“我们之前给药企提供数据产品，在跟药企打交道的过程中我们发现，创新药的销售不再仅限于客情服务的普药“产品化销售”，更需要了解创新药药理及其治疗方案，将药企的医学思路、推广策略和医生的诊疗思路进行链接。面对这种千人千面的‘销售解决方案’，药企商业化团队短期内还没有完全适应，效率始终不高。”
零假设创始人兼CEO顾飞接受了动脉网的采访。
“上市新药数量”、“申请上市项目数量”、“首次申请上市项目数量”，可以从创新药发展的这三个关键指标清楚看到，国内创新药行业发展快、劲头足，即将迎来上市爆发期。
研报：创新时代大潮来临，中国迎来新药收获期-20220104
（图片由零假设提供）
从临床试验数据来看，2019年至2021年期间，I期临床试验项目数量增加数值分别为118、54、172，且近年来我国如mRNA肿瘤新抗原疫苗、AI赋能CNS药物等大量细分赛道均迎来首个管线的IND受理，大量的创新药管线“蓄势待发”。
“大概在五六年前，我们从与客户的沟通中发现创新药的‘风口’肯定要来了，随之而来的商业模式转变将会是一个巨大的机会。”顾飞分享了自己对于创新药行业的一些思考。
近几年国产创新药陆续上市，在研发环节投入的财力、精力和时间，让收回成本、保证研发现金流等方面的迫切性明显提高。但创新药商业化的难度和存在的问题，才刚刚被重视。
普药涉及的学术内容相对创新药更为简单，临床医生更容易决策，所以传统药企一直以“产品化销售”的模式进行普药销售。然而，创新药的临床应用场景更复杂，需要考虑的因素更广，“产品化销售”已无法帮助医生推进决策。故当下，“解决方案式”销售体系将成为创新药销售的主要模式。
伴随销售模式的转变，相关信息处理、工作流程的复杂度也成倍提升。药企亟需大量掌握新药专业知识的医药代表，同时一线销售也希望得到强大的学术支撑，以在完成面向医生的高效信息传递和观念引导。
在这些痛点背后，我们可以看到，药企目前需要建立规模化、灵活高效的“创新药学术支撑体系”，确保学术内容从设计、生产、流转、分发到二次利用的全流程自动化、高效化，进而帮助市场、销售等相关人员高效、准确的完成与医生的沟通，在有限的时间内快速达到销售预期的峰值
顾飞创办零假设的初衷，即是以“医疗学术内容生成式AI引擎”为核心，打造规模化生产和传递专业医学内容的自动化流水线，为创新药商业化场景提供全方位的内容及方案支持。
近期热炒的通用大模型，如“ChatGPT”是否可以用于创新药的医疗学术呢？在零假设的实际测试中，基于GPT4的ChatGPT，只能给出相对宽泛的创新药用药指导，在具体情况具体分析的准确性方面离实际应用有着相当远的距离。那么这一领域的AIGC该而如何克服“水土不服”？
创新药的学术内容与社会化的通用信息有着本质的区别，在数据源、模型训练方式和应用场景方面最为典型。
持续获取完整高质量的数据，是大模型精准性的重要支撑。医学场景对精准度的高追求，使得这一领域AI训练的源数据更需要“证据性”。通常来讲，此类数据一部分是公开和半公开来源，另外一部分则是企业或者机构的内部数据，通用大模型企业难以触达。
进一步而言，在AI模型的优化中，需要有专业人员对数据集进行专业标注，进而提高生成信息的准确性。对于创新药来说，拥有该领域创新药临床经验的医生，或药企内部相关医学人员，可以完成数据集标注工作，但建立通用大模型很难汇集到各个专业领域的人员对相关信息进行逐一标注，进而也就弱化了生成信息的专业度与可信赖度。
综合来看，医学场景涉及人的生命健康，所以在此领域的应用，尤其是创新药学术领域的AI应用对于精准性有非常高的要求。一方面所有的数据都需要基于专业的疾病知识图谱，另一方面，把控每个数据节点的准确性、可靠性才能保证生成信息的可用性。
将通用大模型与专业领域小模型结合起来的AIGC，会产生巨大价值。大模型可以带来非医疗专业信息的生成以及更舒适的人机交互，而对于医疗的专业内容，尤其是对于精准度要求极高的创新药领域，创新药械领域的学术小模型以及相配合的AI工程会是最佳的支持者。
通过大模型与小模型的合理化分工协作，可以更好的为这一领域的不同的专业用户提供智能化精准的服务。
面对“千人千面”的创新药治疗方案，创新药企“千头万绪”，临床医生“眼花缭乱”。
零假设从创新药商业化的核心诉求——医学内容的“高质量整合”和“自动化产出”入手，基于自研的学术小模型，搭建了专业水平一流的“医疗学术内容生成式AI引擎”。该引擎通过自动化分析和拆解医学文献、指南共识、会议报告、临床研究、病例报告等一手源内容，以及产品资料、会议PPT、微信推文等二手源内容，结合知识图谱、样本集、参数集等，构建专业学术内容元素库，再根据新患者争夺、病例讨论、患者随访等场景需要，自动化输出药企在商业化的各个环节所需要的专业学术内容。
通过这一引擎，用户能够高效、快速输出有关产品策略、市场销售、临床学术、医生互动等场景下所需要的相应内容，帮助创新药械企业内部将医学内容沉淀、整理、利用，更能帮助核心医生快速了解疑难和争议问题的最新完整信息，显著提升其临床实践和学术研究的效率，同时双向促进医生和企业的资源链接。
效率方面，通过使用零假设AI平台，能够将文献检索、筛选过滤、内容提取、编辑整理等步骤中设计到的时间成本从数天甚至数周缩短至1天甚至几个小时。
历经5年迭代，零假设的AI平台已经覆盖了10个治疗领域，45个细分病种，拥有超过12万+的标签系统，构建了100万+条知识点与内容区块，逐渐垒高专业“壁垒”。
零假设产品主要分为Express、Promote和KnowS，其中前两款服务主要面向药企，第三款主要面向临床医生。
通常来说，药企的医学部主要负责全方位的汇集处理学术内容，是药企的“学术内容发动机”；而销售部则需要通过传递药物相关学术内容以帮助医生了解该药物的作用原理与应用场景。基于以上两点，零假设Express与Promote诞生。
Express帮助医学部进行数字化、高效率、低成本、规模化的整理创新药在理论、研发、临床等各个环节中涉及到的内容，Promote则负责把Express产生的学术内容，自动化生成销售端在特定互动场景下需要的沟通话术。
“单向的努力”往往不及“双向的奔赴”有效率，故诞生了零假设KnowS。该服务主要针对医生所需的前沿学术热点、重要临床问题等场景提供自动化内容支持，一方面强化临床医生在该领域内的学术提升，另一方面也帮助降低医生与药企的沟通门槛，甚至能够成为触达C端的关键撬动点。
长远来看，KnowS使Express、Promote形成真正意义上的信息闭环，并让两个产品的信息壁垒和替代成本越来越高。
60%的数字化潜力，辉瑞、诺华、百济神州等20余家头部药企正在体验
与传统的医学媒体和药企信息化公司相比，零假设在创新药相关的学术、临床、营销等方面都做到了数据的高质量拆解、重构和自动化产出，让创新药在商业转化中遇见的每一个对象、面临的每一个场景都得到准确的内容支持。
目前，已有20余家全球头部药企开始体验零假设的数字化商业解决方案。辉瑞、诺华、罗氏、百时美施贵宝、赛诺菲、阿斯利康、GSK、武田等全球顶尖药企的方案中均能看到零假设的身影，以及百济神州、渤健、珐博进、住友等Biotech药企也纷纷选择零假设。
在零假设现已覆盖的10个治疗领域45个细分病种中，包含乳腺癌、卵巢癌、非小细胞肺癌、脑胶质瘤、急性淋巴细胞白血病等癌症治疗药物，以及包括特应性皮炎等免疫系统疾病、阿尔茨海默症等神经系统疾病、双相情感障碍等精神类疾病、脊髓性肌萎缩症等罕见病的治疗药物。
100万+条知识点和内容区块、10万+篇数据源，已经帮助零假设用户的内容交付时间缩短90%，且交付质量提升60%以上。零假设预估，伴随学术内容的自动化生产，药企商业化工作中的60%均具有极大的数字化潜力，通过其AI引擎和三个产品的“1+3”解决方案就可以重构药企商业化预算，实现巨大的成本降低。
“以始为终，我们有信心成为创新药商业化中，链接药企和医生的最高效平台。”顾飞总谈到。
