重磅，预测药物研发成功率的底层逻辑！

5%？还是50%？相信很多小伙伴无论是在算NPV和被老板灵魂拷问的无数瞬间，都很想知道到一个管线成功率的标准答案是什么？

这是个长久以来，没人能说清，心里超级没底，全靠拍脑袋的哲学问题。

PoS：“玄学”还是“科学”？

在BD及投资人的日常工作里，最让人挠头的时刻莫过于老板指着一个刚拿到的项目问“这玩意儿能成的概率有多大？”

职场小白可能会闭目冥思，然后报出一个吉利数字“我觉得66%吧，听起来挺顺”，职场老手会推推眼镜，神秘兮兮的打开一个复杂的Excel模型，冰冷地回答“基于调整基准法，考虑到靶点验证和生物标志物表现，其 PoS落在16%～22% 置信区间内”（PoS=Possibility of Success）

老生常谈的道理是，生物医药研发本身就是一场科学豪赌，既能靠直觉，也需要一套把“不可控因素”转化为“数学期望”的操作逻辑。

别着急拍脑袋，先做好对标

预测的第一步不是看这个项目有多牛，而是 寻找基准（Benchmark） 看历史大盘。这也符合诺奖获得者丹尼尔·卡尼曼的建立外部视角的观点，借助别人的眼光来延长自己的视线，用别人的结果来 评判和修正 自己的行为。

如果手里拿到的是个 Oncology资产，那对不起，这个管线的初始血条可能只有10%左右。

当然，如果手里的项目非常具体，那就可以搜集特定靶点、特定药物类型以及特定适应症的历史或者同类成功率，这就更有参考意义了。

就像下面的图，如果能列出来，那可能都不用再进行下一步的影响系数调整就能做出一个“模糊的正确”的决策了！

调整系数，适应自己项目

拿到了行业的平均分，接下来就是针对自己手中的资产进行具体情况具体分析，基于外部视角下基准值合理的进行估值调整。

调整系数的产生就在于把对应管线的研发计划进行逻辑化的拆解，摆出能影响项目成功的各种内部、外部因素，并按照时间逻辑延展卡。随后对影响因素的影响系数进行确定。

确定影响系数后，调整方式可以是简单的加减法，如果有足够大的经验可以自己建立模型，甚至用AI来进行成功率的拟合。

在确定影响系数中，加分项（Buff）包括，Phase 1 是不是观察到了预期的生物标志物变化？竞品的数据是不是已经把路铺好了？（PS： 有生物标志物筛选的试验，其成功率通常比没有的高出 2 倍以上。 ）等等

减分项（Debuff）的内容比如药物的安全性问题，哪怕效果再好，如果动物实验里有肝毒性，PoS建议直接打五折。其他情况以此类推！

另外，一些公司或者项目层面的因素也要纳入考量。像公司的项目经验，大药企操作后期临床的成功率必然要高；而临床试验的设计，尤其是对照、临床试验终点的选择，也是非常重要的影响因素。

比如看下面的图表数据，列示了对预测某肿瘤药物III期临床成功率过程中的影响因素（横轴），这里面从左到右，离着50%这条虚线越远的因素，对预测成功率影响越大。

所以，II期的数据、公司的研发能力、是否用特殊审评通道（请参考《》）、是否获批其它适应症、试验类型、试验入组患者数目等因素的权重较大！

最后，还有非常需要考虑的点是国家和地域的不同，可能临床试验对应的成功率也会大有不同！

造成差别到原因是跟监管，以及不同国家对临床试验的要求的差异相关的。

不要掐指一算

顶级职场人从不打保票，应该展示一个不确定性的范围，给出一个进可攻退可守的答案。如果掐指一算，那结果和黑猩猩扔飞镖的准确度差不了多少。

“16% ≈ 六分之一”，当把这个数字告诉领导时，他立刻会认为这就像玩俄罗斯轮盘，只有一颗子弹能打响。这“体感预测”远比冷冰冰的 0.16 更有决策杀伤力。

PoS的答案绝不是为了证明自己是个顶级预言家，而是为了在资源有限的情况下，判断把钱如何投在更有胜算的地方。

比较好玩儿的是预测一种可以习得的肌肉记忆。多看失败的项目，你的直觉才会变得像刀刃一样锋利。

而且现在有了AI，肯定后面会出很多大模型来预测临床试验的成功率的！不过话又说回来了，如果能预测临床试验到底能不能成功，那很多公司可能就赚到大钱喽～

如果您喜欢胖猫的观点和文章，欢迎加入胖猫的知识星球。

BD宝典1.0已经更新完，BD 2.0进阶版知识持续更新中～

还有有专业的研发资料、行业研究、自制的各种工作工具，还可以和胖猫及众多志同道合的朋友们问答互动，等您一起来学习、成长、搞钱～