医药知识问答_医药基本知识_医药类知识_医药知识库_医药知识大全-摩熵文库（原药融文库）

因为您有卫材工作经历，那什么样的项目能受到跨国大药企卫材的青睐？

林剑

卫材

2023-05-19

在日本，我们也是做了几单license in的交易，从日本几家创新企业拿了一些中晚期的项目，比如处于临床2期、临床3期的创新项目，类似关节炎或者是痛风等等。

1、能够吸引MNC眼光的点其实就是first in class以及是不是能够在这个疾病领域做到比较独一无二的（unique ）差异化竞争的优势，这样的产品我们会选择拿到中国来。

2、在于是不是能够以一个性价比较高或者比较好的交易价格拿进来。其实像刚才王总也提到像百济、再鼎这样的biotech也在积极地往中国市场拿产品，那些biotech其实给出的交易价格相对比较高，所以对于MNC的挑战也比较大，因为大家都知道MNC也是蛮考验预算（budget）的水平，所以在当时比较竞争化的环境之下，我们也是倾向于能够去拿一些整体交易价格相对比较适中，能够让总部批这笔预算的一些项目拿到中国这边来。

3、对于竞争和商业化阶段，我们会选择那些在中国上市或者做注册会比较顺畅，竞争没那么大的产品。

您这个均相催化的定点偶联技术和酶促偶联的技术最终达成的效果是异曲同工的吗？

黄金昆

生物医学

定点偶联

酶促偶联

2023-04-28

肯定会有差别。比如化学催化的手段和酶催化的手段是不一样的，酶催化更多的是生物合成的现象，他对局部的认知会更加有个性化，那么化学催化，在大部分情况下，它对底物的识别没有那么精准，所以更加具有普遍性。

你认为AI在整个制药行业的链条当中，在哪个节点上最能起到作用的？

常珊

制药行业

AI技术

2023-04-28

你必须给AI的条件是比较具体的，什么时候是不太确定的，比如到了细胞，再到了体内，再到了人体，他这些环境影响的因素越来越不确定，所以为什么我们药物研发阶段越到后面失败率越高，就是因为你前面感觉很确定的问题，到了后面各种因素都不是你可控的，在这些不可控的因素，你又没有数据的情况下，你让GPT去做一个准确的判断是非常困难的，所以在越前端问题越明确，它越有可能给出一个准确的答案。越到后面不确定越多，他越很难给你一个准确合理的回答，我觉得越到后面越困难。

生物医学很多文献都是有一连串的前提条件下才能成立的，我们大规模的医疗数据怎么才能标准化能够给AI学习？AI还需要提升到什么程度，才能具备思考能力？

常珊

AI新药开发

AI辅助

2023-04-28

首先数据非常重要，其实GPT在训练的时候，它刚开始从网上获取很多数据的时候，假如不做甄别的情况下，学习了很多各种各样的资料，这个效果不一定好，因为那个数据是没有经过强化学习的，而强化学习的时候实际上是open AI公司花了很多的钱去做了数据非常重要标注的，包括它的数据，什么样的答案比其他答案要好，它有个排序的，然后用这样的数据再去做强化学习，对它的参数进行了微调以后，才让它的模型慢慢地变成跟我们人类的思维更接近，或者它更会考虑我们人的判断，让他的回答更像人，所以我觉得数据肯定需要我们做很关键甄别的。

所以当你把GPT这种大模型应用到医学方向上去的时候，其实你的数据是要做这个领域上的强化学习，让它变得更适应于你这个领域风格的回答，或者更适应于你觉得这个领域理解的回答，我觉得这是需要的，因为少不了强化学习，如果GPT不做强化学习，它也达不到我们现在感觉它像人的这种程度。

罕见病是未满足的临床需求，但是企业做罕见病药物开发也不是很赚钱，罕见病这块什么样的创新主体做比较合适？它这个研发成本又应该怎么去考虑？

黄金昆

罕见病

2023-04-28

我从另外的角度来看罕见病这块。

第一个，我认为生命是不能简单地给他估值的。所以我相信我们国家在不同的层面上是愿意再提这个口号，就是如何解决少数患者的痛苦问题，我觉得随着社会的发展，迟早都是一个趋势。在美国是罕见病，放到中国来，其实这个人数不一定少，社会在向前发展。

另外一方面，从科学的角度上，现在看起来是一个罕见病，你真正如果把罕见病的问题解决了，后面可能就有一定的科学道理，他可以牵涉到其他的疾病，与此同时也能解决疾病的问题，比如我们公司里面碰到一个小分子药，第一个适应症，你看起来是拿来做罕见病的，包括在美国也是这么干的。但是同样的靶点，它市场后面牵涉了很大的适应症，那这个适应症现在完全没有药，因为罕见病快，在美国你可以很快获批，它现在已经推到3期，再回过头来解决大多数人的问题，因为从科学上通过少数人得到的验证是能解决这个问题的。

第三层次，国际化可能也是我们不得不走的路。如果你能够真正解决一个很厉害的问题，我觉得你不妨换个环境把它做出来，中国支付不了，可以找美国人支付。科学是共通的，既然疾病是共通的，药品它应该也是共通的。