第 25 章 从失败案例学习：药物为什么死在临床和监管路上
写作种子 review
这一章的写作种子是：
从失败案例学习：药物为什么死在临床和监管路上。
这个种子很关键。
因为生物制药投资最容易被“成功故事”吸引，但真正能保护本金的，往往是对失败路径的理解。
成功案例容易让人觉得：
- 机制清楚；
- 数据漂亮；
- 市场巨大；
- 公司优秀；
- 未来可期。
但失败案例会逼人看见：
- 机制可能只是相关性；
- 动物模型可能欺骗人；
- II 期信号可能是假阳性；
- III 期可能被真实世界变异性击穿；
- surrogate endpoint 可能不代表病人获益；
- 安全性可能在大样本里暴露；
- CMC 可能挡住批准；
- 监管可能不接受证据链；
- 商业化可能兑现不了。
这一章的任务不是堆案例，而是把失败归类。
投资人要学会看到一个资产时，马上问：
它最可能死在哪一环？
如果不知道它最可能死在哪一环，就说明还没真正理解这个资产。
一句话：
成功案例告诉我们上行空间，失败案例告诉我们安全边际。
---
1. 药物失败不是意外，而是常态
生物制药研发的基础事实是：
大多数药物会失败。
失败不是异常。
失败是这个行业的常态。
原因很简单：
人体生物学复杂，疾病异质性强，临床试验昂贵，监管要求严格，商业化又必须经过支付和医生患者行为验证。
一个药要成功，需要连续穿过很多门：
- 疾病机制；
- 靶点验证；
- 药物设计；
- 动物模型；
- 毒理；
- I 期安全性；
- II 期疗效；
- III 期确证；
- 监管审评；
- CMC；
- 支付准入；
- 医生采用；
- 患者依从；
- 竞争格局；
- 商业化执行。
每一扇门都可能失败。
所以投资生物制药不能默认药物会成功。
正确默认值应该是：
失败概率很高，除非证据链一层层把风险去掉。
这不是悲观。
这是行业现实。
---
2. 第一类失败：疾病机制理解错了
最根本的失败，是疾病机制理解错。
如果疾病不是由公司假设的通路驱动，那么靶点再漂亮、药物再精致，也可能无效。
这种失败常见于：
- 复杂慢病；
- 神经退行性疾病；
- 免疫疾病；
- 精神疾病；
- 代谢综合征；
- 多因素肿瘤；
- 炎症和纤维化疾病。
复杂疾病往往不是单一通路导致。
一个靶点可能和疾病相关，但不是因果驱动。
它可能只是疾病结果的一部分。
也可能只在某些患者亚群里重要。
如果公司把相关性当成因果性，就容易失败。
失败表现通常是：
- biomarker 有变化，但临床获益没有；
- 动物模型有效，人体无效；
- 小样本信号有，III 期没有；
- 某些亚组似乎有效，但整体失败；
- 机制解释不断变化。
投资人要问：
这个靶点真的是疾病驱动因素，还是只是疾病过程中的旁观者？
如果回答不清楚，机制风险很高。
---
3. 第二类失败：动物模型骗了人
动物模型是药物研发的重要工具。
但动物不是人。
动物模型失败常见于：
- 疾病模型不能代表人体疾病；
- 动物免疫系统和人不同；
- 肿瘤模型过于简化；
- 模型发病太急，不像慢性人类疾病；
- 给药时间和临床情境不一致；
- 动物终点不等于人体获益；
- 样本太小，重复性差。
很多药在动物里有效，进人体后无效。
这不是偶然。
动物模型本来就是近似。
越复杂的疾病，动物模型越容易失真。
投资人看 preclinical data 时，要特别谨慎。
要问：
- 这个模型是否被历史验证过；
- 模型和人体疾病差距多大；
- 是否有多个模型一致；
- 是否有 human tissue 或 human genetics 支持；
- 是否有剂量反应；
- 是否有独立重复；
- 是否只是过度优化的内部模型。
动物有效只能提高一点信心。
不能替代人体证据。
---
4. 第三类失败：剂量上不去
有些药不是完全无效，而是有效剂量上不去。
这类失败很典型。
在体外或动物中，药物可能有效。
但人体里要达到有效暴露量，需要剂量很高。
高剂量又带来毒性。
结果是：
安全剂量不够有效，有效剂量不够安全。
这类失败常见于：
- 小分子毒性窗口窄；
- ADC payload 毒性；
- 免疫激活过强；
- CNS 药物副作用；
- 肝肾毒性；
- 心脏毒性；
- 靶点在正常组织也表达；
- 药物分布不理想。
I 期和 II 期早期最容易暴露这个问题。
如果公司一直强调“耐受性良好”，但没有证明暴露量足够、PD 足够、剂量反应清楚，要小心。
投资人要问：
- MTD 是否达到；
- RP2D 是否合理；
- 暴露量是否覆盖有效浓度；
- PD 是否足够；
- 毒性是否限制剂量；
- 是否需要频繁减量或停药；
- 疗效信号是否出现在可长期使用剂量下。
剂量问题是很多药物失败的核心。
---
5. 第四类失败：患者选错了
有些药不是机制完全错，而是患者选错。
疾病看起来是同一个名字，但内部可能有很多亚型。
如果公司把所有患者混在一起试验，真正受益的人群可能被稀释。
这种失败常见于：
- 肿瘤；
- 免疫疾病；
- 神经疾病；
- 代谢疾病；
- 罕见病谱系；
- biomarker 未成熟领域。
患者选错会导致：
- 整体试验阴性；
- 某个亚组看起来有效；
- post-hoc 分析很多；
- 公司开始重新定义目标人群；
- 后续试验需要 biomarker enrichment。
投资人要区分两种情况。
第一，亚组是真实生物学。
如果有机制、biomarker、剂量反应和前后一致证据，资产可能还有救。
第二，亚组只是数据挖掘。
如果只是事后切出来、样本很小、没有机制支持，就不能过度相信。
患者选择失败未必让资产归零。
但它会增加时间、成本和不确定性。
---
6. 第五类失败：II 期是假阳性
II 期是最容易产生假希望的阶段。
因为 II 期通常样本较小，终点较多，探索性强。
一个看似漂亮的 II 期结果，可能来自：
- 小样本偶然性；
- 分组不平衡；
- 对照组异常差；
- 多重比较；
- post-hoc 亚组；
- 短随访；
- surrogate endpoint；
- 研究者偏倚；
- 缺失数据处理；
- 早停带来的效应夸大。
III 期样本更大、更严格、更接近真实临床，很多 II 期信号会消失。
这就是为什么 II 期成功后不能盲目乐观。
投资人要问：
- II 期终点是否预设；
- 样本是否足够；
- 随访是否足够；
- 对照组是否正常；
- 效应量是否大；
- 置信区间是否稳；
- 安全性是否已有足够暴露；
- III 期能否复现。
II 期真正有价值，是因为它能设计出成功概率更高的 III 期。
如果 II 期只是制造故事，而不能指导 III 期，就是危险信号。
---
7. 第六类失败：终点选错了
终点设计错误，是临床失败的重要原因。
一个药可能有某种生物学作用，但试验选的终点不能证明病人真实获益。
常见问题包括：
- biomarker 改善但临床症状不改善；
- 影像学变化不等于功能改善；
- 短期指标不等于长期结局；
- 复合终点掩盖真实问题；
- 患者报告结局设计不严谨；
- 终点测量噪音太大；
- 事件率低于预期；
- 随访时间不够。
终点选错会导致两种后果。
第一，试验失败。
药物可能有效，但终点没有抓住效应。
第二，试验成功但监管或支付不买账。
因为终点不够有临床意义。
投资人要问：
这个终点是否被监管、医生和支付方共同认可？
如果只是公司自己认为有意义，就要小心。
终点不是统计问题。
终点是价值证明问题。
---
8. 第七类失败：安全性在大样本中暴露
小样本试验看不见低频风险。
III 期和上市后，样本变大，患者更复杂，安全性问题可能暴露。
安全性失败常见于：
- 严重感染；
- 心血管事件；
- 肝损伤；
- 肾损伤；
- 神经毒性；
- 出血或血栓；
- 自杀意念或精神副作用；
- 免疫相关毒性；
- 肿瘤风险；
- 妊娠或儿童特殊风险。
安全性失败特别危险。
因为它不仅影响批准，还会影响医生信心、标签、支付和商业化。
即使药物有效，如果风险收益不成立，也可能失败。
投资人要看：
- 安全性是否机制相关；
- 是否剂量相关；
- 是否可监测；
- 是否可逆；
- 是否集中在特定人群；
- 是否能通过风险管理降低；
- 是否影响长期使用；
- 是否比竞品更差。
安全性不是“副作用表格”。
安全性是资产天花板。
---
9. 第八类失败：CMC 挡住上市
有些药临床数据不错，但 CMC 出问题。
尤其是复杂生物药、细胞治疗、基因治疗、ADC、RNA 药物和长效制剂。
CMC 失败包括：
- 工艺不稳定；
- 批间差异大；
- 杂质控制不足；
- 放大失败；
- 稳定性不足；
- 分析方法不充分；
- 关键质量属性不清楚；
- 生产场地检查失败；
- 供应链不可靠；
- 变更桥接证据不足。
CMC 失败不一定推翻药物价值，但会造成延迟、补充试验、成本增加和竞争窗口丧失。
有时 CMC 问题可修复。
有时 CMC 问题会非常严重，尤其当工艺本身难以稳定时。
投资人要问：
- 这个技术平台生产难度高不高；
- 公司有没有放大经验；
- 是否已经商业规模生产；
- 批次一致性如何；
- 是否依赖单一供应商；
- 监管是否已经提出问题；
- CMC 时间线是否和临床/申报匹配。
临床好不等于能上市。
能做出来，也不等于能稳定做出来。
---
10. 第九类失败：监管证据链不够
监管失败常常不是因为药完全没用。
而是证据链不够。
监管会问：
- 试验设计是否充分；
- 对照是否合理；
- 终点是否可接受；
- 统计是否严谨；
- 样本是否足够；
- 数据是否完整；
- 安全性是否可控；
- 标签是否支持；
- CMC 是否合格；
- 风险收益是否成立。
公司有时会高估监管灵活性。
尤其在：
- 单臂试验；
- surrogate endpoint；
- 小样本罕见病；
- 加速批准；
- 外部对照；
- 真实世界证据；
- 跨地区数据；
- 桥接研究。
这些路径不是不能走。
但必须证据链扎实。
如果公司只强调 unmet need，却没有足够证据，监管未必接受。
投资人要问：
监管真正需要什么证据，而公司现在有什么证据。
两者之间的差距，就是监管风险。
---
11. 第十类失败：商业化失败
有些药没有死在临床和监管上，而是死在商业化上。
它们获批了。
但卖不动。
原因可能是：
- 医生不愿意换药；
- 患者难找；
- 支付限制强；
- 自付太高；
- 给药太麻烦；
- 副作用管理复杂；
- 竞品更便宜；
- 指南位置弱；
- 销售团队差；
- 市场被高估；
- 净价低于预期；
- 续药率差。
这类失败对投资人同样重要。
因为临床成功如果不能变成收入，资产价值仍然有限。
商业化失败常常暴露出前面模型的错误：
- 市场空间算大了；
- 医生采用假设太乐观；
- 支付假设太乐观；
- 竞争格局低估了；
- 公司执行能力被高估了。
所以药物获批以后，风险没有消失。
只是从研发风险变成商业风险。
---
12. 失败案例要看“失败归因”
失败之后，最重要的是归因。
不要只看结果。
要问：
这个药为什么失败？
失败是否推翻核心假设？
如果失败推翻机制，资产价值大幅下降。
如果失败只是剂量、人群、终点或执行问题，资产可能还有剩余路径。
如果失败来自 CMC，可能只是延迟，也可能是平台能力问题。
如果失败来自商业化，可能换 partner 后改善，也可能说明市场本身没那么大。
失败归因决定后续价值。
投资人要警惕公司失败后过度包装。
常见说法包括：
- 数据趋势积极；
- 特定亚组显示获益；
- 计划进一步分析；
- 与监管讨论下一步；
- 安全性符合预期；
- 仍然相信机制；
- 市场机会依旧巨大。
这些话不一定错。
但必须回到证据。
如果公司不能给出可信归因，失败后的二次故事要谨慎。
---
13. 失败后的剩余价值怎么判断
一个失败事件后，公司不一定归零。
剩余价值来自几个部分。
第一，现金。
现金多、债务少，公司还有时间。
第二，其他管线。
如果其他管线机制不同，失败影响有限。
第三，平台价值。
如果失败不推翻平台，平台仍有价值。
第四，数据资产。
失败试验也可能提供亚组、剂量或机制信息。
第五，合作权益。
partner 是否继续开发。
第六，商业资产。
如果已有产品销售，失败只是部分打击。
第七，战略价值。
某些资产失败后仍可能被整合或授权。
所以失败后估值要重算。
不能机械归零，也不能盲目抄底。
要看失败影响范围。
---
14. 投资人失败路径检查清单
看一个资产，要提前问失败路径。
第一，它最可能死在哪一环？
机制、剂量、人群、终点、安全、CMC、监管还是商业化。
第二，这个风险有没有被当前证据去除？
没有去除，就不能假装不存在。
第三，失败是否会推翻平台？
平台型公司尤其重要。
第四，失败后是否还有可修复路径？
可修复不等于低成本修复。
第五，是否需要重新做大试验？
如果需要，时间和资金压力很大。
第六，现金能不能撑过失败后的调整？
现金不足会放大失败伤害。
第七，市场是否已经给了过高成功概率？
高预期下失败更致命。
第八，公司管理层过去失败归因是否诚实？
管理层可信度很重要。
第九，失败是否影响合作关系？
partner 撤退是负面信号。
第十，失败是否让竞争窗口错过？
即使可修复，时间也可能不等人。
---
15. 本章结论
药物失败不是偶然。
它通常死在证据链的某一环。
可能是机制错了。
可能是动物模型骗了人。
可能是剂量上不去。
可能是患者选错了。
可能是 II 期假阳性。
可能是终点不被认可。
可能是安全性在大样本暴露。
可能是 CMC 挡住上市。
可能是监管不接受证据链。
也可能是商业化无法兑现。
投资人研究失败，不是为了悲观，而是为了知道风险在哪里。
一句话：
真正的风险控制，不是相信药会成功，而是知道它可能怎么失败。
下一章进入成功案例。第 25 章讲药为什么会死，第 26 章要讲：什么样的证据链最扎实，为什么有些药能穿过这些关口。
---