研发管道中的隐藏价值:用机器学习解决制药公司5000亿美元的问题

5千亿美元的问题

2020年，制药行业在研发、并购和许可方面投资超过5000亿美元，以寻找下一个改变生活和市场领先的产品¹．但最近的一项评估分析发现只有20%的上市药品产生了90%的商业回报．这表明，制药公司在新分子上的投资可能并不总是能获得预期的回报，并提出了关于最新一轮研发和组合投资的预期问题。

重磅炸弹药，被定义为每年销售额超过10亿美元的药物，需要变革性科学、未被满足的需求、竞争性定位和定价的正确组合。然而，基于这些复杂因素构建准确的预测和估值模型既耗时又难以大规模复制，特别是对于时间紧迫的战略、商业和业务开发团队。

为了克服这些挑战，制药公司通常依赖于股票分析师或共识预测提供商的第三方估值。然而，这些来源并不总是提供早期资产的覆盖。下面的图表显示，股票分析师最近的一项分析显示，在过去十年推出的重磅产品中，只有不到一半的产品在第二阶段有预测可用。对于非重磅产品，只有16%的产品在第二阶段被覆盖。

早期信息差距如何限制研发效率

在后期开发阶段启动股票分析师报道是有意义的;对于那些可能永远不会进入市场的产品，或者在预测范围内不太可能为公司带来收入的产品，创建详细的预测模型没有什么意义。但这一趋势也意味着，制药公司往往没有独立的、现成的估值数据来提供信息或对他们的管道决策进行彻底检查。

由于第三阶段需要大量的研发支出，加上后期资产在许可或并购交易中所要求的较高价格，早期对产品价值的了解可能会极大地提高研发投资的生产率。Evaluate的另一项分析显示，从2012年到2020年，研发支出的增长超过了销售收入的增长，尽管在同一时期，批准的新药数量稳步增长。这表明制药公司可能将研发预算投资于商业潜力有限的产品。

我们需要的是一种预测早期资产商业潜力的新方法，这种方法可以减少复杂的手工预测的需要，允许对产品进行大规模评估，并提供所需的速度和准确性，以有信心地做出时间敏感的许可或研发组合决策。

用机器学习填补空白

在制药行业，机器学习算法已经被用于从复杂的数据集生成新的见解²．通过将类似的技术应用于商业预测，数据提供者可以分析数以百万计的产品级数据点，以确定与商业性能最直接相关的产品特征，并基于其独特的属性组合预测每个产品的潜力。

通过消除人类预测者的时间和能力限制，机器学习可以以前所未有的规模提供商业预测，在临床开发的所有阶段提供更完整的商业潜力视图，包括股票分析师或共识模型未涵盖的早期阶段或私有药物。

这项技术突破使制药团队能够在第一阶段就识别出具有巨大潜力的药物，这样他们就可以更好地将研发投资导向最有可能产生重大回报的产品，或者做出更明智的许可和收购决策。特别是，机器学习允许制药团队:

• 减少过度投资商业期货有限的产品的可能性
• 更好地优先考虑具有改变市场潜力的组合药物
• 快速、准确地量化外部资产的价值，以快速做出去/不去的决策
• 确定需要额外研发支出、许可或收购的潜在投资组合缺口

正确利用机器学习的回报可能是巨大的。Evaluate公司的进一步分析表明，更好地将研发投资集中在具有最大商业潜力的产品上，仅在美国就可以增加高达500亿美元的市场价值。急于从所创造的潜在价值中分一杯羹的公司，最好利用这些新工具。