一、寻找下一个风口

2023年8月7日，中国A股医药板块一天蒸发市值近2000亿人民币。然而我们还不敢说，这是有史以来所有A股医药投资者们损失最惨重的一天，明天或许回暖，或许更冷，道阻且长。有没有大咖有兴致算一算，2016-2020年各个医药板块市值涨幅多少，2021年至今又跌落多少呢？

我从不怀疑医药行业的广阔未来，在可预见的全球性的人口老龄化的社会趋势下，人类对健康的追求哪有尽头呢？

但是，“事物的发展形式是螺旋式上升的”，出自恩格斯的《自然辨证法》。

所谓的国产新药万亿级风口，这些年有多少事件刷新所有人对医药行业的认知。新药审批制度改革、科创板“标准五”和港股18A、划时代的新药王PD-(L)1......风起云涌。地缘政治经济的不确定性、资本撤退、出海受挫、集采、医保控费、反腐......雨疏风骤。

唯一屹立于风口的办法—以临床价值为导向，以患者为核心的创新药开发。

这里我突然想吐槽一下人类的劣根性。这需要国家药监局专门出台一个指导原则么？还有人还想逐字逐句地对”创新药“和”临床价值“讨价还价？

这不和减肥一样么？每个人都知道，无限接近真理的减肥秘诀就是少吃多动。但是绝大多数人，就是不想少吃也不想多动，找了一万种理由再找了一万种其他办法，精彩的故事讲得太好讲得自己都信了，可最有效的办法还是少吃多动。

过去几十年是医药行业的基建时代，未被满足的临床需求是填补各种空白的仿制药。那么多国产重磅新药，有几个是完完全全自主创新呢？国产新药经典的fast follow策略，瞄准国外已上市或高潜力的原研药，先破译原研药合成路径，再微调分子结构避开专利，最后临床前研究和临床试验方案基本照抄照搬。主打就是一个验证，风险/获益比能优于目前国内的标准治疗方案就行，能重现原研药疗效和安全性最好，不到万不得已绝不和原研药头对头比较，万一被迫比较了又比不过？请考虑药物可及性和价格。

这个策略广谱又稳赚不赔，你可以我可以大家都可以上，结果就是新药开发高度同质化，最后不得不卷速度、卷成本、卷营销......大家一起卷起来。

前几天听风入耳，就不较真查证了，大概是说目前公认的好药（作用机制明确、靶点可成药、可规模化生产、疗效和安全性证据链完整等等），一类新药算一条赛道的话，每条赛道都有大概20+-100+个竞品。我们今天就不提PD-(L)1那上百个竞品上万项临床研究了，受试者不够用。

创新，本该是在无人区开路、投入大、周期长、高风险、高回报。在前人成功的赛道上堵车，好像风险最小化，其实都是没有回报的资源浪费。受试者早就不够用的治疗领域，还有未被满足的临床需求？

已经过了基建时代，必须行业升级，必须正本清源。

反复强调回归创新和价值的重要性，说正确而无用的场面话，我好像掌握了公众言论的技巧。但我没这么无聊。我想，大家可能都想探讨深析的是如何精准定性&定量评估某个新药的价值，某个新药的价值如何最大化，或者说什么新药潜在价值最高最值得投资，下一个风口在哪里。

创新药开发，不是忆往昔，不是看今朝，是赌未来，赔率和概率。我们需要预测5-10年后某个新药能否上市，估算上市后能带来多少收益。

总的来说，未上市的新药最常用的估值方法是经风险调整的现金流折现估值法（Risk-adjusted Net Present Value，rNPV）。该方法把一个新药产品分为上市前、专利保护期、专利过期后3个阶段。

基于新药上市概率（Possibility of Success）、患者池（Patient Pool）、市场渗透率（Penetration）、定价（Price）和专利（Patents & exclusivity）等参数对药品未来的销售规模进行估计。

估值步骤：

T0为上市时间，Tn为专利到期时间，Di为专利保护期内每期销售金额，Dc为专利保护到期后的残值，r为风险回报率。P为上市成功率，须根据项目所处阶段的不同而调整。

精准估值的关键：对产品、疾病、市场竞争格局的精准理解

精准估值的目标：产品全生命周期管理和价值最大化

以上依然是正确而无用的场面话。随便一处展开深究都是高技术含量的知识壁垒。

比如，有多少种估值方法？为什么新药估值要用现金流量贴现法？非金融背景的我不打算班门弄斧，推荐的参考文献：

科创版12种估值方法及案例解析(https://zhuanlan.zhihu.com/p/158993647)

新药开发阶段未上市，收益只有可能在未来年份贡献，且有上市失败风险，所以行业最公认的新药估值方法是rNPV。

再比如，那么多估值参数如何获得？不同产品不同场景下，如何调整和把握参数？

深析新药估值方法学，我推荐参考医药魔方的经典教材。

站在巨人肩膀，何需重复劳动。我将在医药魔方的经典教材的基础上展开理解和补充，这个是篇幅长、槽点多的小合集。

二、估算患者池

患者池=实际用药患者最高数量=未被满足的临床需求

有了准确的实际用药患者数量，才能估算出准确的销售额和收益。

收益=销售总额 - 总成本

销售总额=年度销售额（实际用药患者数量 x 人均用药量 x 价格） x 产品生命周期全部年份

实际用药患者数量=患病率 x 诊出率 x 同类产品治疗率 x 本产品在同类产品中市场渗透率

患者数量不等于实际用药患者最高数量。

患病，不一定能及时、准确诊断。确诊，不一定药物治疗，还有很多种非药物疗法。药物治疗，也不一定用这一类药物、这一个产品。

没有一类药物，能通用于某个疾病所有病理亚型所有病程阶段所有年龄所有人群分类。没有一种疾病只有一种治疗方案。我希望即使是外行外的外行，也不要想当然以为某个产品治疗某种疾病就坐拥百万患者千亿市场。

患病率：即流行病学调查数据，通常来源于相应疾病的权威研究机构。

诊断方式、疾病分型和分类、现有标准治疗：通常来源于相应疾病诊疗指南，权威研究机构发表的文献、医药情报数据库。

所有参数基本上都会逐年变化，产品生命周期全部年份，先按至少10年来估算。行业最公认的新药产品生命周期是10-15年，具体产品再具体分析。既往有咨询公司针对多款重磅新药的全球销售曲线进行分析，一款新药通常在上市后10-15年达到销售额峰值。在美国，新药专利到期后通常大量仿制药投放市场，以及新机制新剂型药物替代可能，销售额大幅下降；在中国，由于医保目录、招标制度以及医生用药习惯，达峰速度和销售额降幅通常较缓慢。

以英飞凡(度伐利尤单抗，PD-L1单抗)为例，推算以下适应症的患者池：适用于在接受铂类药物为基础的化疗同步放疗后未出现疾病进展的不可切除、III期非小细胞肺癌患者的治疗

首先要强调，国内临床实践中肯定有不少超说明书用药，新药商业价值评估时可以单独算一笔溢价。但法规层面通常不允许超说明书用药，实际用药患者应该仅限于说明书中描述的适用人群即适应症。

肿瘤患者流行病学数据来源：

全球：WHO GLOBCAN, https://gco.iarc.fr/

中国：中国国家癌症中心发表的文献

各个权威机构数据基本一致，2022年中国新发肺癌患者数量约为87万。

但我们要统计至少10年，每年的人口基数都会变化。每年的新发肺癌患者数量都需要 x 年化癌种增长率 （3%可作为通用增长率）。

进一步检索文献（太多，出处略），肺癌患者中非小细胞肺癌患者占比约86%，非小细胞肺癌患者中III期患者占比约22%。再其中，病灶不可手术切除、接受铂类药物为基础的化疗同步放疗的患者占比65%。再其中，至少排除EGFR阳性者约42.5%，ALK阳性者约7%。

上述估算过程中重要参数考量如下：

1）国内肺癌患者确诊时多数疾病已到局部晚期或晚期，早期患者就诊率和诊出率不高（肿瘤早筛任重道远）。一旦确诊III期，90%患者能够立即手术或放化疗，疾病再进展或复发就到IV期。所以III期肺癌患者一般仅考虑新发患者数量，不考虑更早期疾病进展的患者数量或往年患者存量。

如果适应症是IV期肺癌患者，早期患者疾病进展到晚期的数量不少，5年内生存率也不低，还要根据病程和生存期计算更早期疾病进展的患者数量或往年患者存量，最后得出累计患者数量。

2）病灶不可手术切除的III期非小细胞肺癌患者、标准治疗方案很单一，在英飞凡获批上市前就是接受铂类药物为基础的化疗+放疗，但分为同步放化疗或序贯放化疗，英飞凡该适应症局限于同步放化疗之后。

3）如果患者存在肿瘤驱动基因突变，疾病任何阶段首选治疗方案并不是英飞凡等免疫疗法，而是靶向药，因此不会是目标患者。肿瘤驱动基因检测在中国已经较为普及，一旦确诊非小细胞肺癌至少会测EGFR和ALK，其他比较罕见的驱动基因也越来越多被检测。但由于肿瘤组织活检采样不容易，液体活检不够普及和准确，目前检出率通常只有60-70%，之后检出率可能会逐年提升。

4）III期非小细胞肺癌患者根治性放化疗后，2周内通常不会疾病进展，可接受后续巩固治疗者的比例可达100%。但市场推广早期，可接受不等于实际接受，临床实践改变有个过程。

标准诊疗信息来源：国内CSCO、卫生部颁发的肺癌诊疗指南。

最后算下来，完全符合该适应症描述的中国患者，2022年约7.5万，不到新发肺癌患者总数的10%。

医药魔方的经典教材里也举了一些其他例子。总之，准确的患者流和患者池测算，必然基于对疾病领域细分市场的深耕。

患者池是个上限，满打满算有这么多可能可以接受这个药物治疗的患者。实际呢？2022年这个适应症约有7.5万患者，他们都用了英飞凡吗？择捷美（舒格利单抗，PD-L1）在国内也已获批了同一适应症。往后算至少10年产品生命周期的话，很多竞品已经进入关键性临床试验阶段，未来都有可能陆续获批上市，这就要估算本产品在同一类产品中市场渗透率了。

英飞凡获批该适应症最早，医生和患者接受度最高，目前可以占到25%左右市场份额。也就是说，2022年大概有2万接受铂类药物为基础的化疗同步放疗后未出现疾病进展的不可切除、III期非小细胞肺癌患者接受了英飞凡治疗，不到新发肺癌患者总数的3%。

市场渗透率数据来源：收费型医药情报数据库，无免费公开资源

上述估算过程中重要参数考量如下：

继续引用医药魔方的数据。

英飞凡目前未进入我国医保目录，高昂治疗费用完全没有市场竞争力。我们可以很容易推测出，国内PD-(L)1类产品太多且高度同质化，没有显著的疗效或安全性差异，医生和患者都倾向于选用更经济实惠的同类产品。即使英飞凡获批该适应症最早，医生和患者接受度最高，25%左右市场份额应该就是峰值了，很难再进一步提升。

三、构建疾病模型

所谓的构建疾病模型，通常我们只需要设计一个整合的或几个分散的Excel表，所以就是考验大家Excel操作水平的阶段。基本模型包括：

患者流模型：基于患病率、诊出率、治疗率等估算患者池

销售模型：基于市场渗透率、患者数量x人均用药量等估算销量

定价模型：创新药(First in class)，基于药物经济学定价；改良型新药(Me better)和仿制药(Me too)参考竞品定价

成本模型：研发、生产、销售、管理等成本

收入模型：基于销量、价格、支付方式、成本、税率等估算利润

风险模型：基于临床研究各阶段成功率调整利润；基于风险回报率即贴现率计算现金流

建模、录入所有参数、列出至少10年变化趋势，用Excel自带的运算公式和数据透视估算rNPV、销售额峰值和总值，还能直接生成图表。

这么看似乎应该先讨论如何构建疾病模型和设置参数。但是多数新药估值方法学都把患者流模型放在第一步，我想可能大家都是结果导向型思维吧。毕竟患者池=未被满足的临床需求，如果某一个新药用于某一个适应症一年只有几百个目标患者，研发成本远高于销售额，多数药企和投资机构都不会再关注了，也就没有后续分析和估算了。罕见病和特殊公共卫生事件？那是另一套游戏规则。

所有模型里，患者流模型是参数确定性最高的，绝大多数疾病的患病率/诊出率/治疗率通常有现成的数据，或难或易总有渠道获取，通常也不会短期内发生颠覆性事件，10年变化趋势可以采用通用增长率/衰减率。

其他模型里的参数完全都是预判了，上市前研发阶段除部分成本外没有现成的数据，只能基于企业自身实力和既往类似经验，借鉴参照药物的数据，赌。

比如销售模型里的市场渗透率。

常见分析师们用以下模型估算市场渗透率。

但国内实际往往不是这样。短期内影响市场渗透率的因素是上市时间和上市次序。长期来看，医生和患者的选择还是基于疗效、安全性、经济性。差异化才是真正的竞争力。

在企业，我们通常去调研各个主要竞品或参照药物的销量，再估算各自市场份额。收费型医药情报数据库能查到很多药物的销量。

Evaluate Pharma、Cortellis等国外数据库优缺点都很明显，1）收费高；2）信息量巨大且纯英文页面，提取关键信息很艰难；3）中国数据少或无，以欧美国家数据为主，但我国新药需要考虑海外市场的情况真不多，拿海外市场数据说国内市场也不现实。

Insight等国内数据库优缺点也很明显，数据库结构、数据展示方式、数据本身都非常契合国内市场研究需要，但信息量不够、准确性不高。举个例子，能查到的药品说明书没有几个是最新版。

即使查到数据，仅限于已上市的竞品或参照药物。自家产品的市场渗透率和销量，谁能保证呢？与其说预判，不如说是设置一个大家都能接受的目标一起努力。导入、放量、达峰、衰减都有个过程，基本都是个曲线。

比如销售模型里的人均用药量。

除了主要竞品和参照药物的数据，估算人均用药量时还可以参考自家产品临床研究里的平均治疗持续时间，打对折。目前国内的临床试验质量都很高，尤其是关键注册临床试验，每一个受试者每一个数据都那么宝贵，每一个受试者都是被最专业的医护团队和研究团队追着哄着保护着，我们可以说某个新药的疗效和安全性的巅峰，就是关键注册临床试验。上市后，几个患者能达到当初选受试者的标准？几个患者能享受同样的关照呢？更何况还有费用问题，真实世界里患者疗程和用药量变数很大，基本都是大打折扣。

比如定价策略。

定价策略=药物经济学评价+循证医学证据+多方博弈结果

定价策略之博大精深，实在不是我可以班门弄斧的话题。

各个国家和地区的定价策略也各不相同。

但我们对上市前研发阶段的新药进行估值时，还没到必须完成定价的地步，也是预判一个大致的范围，最简单莫过于参考竞品定价法。

国内绝大多数新药还是会争取进入医保目录的，所以主要考虑医保支付价格。通常会假设本产品及竞品的获批上市时间均在当年下半年，后续获批适应症会及时准入医保；本产品及竞品实际医保基金支出不超出预算值，续约时不存在额外降幅；准入时只考量本产品主适应症的准入降幅，且所有适应症用法用量一致；本产品与竞品安全性和疗效无显著差异。

如果适应症不唯一，通常不同适应症里对标的主要竞品和参照药物不同，销量曲线不同，首个适应症和主适应症（患者池最大的适应症）对定价来说非常重要。

绝大多数新药都可以参考竞品价格。如果不是同类产品的第一名，可以直接参考第一名。即使是同类产品第一名，前序没有完全同类产品，也可以参考类似产品。比如第四代EGFR TKI，可以参考上一代即第三代EGFR TKI产品。比如双抗产品AxB，如果另一个双抗产品AxC获批上市同一适应症，也可以参考AxC。

创新药：按照类似创新药价格 x 溢价率或成本加成。如果增加新适应症或纯粹的销量增长，每隔两年一次的价格改定（医保续保谈判）时可以根据销量等比例下调价格。在药品新适应症准入目录时，合理的利用医保目录调整规则最大程度的避免药品价格降幅。

仿制药：首仿药定价按照原研药价格的70%，甚至更低，后续仿制药定价按照当时医保目录的最低价。

无论怎么定价，最后总是逐年降价，进医保有时候也未必是好事。不进医保自由定价，也免不了赠药，总之价格和销量配合，求一个最大销售额。

比如临床试验成功率。

新药临床研发流程有较明确的标志性节点，比如获批开展临床试验(IND)、完成I期、II期、III期临床试验等，以获批上市(NDA/BLA)为100%成功。完成每一个标志性节点后，新药价值都会跃迁，不同阶段成功率不同，不能一概而论。

从不同信息渠道和文献里找到了不同参数，反正都是概率，没有绝对。真正决定临床试验成功率的还是试验设计本身。

比如风险回报率（贴现率）。

生物医药企业的贴现率一般在10-20%，算法如下图所示。

比如FCFF Margin（FCF占收入的比重）。

自由现金流折现法，简称FCFF。FCFF在计算现金流时使用的是自由现金流，即经营活动现金流-固定资产-无形资产等资本性支出，目的是剔除资本支出对现金流的影响，将企业估值与其实际的经营状况挂钩。

创新药FCFF Margin在整个产品生命周期里一般在30%-50%。

参数全靠预判，实际肯定有参数多多少少偏离最初的假设值。

特别不确定的参数可以进行敏感性分析。

特别不确定的参数也可以进行情景分析，比如最差情况下/基本情况下/最好情况下，悲观/中性/乐观情况下，底限-上限。不同人有不同风险接受度/风险承受能力，各取所需。