100 项与 Hunan Oracle Biomedicine Co., Ltd 相关的临床结果
0 项与 Hunan Oracle Biomedicine Co., Ltd 相关的专利(医药)
# IT赋能医疗!
日前,芯片公司英伟达宣布与多家医疗器械公司合作,包括强生、GE医疗等。
思宇先解释一下这个医疗行业不常见的名字。英伟达,是华裔CEO黄仁勋创办发的芯片公司。2024财年,英伟达年收入为609亿美元,成为全球第一家市值突破2万亿美元的芯片公司,而且是无晶圆厂的纯芯片设计公司。黄仁勋,以硕士学历当选美国国家工程院院士且酷爱穿黑色皮衣的男人——手持3.6%的英伟达股份,身价飙升到如今的692亿美元。这样一个金主爸爸,在召开的年会里搞了90多场医疗和生命科学活动,是所有领域里最多的。
# 携手GE医疗,将AI引入超声波
2024年3月19日,GE医疗宣布利用英伟达技术,开发了一种AI驱动的研究模型SonoSAMTrack。
▲示例超声图像的显示区域GE医疗的首席人工智能官Parminder Bhatia谈到:“公司专注于投资创新技术。希望通过引入基础AI技术,推动医学成像的发展,助力数据科学家加速AI应用研发,最终助力临床医生提升患者护理水平。”英伟达医疗保健业务发展总监David Niewolny认为:“将英伟达的加速计算和AI技术与GE医疗的医学成像专业知识相结合,使超声波诊断更快、更准确,有助于加强患者的护理。”
# 联合强生医疗科技,开发AI手术系统
根据协议内容,强生将获取英伟达IGX边缘计算平台和Holoscan边缘AI平台的使用权。此次合作的核心目的是,借助英伟达先进的计算平台及人工智能技术,在手术室内实时分析手术软件及设备的数据,进而促进手术技术的提升。不仅如此,双方还拟将AI技术引入医疗影像分析和疾病诊断等环节,这将使医生在诊断过程中拥有更丰富、更精确的医疗信息,从而加速诊断速度,提高治疗准确性。此外,此次合作还将延伸至医疗教育和培训领域。通过运用英伟达前沿的虚拟现实与增强现实技术,为医学生和医生打造更加真实、高效的培训环境,有效促进他们的技能和专业能力的提升。
预计GEFION将于2024年第四季度开始运行,届时将有几个试点项目对系统进行测试。如果这些项目成功,将于2025年初全面启动超级计算机,并与丹麦从学术研究人员到诺和诺德等企业巨头的一系列合作伙伴开展业务。
# 引领年度AI风向标!英伟达GTC盛会
美国当地时间3月18日下午,英伟达2024GTC(GPU Technology Conference)大会在圣何塞开幕。
该大会素有“年度AI风向标”之称,是自2019年起一年一度的全球性技术盛会,旨在展示和探讨最新的GPU技术、AI、深度学习、数据科学、自动驾驶等领域的创新和发展。
今年,世界各地的技术爱好者、行业领袖和创新者将参会并探索 900 多场分会以及近 300 个展台,并深入探讨 AI、计算等技术的未来。医疗保健和生命科学在本次大会上占据重要地位。本次会议巨鳄云集,包括投资大佬木头姐(女巴菲特),强生、GSK、默克、诺华、诺和诺德、基因泰克、安斯泰来等医药巨头高级专家,以及各AI制药公司创始人等。其中最令人期待的活动之一是“AI 变革专题讨论会”,参会的多位架构师均是最初彻底改变当今 AI 应用理念的背后先驱,包括 Ashish Vaswani、Noam Shazeer、Niki Parmar、Jakob Uszkoreit、Llion Jones、Aidan N. Gomez、Lukasz Kaiser 和 Illia Polosukhin。此外,大健康头部企业也争相与英伟达建立数项新合作,包括上文提到的诺和诺德、强生医疗科技和GE医疗等。
在此次GTC大会上,英伟达发布一系列重磅产品:
史上最强芯片问世
英伟达发布了号称“史上最强芯片”GB200(计划今年上市)和新一代芯片架构Blackwell。
▲Blackwell示意图Blackwell用了英伟达此前推出的Hopper架构,包含2080亿个晶体管,可以支持多达10万亿个参数的AI模型。英伟达还发布了由一个GraceCPU和两组BlackwellGPU组合而成的超级芯片GB200,计算能力是前代产品H100的6倍,对应处理多模态特定领域的算力表现增长可达30倍。几乎所有AI领域头部企业包括OpenAI 、亚马逊、Google、微软、甲骨文都已是GB200的首批用户。作为全球AI硬件的龙头,英伟达最新的这款芯片GB200拥有更高的性能、更低的能耗。尤其随着大模型“军备竞赛”的开启,算力需求急增,只有芯片的算力卡性能更强、能耗更低,才能具备更强的竞争力。
发布25个医疗场景微服务
值得注意的是,在此次会议上,英伟达还单独宣布了基于医疗场景的25个微服务(NIM),帮助全球的医疗企业基于生成式AI进行效率提升。
英伟达NIM是一组经过优化的云原生微服务,旨在缩短上市时间并简化在云端、数据中心和GPU加速工作站上部署生成式AI模型。通过使用行业标准的API,将AI模型开发和打包的复杂性抽象化,从而扩大AI模型开发人员的范围。
这些微服务包括一系列药物发现模型,包括用于生成化学的“MolMIM”、用于蛋白质结构预测的“ESMFold”、帮助研究人员了解药物分子如何与靶标相互作用的“DiffDock”。医疗企业可以利用这些微服务,筛选数万亿种药物化合物,收集更多的患者数据以帮助早期疾病检测,或者实施更智能的数字助理等等。例如,与在CPU上运行相比,英伟达的微服务能够将基因组分析工作流程中的变异调用速度提高50倍以上。在落地方面,英伟达介绍,有初创企业借助搭建基于AI驱动的医疗临床对话平台,平台将通过电话与患者交谈,以安排预约、术前约访、出院随访等,将大大缓解人员短缺问题,改善患者的治疗结果,也能为临床医生节省时间。目前,全球有接近50家应用程序提供商正在使用英伟达的医疗微服务。
2016年,成都盛世君联生物技术有限公司(后简称“盛世君联”)创立。8年时间,盛世君联搭建起三千亿级多样性的真实生物药物库,并在此基础上创建干湿试验结合的大分子AI药物研发平台BioAI。8年时间,如何从真实生物药物库进军AI药物研发平台?又如何攻破AI药物研发的高壁垒?动脉网对盛世君联CEO刘江海进行了专访。动脉网:盛世君联是做生物药物发现、优化服务起家的,为什么会自发创建以AI为驱动的药物研发?刘江海:AI概念从爆火到稍微降温的这三年,产生了很多优秀的AI大模型。当他们应用于数据庞大、交互频繁的生活领域时,对传统工作产生了碾压式胜利。但在公开数据相对较少、数据验证反馈较慢的专业领域,比如生物医药领域,AI又该如何进入呢?我个人是非常相信AI终究会改变药物的研发模式,但是作为生物医学背景的研发人员,我看不懂AI模型中的数学公式、计算机代码,更不会编程和修改参数,因此无法直接使用AI开展工作。同时,像大多数已经习惯于传统方法的研究者一样,我也会时刻怀疑AI生成数据的准确性。本质上,这是算法模型开发者与生物药物研发者之间存在着认知、语言、理解、和路径逻辑上的差异,在真实场景中变成了“你不懂我、我不懂你”的无效交流和应用障碍。我们并不缺乏优秀的AI大模型,而是缺少将这些大模型在专业领域进行深度应用的方式方法。过去的几年,我们一边积极接触和使用最新AI工具成果,一边与国内多家头部的AI医药企业合作或服务,在这个过程中积累了很多真实经验。我们认为,高质量的标签化数据、基于生物学逻辑的AI算法和“傻瓜式”的应用软件,是AI打开生物药物研发大门的钥匙。搭建三千亿级多样性的真实生物药物库动脉网:您可以具体谈谈AI用于生物药研发的深入思考吗?比如什么才是高质量的标签化数据?盛世君联用于AI学习训练的数据从哪儿来?刘江海:高质量的数据是AI学习训练的基础,在生物医药领域尤其需要真实的、验证的、带生物学标签的数据。在过去的7年时间,盛世君联搭建了“三千亿级多样性”的真实生物药物库,包括人源抗体库、纳米抗体库、多肽库、affibody库、CAR-T库和TCR库等。依赖此平台,盛世君联自有项目已获得了千万级带多重生物学标签的自有数据,且仍在持续高速增长中。数据质量和独创性由持续精进的技术壁垒保护。盛世君联药物库能达到“三千亿级多样性”源于公司核心技术之一——“全合成库技术”,基础方法在2016年引进自美国的基因泰克公司,此后5年实现了2次重要的本地技术突破,一是“多位点突变效率从最初的20%提高到100%”,二是“单次构建1011多样性合成库”。目前可以做到在2周内构建1011多样性全合成库,3个月构建1013多样性全合成库,这使得盛世君联建库效率和序列多样性都远远超过传统技术路线(如小鼠杂交瘤、B 细胞分选)的同行。利用全球领先的全合成库技术和“三千亿级多样性”的真实生物药物库,盛世君联从2019年开始为众多的头部药企提供了生物药物库构建和生物药物发现优化等技术服务,在业内建立了良好的口碑,也对药物研发过程中的真实痛点和难点有了丰富的行业一线认知。在保证数据质量、真实性和独创性的基础上,对AI的学习和训练来说,数据的连续性、标签化、高低排序也很重要。通常AI训练使用的是公共数据库的数据,这些数据在序列的相似性上是碎片化的,在序列的标签化上是单一的、无关联的,但我们生物药物库获得的序列具有极佳的连续性和关联性。首先,全合成库技术的定点连续突变使得生物药物库的序列呈现连续的氨基酸变化,且与生物学属性是一一对应的,这样AI就容易学习到单个或者多个氨基酸突变所对应的生物学意义。第二,通过定向设计和筛选,全合成库可以使不同的序列带上相同的生物学标签,也可以使相同或者相似的序列带上不同的生物学标签。第三,全合成库生产的序列是直接排序的,筛选获得的序列会按照亲和力大小、稳定性高低、激活能力强弱进行呈现。第四,通过正筛和负筛,全合成库生产的数据也是阳性数据和阴性数据明显分群的。因此我们的真实生物药物库可以获得具有非常丰富标签组合的、氨基酸变化连续的、生物属性排序的药物序列,更适应“多任务协同优化”的AI应用理念。基于这些优点,盛世君联的全合成库从2021年起已先后为国内的7家AI企业提供数据包或者定向生产数据。另外,全合成库技术也是对AI预测数据进行高通量验证的强力工具。AI能否优于传统人力工作流,验证和迭代效率也是关键。在小分子药物领域,AI已经可以针对某一疾病靶点,设计出20个以内的小分子候选物,因此比较容易进行逐个验证。但在大分子药物领域,AI针对一个靶点,预测出来的大分子候选物往往在1010以上,无法实现逐一的表达和验证。全合成库针对AI预测的序列进行建库和高通筛选,可以在短时间内完成>1012个大分子候选物的快速验证。目前盛世君联对AI预测数据进行验证的最大多样性超过1020,是为国内一家头部AI企业的提供的商业服务项目。构筑“模型+软件”的AI生物药物研发系统动脉网:为什么要用生物学逻辑去搭建AI算法?盛世君联是怎么做的呢?刘江海:我们知道小分子药物是较小的刚性结构,与靶点蛋白的结合面积小,空间相对稳定,使用基于能量或者氨基酸理化性质为基础的AI模型,通过几何学的近似模拟,并不会丢失太多关键的真实信息。但是大分子药物与靶点的结合面积大,两者的结合始终处在相互吸引、相互拉扯的动态过程之中。我们团队成员因为有结构生物学和生物医学背景,所以始终认为蛋白大分子本身或者之间的动态变化,通过能量和物理学计算的数据去训练AI是不合理的,这会导致AI预测的大分子药物在结构上不准确、在生物活性的判断上不准确,带来药物开发的不确定。那AI技术应如何赋能大分子药物研发呢?能不能开发一个基于生物学,尤其是蛋白质结构和进化为底层逻辑的AI模型?我们独有的全合成库技术具有持续、定向的生产海量、高质量数据的能力。如果我们能用这些带生物学标签的、连续的、排序的蛋白序列训练AI,同时特别关注这些序列的生物进化和结构生物学逻辑,那就能够获得一个独特的生物学AI模型(BioAI)。因此,2021年我们开始搭建自己的AI技术团队。建立之初,团队就设立了明确目标:(1)不单独开发Transformer和超参数大模型,使用授权的大模型和独有数据开发适用于生物药物研发的预训练模型、专业模型,就是我们的BioAI。(2)同时以BioAI为基础开发专业软件,帮助每位科研工作者解决生物药物研发的具体工作。BioAI以蛋白质的氨基酸序列为代码,关联多重生物学标签,训练中关注蛋白进化中的序列随机性和偏好性、抗体序列的保守性和多样性、蛋白质结构的多态性、蛋白-蛋白作用界面刚性和柔性序列。BioAI可能并不清楚为什么40多亿年进化会演变为今天蛋白质的特定序列,但是它通过比对和关联,一定会将序列代码与生物属性一一对应,进而预测出特定位置的氨基酸改变所带来的生物属性改变,实现智能化的蛋白质定向进化。这正是生物药物生成和优化所需要的。BioAI的搭建需要不同的专业背景的人才共同实现。为了解决海量数据的分类和高维关联问题,盛世君联引入了拥有微软、甲骨文多年工作经验的黄琛作为Co-CEO,同时负责生成式AI的应用。为了从生物学逻辑出发训练AI,盛世君联聘请清华大学生物学博士曾昕担任CTO和多年从事AI医学应用的张康教授担任CSO。同时,为了快速开发专业软件,盛世君联还引入了拥有微软多年工作经验的沈云担任首席架构师,负责开发“傻瓜式”的生物药物研发软件。值得欣喜的是,张康教授主导的、盛世君联参与的,通过生物学逻辑AI研究蛋白-蛋白相互作用(PPI)的论文在今年8月发表在Nature Medicine上。“BioAI for Scientists”软件上线动脉网:您提到要用BioAI做“傻瓜式”软件,可以详细讲讲,如何帮助科研工作者能够用上AI来解决研发问题?刘江海:有了AI模型不代表可以直接将其用于生物药物研发的具体项目中。盛世君联做的专业软件叫“BioAI for Scientists”。我们希望这个软件可以实现“AI四化”:AI专业化: 聚焦AI大模型在生物药物专业领域的深度应用,使用独有的真实数据进行预训练,让AI在垂直应用上不断迭代、演进,使AI预测数据接近甚至优于传统实验获得的数据。AI场景化:将生物药物研发中具体实验进行数字场景设定,每个场景分步骤匹配AI算法进行计算、预测,每个步骤嵌入生物药物研发的逻辑、规则,来控制AI输出的结果质量,实现AI替代传统研发流程。AI工具化:将专业化和场景化的AI,通过软件工程,集成、整合成能够解决生物药物研发关键问题、步骤的软件、APP,通过“一键输入、一键输出”的傻瓜操作,让每一个科学家、研究者、技术员、学生都能轻松使用AI。AI高通化:通过持续训练和真实验证,将AI训练为最优秀的科学家,实现近乎实时的结果反馈,同时能够并行实施多项工作流程,极大提升药物研发和科学研究的效率。2023年10月,经过3年的技术沉淀和大量数据验证,盛世君联的“BioAI for Scientists”系列软件已经正式上线。现在科研工作者只用登录盛世君联“BioAI驱动的生物药物研发”门户网站,选择相应服务类型、提交相应序列数据,即可等待AI筛选结果。常规AI计算的时间不超过1周。 BioAI for Scientists结构图“BioAI for Scientists”依托盛世君联自有技术平台和生物学人工智能(BioAI),搭建了包括真实数据生产、AbCypher数据处理、BioAI算法、AI软件、高通量真实验证的闭环式、干湿轮转、自动迭代的AI生物药物研发软件系统。通过“一键输入靶点序列、一键输出药物序列”、“一键输入母本序列、一键输出优化序列”的简单操作,为每一位药物研发人员提供高效、便捷、准确的AI技术服务软件。最重要的在于通过在软件的步骤间嵌入生物药物研发规则,保证输出结果不弱于传统实验结果,达到生物药物研发的专业性。 AI制药的未来:“无边界”的生物药物创造动脉网:请问您对BioAI未来的期许是什么?或者说盛世君联未来的奋斗目标是什么?刘江海:BioAI其实存在着很强的可拓展性,其应用不止能作用于生物药物的发现,还可以拓展到生物酶、理化性质研究、mRNA下游验证、下游工艺开发等。虚拟生物药物库是无限大、无限多样性的,这是真实药物库无法比拟的优点。这意味着药物源头的池子更大、更有序,将带来无限多样性的药物发现。我认为盛世君联已来到生物药AI发展的第二阶段:从人类经验到AI智能、从有限发现到无限发现。尽管我们目前的AI还不能摆脱自然法则和数据依赖,但是我相信经过2-3年的技术发展,AI是可以进行到药物创造阶段的。当完成了足够多的数据训练和项目哺育后,AI将不再需要数据的预训练,从而升级成为药物创造者AI,也就是第三阶段的GenAI。它将成为无边界的药物创造者,创造出全新的、从未有过的药物。从自然发现到AI“无边界”创造,这将意味着生物医药真正达到了AI智能。这也是盛世君联未来奋斗的目标。*封面图片来源:123rf近期推荐声明:动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可,禁止进行转载、摘编、复制及建立镜像等任何使用。动脉网,未来医疗服务平台
过去的五年,CGT(细胞基因治疗)是整个生物制药行业里最火的赛道,全球CGT行业的临床试验数量增加了60%,新入局企业数量更是翻了两番[1]。但2023年起,至少10家国际性的CGT企业宣告破产,国内则是不断传出裁员、关闭厂房和失信的消息。图1:2023年部分倒闭的CGT企业这是寒冬吗?整体环境确实冰冷,但这更像是优胜劣汰的开始,因为相似的场景,在40年前的硅谷已经发生过了:那时候凭借一行代码就可以拿到融资,一个小发明就能成立公司。那一批创业公司里,最终活下来并走到今天的,是英特尔、甲骨文、苹果等等响当当的科技界巨人,但在70、80年代,他们与创业洪流中的众多企业一样,为自己的生存而努力着,不过最终让他们发展壮大的,都不是突破性的技术,而是看上去毫无技术含量的四个字:企业管理。企业管理与技术突破的过程很类似,都是在某一个原则下对尚未验证的猜想进行实验并得到结论。而不同之处是,企业管理有明确的目标和结果导向,但技术突破一般是探索性的结果。整个CGT行业,已经不缺少技术突破,而是需要将这个已经被验证的技术路线,发展为一个可以持续创造价值并造福人类的产业。本文将从对外和对内两个方面,分析CGT行业目前存在的问题,以及微观层面正在发生的变化,为从业者,尤其是CGT企业管理者提供一些思考素材。-01-战术勤奋VS战略懒惰“不要用战术上的勤奋掩盖战略上的懒惰”,这是一句老生常谈的话,但直到如今,每一天都在商业世界里发生着。CGT行业第一个问题是对外缺乏外部视角。所谓的外部视角,就是站在外部的市场环境中来判断企业决策的正确性和必要性。归根结底,无论是Biotech还是CXO,其终极目的是需要盈利,利润的来源则是企业的直接客户,而不是股东或者投资人。对于Biotech来说,客户就是临床医生和病患,对于CXO来说,客户就是各类科研机构和药厂。一旦缺乏外部视角,企业的行为大多会表现在如下三个方面:管线扎堆、营销脱靶和预期过高。1)管线扎堆:截至2023年9月底,国内共有25款处于临床阶段的AAV基因治疗药物,大部分集中于慢性眼科疾病和血友病。以慢性眼科疾病为例,有大量的膳食补充剂、贝伐单抗、雷珠单抗等等既有一定效果也比较简单便宜的治疗或缓解手段,但在某种程度上,这类疾病仍属于未被满足的医疗需求。然而不止一家主攻AMD基因疗法的CGT企业,产品给药方式复杂,需要购买价格不菲的设备进行手术,导致无论是金钱成本,还是人力成本,都远超目前的主流手段,因此在临床试验阶段阻力重重,进展不顺。在这样的情况下,如果产品没有一针根治的疗效,很难相信患者和临床医生会有动力把它作为第一选择。一个药物如果没有市场,那么即使成功获批也无法产生价值,比如世界上第一款广谱抗肿瘤基因治疗药物今又生,2003年即获国家药监局上市批准,但20年来一直默默无闻;又比如世界第一款DC细胞前列腺癌疫苗Provenge,2010年即被FDA批准上市,但至今一共只开出了3万个处方,不到全球前列腺癌患者总数的千分之三。这些例子提醒我们,开发药物的目标是临床使用的便利性、有效性和可接受的成本,最终惠及患者,如果药物上市后无人使用,何尝不是对金钱和资源的浪费呢?图二:国内25款获批临床的AAV药物适应症分布2)营销脱靶:营销脱靶最容易表现在外包服务商CXO的身上。在市场火热的时候,各种CXO几乎不用做广告,只要认识几个大教授或者药厂的项目负责人,业务需求就应接不暇,卖水人俨然一个黄金行业。而当入局者多起来,需要差异化的时候,形形色色的CXO在营销时的主题便逐渐统一为如下两条:别人有的,我也有,但我的更好。或者,别人有的,我也有,但我的更便宜。如此一来,需求方在考察了两三家CXO之后,得出的结论就很可能是:都差不多,还是选以前合作过的或者便宜的吧。当价格成为主要决定因素,大家便开始低价促销,结果越促销价格越低,价格越低越难以交付项目,最终整个行业螺旋式下降。举例来说,2023年以来,几乎每两周就有一次大型的生物医药行业会议,无数的CXO竞相大手笔赞助,然而每次会议能收集到的有效信息可能还不如开一个免费的线上研讨会。但凡是参加过几次会议的CXO商务人员,就可以明显的感觉到:与其说是参加行业会议,不如说是供应商茶话会,大家共同的目标客户在会场内讲完就走,而自己大部分时候只能在展馆内尬聊尬逛打发时间。在激烈竞争的环境中,当一个供应商讲不出自己的独门绝技、用数据说话,而需要靠赞助会议来比拼存在感时,它的发展上限其实就已经被决定了,再多的投入也不过是延缓失败的时间。3)预期过高:过去五年,关注CGT的投资人或许都习惯性的看到既出奇的一致又振奋人心的商业计划书,即一年进入临床,三年完成I期,五年完成药物上市准备和公司IPO。然而研究了国际上被批准的CGT药物历史后就很容易了解到,已批准上市的基因治疗药物的临床试验,最短的做了6年,最长的做了14年。因此,一个CGT药物,从确定基因序列到批准上市,最少也要8年的时间。一份建立在五年规划上的商业计划,无疑是过于激进了。激进的商业计划一旦被投资方认定,拉高了预期,就很容易忽视对产品和技术本身的打磨,最终当危机来临时,毫无抵抗能力。2022年起,国内就开始有原本做药物开发的CGT企业,单独成立CDMO公司,利用现成的硬件资源,承接第三方项目,到2023年,已经有接近十家。这种操作,便是因为之前对项目的预期过高,最终在危机来临时缺少遇险机制,只能乱投医的典型表现。然而,近100年的世界现代制药史告诉我们,既生产自己的产品,还帮别人生产类似产品的制药企业,除了韩国“央企”三星,至今还没有出现过。极少数有类似模式的特例,比如勃林格殷格翰,其外包服务占整体业务的比重,也才不到10%。这样的模式只有巨头企业在不影响主营业务的前提下才具备可操作性,初创型CGT企业想依靠外接第三方项目渡过难关,可能性微乎其微。图三:已上市CGT药物实际的临床试验时间跨度因此,缺少外部视角是一个在CGT甚至整个生物制药行业普遍存在却很少被反思的问题,它集中表现在管线扎堆、营销脱靶和预期过高这三个方面。这不仅会让企业在无数内部运营细节中迷失正确的方向,将宝贵的资源和精力投入到没有产出的工作中,还会对高层管理者做决策带来战略层面的错误判断。-02-风口赛道同样需要精细化管理风口上的赛道下,企业运营者往往容易“飘”。而对内组织管理缺位,往往是风口失去后公司走向破灭的加速器。因为,这样的缺位,往往是结构性的,是CGT行业本身的特性所带来的天然局限性。同时也是所有CGT企业在短期内不容易解决,但必须要解决的问题,即:错把技术能力当做管理能力以及盼望牛人解决问题。1)错把技术能力当做管理能力:CGT行业的从业者几乎全都是技术出身,科学家最大的特点就是跟数据打交道的时间长过跟人交流的时间,他们往往认为自己开发了先进的技术,管个百十号人不在话下。但现实是,让科学家在一个企业里管理团队或者决定战略方向,十有八九会问题频发。分析中国CGT企业创始人或者高管的履历不难发现,他们几乎都有着辉煌的技术背景和丰富的项目经验,但真正有实际企业管理经验的人,凤毛麟角。大多是在药厂的某个部门做过负责人,或者科研机构的学术带头人。同时还有相当多的企业,重要部门都由创始人的朋友、远房亲戚或者学生负责,俨然一个课题组的运作方式。这种模式在规模不大的时候还可以勉强运转,而一旦进入需要规模化、规范化运作的时候,往往就会因为创始人精力和经验不足而变得摇摇欲坠。最典型的例子便是:一个初创CGT企业技术出身的带头人,将产品推向了III期临床或者商业化后,被转为只负责技术的CSO或CTO甚至被迫离开,而由外来的多以商务和财务为背景的职业经理人出任CEO。有很多人认为这是资本家卸磨杀驴,然而其实这只是商业运作中不同的阶段的不同需要罢了,科学家适合做0到1的突破,而职业经理人擅长的是1到100的规模化。这样的例子,其实更像是一个成功的样板,告诉大家技术能力和管理能力的不同之处。而今我们也已经看到不少由科学家创立的CGT企业开始招聘职业经理人出任CEO,创始人自己只负责技术。但还有更多的企业,仍在科学家创始人的带领下艰难地寻找着自我。2)盼望牛人解决问题:招聘职业经理人是企业开始建立管理能力的重要步骤,不过众多CGT企业解决问题的办法是:高薪挖一个牛人,用这个牛人解决一切问题。生物医药界的猎头或许深有体会,各类CGT企业给出的招聘需求出奇一致的既要又要还要,就如下图所示。图四:CGT行业Biotech和CXO招聘团队负责人时的典型JD对于一个新兴行业来说,光是有经验的人就已经够少了,既要有经验还要优秀的,恐怕要万里挑一。如果我们用数据作推论的话,以Biotech稀缺的技术负责人为例,全球已上市的CGT药物也就20多个,能为这20多个药物工作过的核心技术负责人不会超过300个,这样的技术负责人确实是经历过大场面、可以系统性解决问题的牛人。然而但凡有过如此的经历,这些牛人为什么不去拉投资创业,却要替别人打工呢?CXO商务负责人的可选范围就更小了,有相当多的CXO在招聘商务负责人时,都希望可以有大项目拓展经验,然而世界范围内,在CGT领域有过商业化项目经验的CXO,一个手都数得过来,供职在那些企业的商务负责人,恐怕换一个企业继续做商务负责人已经无法满足他们的志向。因此,带着“期望牛人降临”的需求所招聘的团队负责人,往往只是看着厉害,实际上是平庸之人,不出一年就会离开,从2023年开始在整个生物圈被多次讨论的“特种兵高管”,或许就是这样产生的吧。组织管理的缺位,并不仅仅存在于CGT或者生物制药行业,而是任何公司都有可能犯的错误。由于生物制药并非传统的制造业,需要极强的专业性和深厚的实践积累,而CGT比起常规的生物制药,个性化更强。因此,在这个行业里,由于技术或者管线不成功所带来的关注度往往会远超管理缺失。然而实际上,技术或管线不成功的根源问题,往往来自于企业管理在方向上的失误,其表现便是:错把技术能力当做管理能力以及期望牛人解决问题的用人观。CGT或许是生物制药行业中最快体现生命周期的领域,从爆发到出现低谷,只有短短五年时间。而这五年时间,恰恰为从业者提供了不可多得的体验科技型企业兴衰的机会。希望本文能激发CGT同仁们不同角度的思考,让自己供职或者管理的企业越变越好。参考文献:1、Alliance for Regenerative Medicine, The Sector Snapshot, August 2023近期直播推荐识别微信二维码,添加生物制品圈小编,符合条件者即可加入生物制品微信群!请注明:姓名+研究方向!版权声明本公众号所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系(cbplib@163.com),我们将立即进行删除处理。所有文章仅代表作者观点,不代表本站立场。
100 项与 Hunan Oracle Biomedicine Co., Ltd 相关的药物交易
100 项与 Hunan Oracle Biomedicine Co., Ltd 相关的转化医学