Shiru vs 비즈AI

Shiru 장단점

• Shiru의 가장 큰 강점은 단백질 발견 과정을 기존 대비 80% 이상 단축(5~15년 → 1~2년)시킬 수 있다는 점으로, Fortune 500대 기업을 포함해 다수의 글로벌 식품, 화장품, 농업 기업들과 파트너십을 맺고 실제 상업적 성과를 내고 있습니다. 3,300만 개 이상의 단백질 데이터를 보유한 자체 데이터베이스 Flourish™는 단순한 서열 정보를 넘어 구조-기능 관계를 학습한 머신러닝 모델과 결합되어, 목적하는 기능에 최적화된 후보물질을 정밀하게 예측할 수 있습니다. 또한 ProteinScreening™을 통해 예측된 후보를 실제 실험실에서 고처리량으로 검증하는 시스템을 갖추고 있어 AI 예측만으로는 확인하기 어려운 실제 성능까지 검증할 수 있습니다.

• Shiru는 개인이나 소규모 스타트업이 가볍게 사용할 수 있는 셀프서비스 SaaS가 아니며, 기업과의 파트너십 계약을 통해서만 이용 가능해 접근성이 제한적입니다. 공개된 가격 정책이 없어 프로젝트 규모나 요구사항에 따라 견적이 크게 달라질 수 있고, 바이오/화학 분야의 전문 지식이 없는 기업에게는 활용 난이도가 높을 수 있습니다. 또한 AI 예측 결과가 실험실 검증에서 100% 일치하지 않을 수 있어 여전히 시행착오가 필요하며, 제품화까지는 규제 승인, 대량 생산 공정 개발 등 추가 단계가 필요해 전체 개발 기간은 산업별로 상이할 수 있습니다.

비즈AI 장단점

• 응급 질환에서 영상 이상 소견을 자동으로 감지해 치료팀에 곧바로 알리므로, 판독 결과 전달과 치료 개시까지의 지연 시간(DNT)을 줄이는 데 직접 기여합니다
• 모바일 앱으로 고해상도 영상을 확인할 수 있어, 당직 전문의가 병원 밖에서도 영상을 보고 전원·수술 여부를 빠르게 판단할 수 있습니다
• 미국 CMS(Medicare)의 신기술 추가 지불(NTAP) 적용 사례가 있어, 도입 병원이 비용 일부를 보전받을 근거가 마련돼 있습니다
• 미국 내 약 2,000개 병원·의료 시스템에 도입돼 실제 임상 환경에서 운영된 이력이 쌓여 있습니다

• 도입 규모와 선택 알고리즘 수에 따라 발생하는 높은 연간 구독 비용 부담
• 기존 병원 IT 시스템(PACS/EHR)과의 원활한 연동을 위한 초기 설정 필요
• 미국 시장 중심의 보험 정책 및 규제에 맞춰 설계된 비즈니스 모델

Shiru 주요 기능

• ProteinDiscovery.ai: 7,700만 개 단백질 서열 검색 마켓플레이스
• Flourish™: 단백질 구조-기능 관계 학습 ML 모델
• Expressor: 생산 효율 및 수율 예측 도구
• ProteinScreening™: AI 예측 후보의 고처리량 실험실 검증
• OleoPro™: 식물 기반 고성능 구조화 지방 상용 성분
• uPro™: 유화 및 텍스처링 특화 감자 단백질

비즈AI 주요 기능

• AI 기반 뇌졸중·뇌출혈·심장질환 영상 자동 분석 및 알림
• CT/MRI 이미지에서 병변을 자동 감지해 임상팀에 즉시 전달
• Viz One 플랫폼으로 1,800개 병원·의료 시스템 통합 케어 코디네이션
• Viz ICH Plus — 뇌내출혈(ICH) 정량화 알고리즘(FDA 510(k) 승인)
• Viz Subdural Plus — 경막하출혈 정량화(FDA 510(k) 최초 승인)
• 비대성 심근병증(HCM) AI 알고리즘(FDA De Novo 최초 승인)