수 있을 것으로 보인다. 또한 본 연구에서는 국내 특허 데이터만을 활용하였기 때문에 향후 관련 분야의 선진국의 국외 특허 데이터를 추가적으로 수집하여 국내외 비교 연구가 필요할 것으로 사료된다.