德勤最近的一项研究显示，制药公司将一种新药引入美国市场的平均成本高达20亿美元。超过三分之一的产品推出失败，导致企业严重的甚至灾难性的收入损失。除了产品推出举步维艰外，药企还要面对《通胀削减法案》（IRA）落地在即、重磅药物专利悬崖临近等困境。

在推出新产品愈加困难之际，支撑财务状况的重要性凸显。企业如何做到两者平衡，蹚过波涛汹涌的水域？业内高管Andree Bates提出三条AI驱动的数据分析处理路径思路，供药企参考。

AI算法缩短研发周期

制药公司需要尽快开发更广泛的产品管道，找准市场定位。先进的AI和大型语言模型（LLM）分析可基于药企现有研究数据分析，推动加速临床研究，为企业降本增效。事实上，AI和LLM甚至可在试验开始前预测结果。理论上来说，10年后，新产品上市的全过程可能会从10~15年缩短至1~3年。

专注癌症早期监测的GRAIL公司，是在研发中利用AI的一个实例。GRAIL最近推出了第一个多重癌症早期检测测试Galleri，该测试通过AI驱动的下一代测序和机器学习算法，分离无细胞DNA并分析其甲基化模式，以检测是否存在50多种癌症的癌症信号，从而预测癌症信号的来源，帮助指导诊断评估。

辅助优化专利到期后营销方案

在当前的经济形势下，品牌团队必须加倍努力培养与现有客户的关系，并在产品失去排他性之前继续培养忠诚度。建立客户忠诚度的努力可能为企业带来价值数百万美元的收入。生命科学公司越是接纳高用量处方者，就越能在失去专有权后看到更好的结果。

基于AI的“下一个最佳行动”（next-best-action，NBA）解决方案通过协助药企定制与医疗保健专业人员（healthcare professionals，HCP）接触的最优方式，帮助提高药企客户忠诚度。此外，该方案还能使药企实时组织协调客户体验，提升商业转化率。而对于专利到期产品探索新适应症的药企，也可利用NBA解决方案识别新的HCP，尽早为下一步销售与营销工作做准备。

Bates透露，其所在公司利用AI分析了一款专利期仅剩3年的产品所使用的所有商业参与渠道的价值，选出了转化效果最好的渠道后侧重发力，使该产品市场份额在6个月内翻一番，实现了在剩余专利期内的收益最大化。

智能预测新药最大机会空间

产品投入市场后，公司必须快速有效地定位目标客户，以实现价值最大化。能否有效地分析和综合庞杂的数据通常决定着成败。在AI智能系统协助下，药企可极大降低产品商业化的“Who、What、When、Where、How”耗时费力程度。

例如，有药企会推出与现有明星药物类似、但具有新作用机制的新药。如何避免该药对明星药物原有市场份额的侵蚀，并保证其能开拓新市场？AI可基于索赔数据、患者登记数据和市场研究数据，绘制目标疾病领域变化图谱，以及分析随着新药面世，患者就医过程与治疗方法演变过程。不仅如此，其还可对市场上所有现有药物的每个疾病区域进行摸底调查，以确定新药的最大机会空间。据悉，某排名前十的药企在专业公司帮助下，利用该策略制定了高效销售与营销策略，新药在未蚕食原有产品市场的情况下，上市第一年销售额就接近30亿美元。

★★★ 小结 ★★★

AI正逐步融入生物制药行业，并将在未来5~10年内有望成为药企运营模式中的标准配置。在未来的十年里，制药公司将不得不面对一系列新挑战，而全面拥抱AI、机器学习和LLM分析将提供一条前进的道路。

将这些技术整合到其业务的每个阶段——从管道开发到销售和市场营销，将使公司能够经受住专利悬崖风暴，通过持续的反馈循环灵活调整战略，增强自身实力。

（原文标题：Fortifying Defenses Pre-Patent Cliff，来源：Pharmaceutical Executive）

此内容为《医药经济报》融媒体平台原创。未经《医药经济报》授权，不得以任何方式加以使用， 包括转载、摘编、复制或建立镜像。如需获得授权请事前主动联系：020-37886610或020-37886753；yyjjb@21cn.com。