수술로봇 시장은 오랫동안 더 정밀한 팔과 더 안정적인 조작감의 싸움이었다. 그러나 생성형 AI 이후 피지컬 AI 경쟁이 의료로 번지면서 질문이 바뀌고 있다. 로봇이 손을 대신하는 데서 멈추지 않고, 수술 장면을 이해할 수 있는가. 그 전환점에 서울대학교병원 융합의학과 MediSC 연구실 스핀오프 로소타가 등장했고, 거기에 15억원 시드 투자가 붙었다15.
왜 수술 데이터였나 — 자동화의 병목이 로봇 팔에서 학습 재료로 옮겨갔다
기존 수술로봇의 중심은 원격조작이었다. 의사의 손동작을 더 작고, 더 정확하고, 더 안정적으로 전달하는 것이 핵심 가치였다. 로소타가 겨냥하는 지점은 그 다음이다. 수술로봇이 단순한 도구를 넘어 수술 상황을 스스로 이해하고 학습해 외과의 판단을 실시간으로 지원하는 AI-native 시스템이 될 수 있느냐는 질문이다1.
이 질문에서 가장 희소한 자산은 알고리즘 자체가 아니다. 실제 수술 과정에서 발생하는 영상, 의료기기 움직임, 센서 데이터가 시간축 위에서 연결된 학습 재료다. 로소타는 이 데이터를 실시간으로 수집하고 익명화·비식별화한 뒤 AI 학습까지 연결하는 독자 데이터 파이프라인을 구축했다고 밝혔다1. 수술 자동화의 초입에서 가장 먼저 잠가야 할 것은 로봇의 관절이 아니라 데이터의 흐름이다.
의료 AI는 일반 AI보다 검증 비용이 높다. 특히 수술은 결과가 즉시 생명과 연결되고, 맥락이 복잡하며, 같은 술기라도 환자 상태와 장면 변화에 따라 판단이 달라진다. 그래서 공개된 범용 데이터만으로는 충분하지 않다. 로소타가 서울대학교병원 융합의학과 MediSC 연구실에서 스핀오프했다는 사실은 단순한 출신 배경 이상의 의미를 갖는다1. 임상 현장을 이해하는 팀이 데이터 정의부터 시스템 설계까지 잡을 가능성이 커진다는 뜻이다.
창업팀의 구성도 이 서사와 맞물린다. 서울대학교 의과대학 출신 서예찬 대표와 서울대학교 기계공학부 출신 최민우·이동호 공동창업자가 함께 회사를 세웠다1. 의료진이 문제를 정의하고 로봇공학 연구진이 시스템으로 구현하는 구조다. 수술로봇은 병원 안의 문제와 기계 안의 문제가 동시에 풀려야 하는 드문 시장이다.
무엇이 다른가 — 원격조작 로봇과 AI-native 수술로봇의 경계
| 영역 | 전통 수술로봇 접근 | 로소타 접근 |
|---|---|---|
| 핵심 역할 | 의사의 손동작을 정밀하게 전달하는 원격조작 중심 | 수술 상황을 이해·학습해 외과의 판단을 실시간 지원하는 AI-native 수술로봇 지향1 |
| 데이터 레이어 | 수술 장면은 주로 기록 또는 사후 분석 대상으로 남는다 | 수술 영상·기기 움직임·센서 데이터를 실시간 수집해 AI 학습으로 연결1 |
| 임상 연결 | 기계 성능과 조작성 개선이 전면에 선다 | 서울대학교병원 융합의학과 MediSC 연구실 스핀오프로 임상 문제 정의와 기술 구현을 결합1 |
| 차별 자산 | 하드웨어 완성도와 조작 인터페이스가 경쟁 축이다 | 익명화·비식별화된 수술 데이터 파이프라인을 핵심 인프라로 제시1 |
| 시장 가설 | 로봇이 사람의 손을 더 잘 따라가면 가치가 생긴다 | 로봇이 수술 맥락을 이해할수록 자동화와 의사결정 지원의 범위가 열린다1 |
로소타가 먼저 증명해야 할 3단계는 무엇인가
- 데이터 파이프라인의 안정성 로소타는 수술 과정에서 발생하는 영상, 의료기기 움직임, 센서 데이터를 실시간으로 모으고 익명화·비식별화해 AI 학습으로 연결하는 구조를 만들었다고 설명한다1. 첫 번째 검증 지점은 이 파이프라인이 연구실 데모가 아니라 반복 가능한 인프라로 작동하는가다.
- 임상 맥락의 라벨링 수술 데이터는 많다고 곧바로 가치가 생기지 않는다. 장면, 술기, 기구 움직임, 의사 판단이 어떤 의미를 갖는지 해석되어야 한다. 서울대학교 의과대학 출신 대표와 기계공학부 출신 공동창업자 조합은 이 병목을 풀기 위한 팀 구성으로 읽힌다1.
- 의사결정 지원의 제품화 로소타의 목표는 외과의 판단을 실시간으로 지원하는 AI-native 수술로봇이다1. 따라서 단순 분석 리포트가 아니라 수술 중 의사에게 언제, 어떤 방식으로 도움을 줄지 제품 경계가 분명해져야 한다.
The Bet — 왜 퓨처플레이는 이 시드에 들어갔나
이번 베팅의 핵심은 로소타가 당장 완성형 수술로봇을 팔 수 있다는 데 있지 않다. 퓨처플레이가 리드하고 슈미트·ZDVC가 참여한 15억원 시드 투자는, 수술 자동화 시장의 초기 병목이 데이터 인프라에 있다는 가설을 산 것이다15. 세계 최고 수준의 국내 의료진이 축적한 수술 데이터를 기반으로 AI 수술로봇을 개발할 국내 플레이어가 필요하다는 투자자 발언도 같은 맥락이다1.
피지컬 AI는 몸을 가진 AI다. 제조, 물류, 모빌리티에서 그랬듯 의료에서도 AI가 실제 환경을 이해하려면 센서와 행동 데이터가 필요하다. 수술은 그중에서도 가장 높은 난도의 환경이다. 장면은 빠르게 변하고, 오류 허용 범위는 낮으며, 인간 전문가의 암묵지가 두껍다. 그래서 로소타가 다루는 데이터는 단순한 학습 재료가 아니라 시장 진입권에 가깝다.
물론 초기 리스크도 분명하다. 수술 데이터 확보와 비식별화, 의료기기 규제, 병원 현장 적용, 로봇 하드웨어 통합은 모두 시간이 걸리는 과제다. 공개 자료만으로는 로소타의 구체적 임상 적용 범위, 첫 타깃 술기, 상용화 일정은 확인되지 않았다. 그러나 시드 단계에서 중요한 것은 완성된 제품보다 어느 병목을 먼저 잡았는가다. 로소타는 그 병목을 데이터 파이프라인으로 정의했다.
다음 12개월에 지켜볼 지표 3개
- 수술 데이터의 범위 공개 자료에는 수술 영상·의료기기 움직임·센서 데이터를 실시간 수집한다고 되어 있다1. 다음에는 어떤 수술 영역에서, 어떤 형태의 데이터셋이 축적되는지가 중요하다.
- 임상 파트너십의 깊이 로소타는 서울대학교병원 융합의학과 MediSC 연구실 스핀오프라는 출발점을 갖고 있다1. 이 기반이 실제 병원 협력, 파일럿, 검증 프로토콜로 확장되는지 봐야 한다.
- AI 지원 기능의 첫 제품 형태 목표는 외과의 판단을 실시간 지원하는 AI-native 수술로봇이다1. 첫 제품이 분석 도구인지, 수술 중 의사결정 보조인지, 로봇 제어 레이어인지가 회사의 속도를 가를 것이다.
다음은 그 언어가 실제 수술실에서 얼마나 반복 가능하게 쌓이는지다.
