医药科技创业要避免的16个“坑”

  一个传统科技公司的早期发展规律早已相对为人熟知——通常的步骤为先有产品,然后吸引用户,从而产生收入——然而生

  一个传统科技公司的早期发展规律早已相对为人熟知——通常的步骤为先有产品,然后吸引用户,从而产生收入——然而生物科技公司的运作和演进则遵从着一套不太一样的时间表、有着不一样的核心指标以及需要关注的关键节点事件。如果要建立一个运用计算机技术和生物学知识来服务药物研发的公司,不仅需要具有跨学科运用的能力,还要能够知道什么时候企业迎来显著价值创造的拐点——不论是对创始人自己,对投资人,对药企客户,还是对监管者来说。
  对于一个创业新兵,或是一个想对医疗健康领域进行创新的纯技术背景的创始人,了解行业的既存规律和体系是非常重要的。医疗健康创业公司通常早期获得初步成功,然后发现很难将自己创造的价值融入到一个成熟完善的产业链及评价体系中时,业务也随之遭遇瓶颈。当然在生物科技行业中,这些固有的体系并非一尘不变,很多成功的公司也突破了很多惯例。但正如毕加索是先掌握了传统艺术的规则之后才将之革新一样,创始人们应该先去了解生物制药行业的传统规律,然后再选择走一条什么样的创新之路。
  所以,我们罗列了16个容易犯的错误,这些都是建立一个医疗科技公司时应该避免的。
  1 以服务提供方的角色切入
  服务商这种模式乍一看应该是很多运用计算机技术进行药物发现的创业公司的常规业务模式。公司拥有绝佳的新技术可以提升药物发现的效率;药企又有庞大的药物研发预算——这显然是个好生意?!于是创立公司,拿到了一些大厂的试点项目(如基因泰克,诺华,辉瑞这些大名字)。之后客户的名单慢慢增长,试点项目虽然小,但总有一天公司会拿到大合同的,不是吗?然而这里存在的问题是…这些理想中的大合同几乎从来不会成真。试点项目往往只有两种结果,要么成为一个小服务项长期存续,要么虽然成为大合同但是客户对公司和团队的要求和工作量急剧增加,以至于哪怕15年后这药在商业上取得巨大成功,对公司来说也只获得了相对很小的产出回报。
  这样的项目所带来的经济回报,无法满足VC的预期,其中很大的原因正是因为最主要的价值创造来自于药物研发的后期阶段。目前在临床前阶段化合物的失败率为95%——这就意味着平均一个临床前的资产的价值非常小。在这么高的失败率面前,要想验证一项新的技术能够带来改变通常要多年时间的实践工作。如果创始人意识到这点,但依旧坚信公司潜力和价值的,会决定自行研发药物(至少研发到能证明价值的阶段)。但这种模式也有其自身的一系列挑战,所以下面要提到2。
  2 团队缺乏药物研发经验
  当一个公司决定研发药物,一定要确保有相匹配的团队。这听起来很理所应当,但不是的——这意味着要在技术背景的创始团队上扩充人员,纳入有经验的人士,这些人要经历过从零(或计算机模型)到临床的工作  一个传统科技公司的早期发展规律早已相对为人熟知——通常的步骤为先有产品,然后吸引用户,从而产生收入——然而生物科技公司的运作和演进则遵从着一套不太一样的时间表、有着不一样的核心指标以及需要关注的关键节点事件。如果要建立一个运用计算机技术和生物学知识来服务药物研发的公司,不仅需要具有跨学科运用的能力,还要能够知道什么时候企业迎来显著价值创造的拐点——不论是对创始人自己,对投资人,对药企客户,还是对监管者来说。
  对于一个创业新兵,或是一个想对医疗健康领域进行创新的纯技术背景的创始人,了解行业的既存规律和体系是非常重要的。医疗健康创业公司通常早期获得初步成功,然后发现很难将自己创造的价值融入到一个成熟完善的产业链及评价体系中时,业务也随之遭遇瓶颈。当然在生物科技行业中,这些固有的体系并非一尘不变,很多成功的公司也突破了很多惯例。但正如毕加索是先掌握了传统艺术的规则之后才将之革新一样,创始人们应该先去了解生物制药行业的传统规律,然后再选择走一条什么样的创新之路。
  所以,我们罗列了16个容易犯的错误,这些都是建立一个医疗科技公司时应该避免的。
  1 以服务提供方的角色切入
  服务商这种模式乍一看应该是很多运用计算机技术进行药物发现的创业公司的常规业务模式。公司拥有绝佳的新技术可以提升药物发现的效率;药企又有庞大的药物研发预算——这显然是个好生意?!于是创立公司,拿到了一些大厂的试点项目(如基因泰克,诺华,辉瑞这些大名字)。之后客户的名单慢慢增长,试点项目虽然小,但总有一天公司会拿到大合同的,不是吗?然而这里存在的问题是…这些理想中的大合同几乎从来不会成真。试点项目往往只有两种结果,要么成为一个小服务项长期存续,要么虽然成为大合同但是客户对公司和团队的要求和工作量急剧增加,以至于哪怕15年后这药在商业上取得巨大成功,对公司来说也只获得了相对很小的产出回报。
  这样的项目所带来的经济回报,无法满足VC的预期,其中很大的原因正是因为最主要的价值创造来自于药物研发的后期阶段。目前在临床前阶段化合物的失败率为95%——这就意味着平均一个临床前的资产的价值非常小。在这么高的失败率面前,要想验证一项新的技术能够带来改变通常要多年时间的实践工作。如果创始人意识到这点,但依旧坚信公司潜力和价值的,会决定自行研发药物(至少研发到能证明价值的阶段)。但这种模式也有其自身的一系列挑战,所以下面要提到2。
  2 团队缺乏药物研发经验
  当一个公司决定研发药物,一定要确保有相匹配的团队。这听起来很理所应当,但不是的——这意味着要在技术背景的创始团队上扩充人员,纳入有经验的人士,这些人要经历过从零(或计算机模型)到临床的工作。举个例子,当23andMe决定要自行开展药物研发时,公司引入了基因泰克的高管来担任首席科学家以及药物研发总经理,打造了一个药物发现团队,并将公司在基因数据上的积累大量开放。
  这些具备“从零到临床”的人才来之不易,他们多遭受过大量失败的历练。这样,他们才往往能够更容易和高效地回答很多问题:如对公司而言在商业上有利或切实可行的发展方向在哪?获得的数据是否足够?如何设计一个好的临床试验?技术应该用来解决什么样的问题?而这些问题往往是单纯以技术为中心的团队所无法很好独立回答的。当然,从技术视角看到的愿景依然非常重要,那是点燃创始人创业激情的东西。所以,切记引入的药物研发专家是认可新技术运用的,否则的话,带来的就是文化和认知的冲突了。
  3 关注点在平台上,而非药物资产的开发
  在这个领域里初次创业的人经常希望仅凭一个技术平台就能从投资人那里融一大笔钱,而不实际去研发药物。在生物科技的世界里,资产是指在研的候选化合物,生物制剂或细胞体,需要进一步研发并力争注册成为新药或新疗法。但尽管大家现在对AI驱动的药物研发及其他技术领域非常兴奋,我们看到绝大部分跟药厂的合作以及融资案例中,这些公司多少都是有在研资产储备的。如果初创公司没有研发资产储备前就融了很大一笔钱,通常是因为这公司的业务是基于非常成熟可行的生物学理论,拥有一只行业内资深的团队,或是一个成熟生物科技公司所孵化。
  对于这个领域的新进者,在研药品储备是证明自身技术可行的难以或缺的实证。更重要的是,潜在的药企合作方以及VC们都习惯了要先见到药品储备。即便他们非常认可底层的技术和结果数据,他们更习惯于去评估一个有资产的公司。
  4 过于依赖电脑技术(而忽视了生物机理)
  对于开发药物的公司而言,计算机模拟预测的结果,最终也需要在生物学上被验证。而且为了理解资产的风险,潜在药企合作方会想要知道药物在生物学上起作用的主要过程。这样他们能更好的理解并帮助降低药品安全性和有效性上的风险,否则可能导致临床上的失败,从而带来极大的成本损失。深刻理解生物学也能帮助优化药物在治疗中的作用,寻找更利于挑选患者的生物标记物以及指导更合理的新药合成。
  所以,不可避免还是要在湿态实验室(Wet lab)中验证计算机做出的预测并通过实验帮助解答“药物是如何起作用的”——特别针对AI的黑匣子特点——至少在能够明确地证明计算机预测在人体上的真实有效性和稳定性之前。对于创始人而言,这意味着要花费时间和精力去明白:(1) 生效机制——药物发生生物化学反应的具体机理;(2) 药物的靶点——药物在生命体中与之结合起效的生物分子。不采取靶向研发技术的公司——如表型筛选(phenotypic screens,尝试用化合物在试验里或细胞上取得满意的效果,而不考虑其工作机制)——通常到后来发现自己不理解其生物学机制。他们可能需要再到实验室中来解答药物时结合了什么靶点,做了什么,通过一系列试验和模型系统,来建立清晰的生物学机理和治疗机制(经典例子就是抗感染药及单基因疾病,不像神经疾病或肿瘤疾病太过复杂和多元,细胞模型很难转化解释疾病表征)。
  注意,在某些情况下,如果数据足够好,你可能完全不用去描述分子层面上的运作机理——同时在这里澄清一下,明确的分子靶点不是FDA审批的必备条件(预计7-18%的注册药物没有分子靶点)。但这可能使一些药企客户心存疑虑。
  5 没有挑选一个适应症
  在科技界有句谚语——消费者买的不是技术,而是问题的解决方案。对于药企合作方,投资人,以及最终端的保险公司和患者来说,药品是用来解决一个非常特殊具体的问题的。这就是适应症:药物通过监管审批后计划要针对哪类疾病和人群,明确适应症就像打上一个明确的标签。
  第一次创业时容易憧憬自己的技术是一个可以广泛应用的平台——在科技领域很常见的观念——所以往往很晚才去明确一个适应症。然而明确的适应症是药品制定GTM (go-to-market) 策略时非常重要的一环;能帮助指导需要准备哪些材料来向前推进。而且,围绕药品建立的整套方案不仅展现了药品在商业上的价值,也体现了团队的商业化能力;团队是否深入考虑了市场规模,需求痛点,竞争,覆盖,分层及现有治疗方案?最终,很容易犯的一个错误是——先挑选了一个认为具有吸引力的适应症,再基于这个适应症来指导技术方案,而不是反过来做。创始人需要首先认清自身平台的优势,再根据这些优势来选择适宜的适应症。
  6 没有考虑到药品合成工艺
  公司可以定义出针对强烈需求痛点的目标,并深刻的理解所涉及的生物学原理——但如果这个公司无法构建出一个能成为实际药品的化合物,也没有意义。你的化合物的分子结构具备成为有效药物的相容性么?这一结构在不同的给药途径上有什么影响(如口服片剂或注射)?创始人需要知道药物是否能到达它需要到达的地方;需要知道它是否能只针对性的影响靶点(而不是其他部位);需要知道它是否能持续存在足够的时间以便生效;以及是否按既定的设计被代谢离开人体。要知道以上这些,公司就需要展示——要通过做临床前研究和药理学研究——自己已经测试,理解相关的指标,并明确其可靠性了。
  我们可以写一本“什么样的结构可以成为好药品”的教科书,但即便有那样的教科书,丰富的经验依旧是真实世界里最有助益的(虽然计算机能帮上忙)。做到上面的那些,公司才有机会接近一些靠谱的产出:一个分子支架有望一步步发展到有潜力的候选药物,具有显著的靶点结合,良好的精准性,ADME(吸收、分布、代谢和排泄)特征符合要求。只有这时候,公司才在化合物上做好了准备,可以开始进一步验证在生物上的假设了。
  7 过于关注体外实验数据
  很多公司路演展示的都是体外实验数据——通过在微生物,细胞或是生物分子做的实验,而非在常规生物体的环境下。一般而言,这样的非活体数据只在细胞层面验证了团队的理论想法。
  但问题是,体外数据并不一定能转化成在人体上有意义的结果。所以,如果公司只有这些数据,那么就得极具说服力——具有从试验到活体上的可译性且创始人能将相关生物学机理阐述清楚。体外实验结果在回答以下几个问题上是切实有帮助的:即使只是实验场景,是否能成功给药到细胞正确的地方?原先的假设是否在相关环境下能成立?是否可以排除掉一些明显的另类解释?这些问题的解答能够给合作伙伴或投资人带来对在研药物的一些初步信心(正因为上面提到过的高失败率,这点才格外重要)。
  8 没有强有力的活体实验数据支撑
  比起体外数据,活体实验数据在早期更具说服力,因为相关数据来自于活体的器官组织,通常是动物实验(大