药厂门口｜Pharma Lobby

PD-1 的黄金十年快结束了。
当所有人还在做“下一个 K 药”，
辉瑞已经用 60.5 亿美元押注 PD-1 × VEGF 双抗，
直接一线、全球三期、head-to-head 癌症标准治疗。
为什么 FDA 允许跳过早期探索？
为什么辉瑞砍掉 11 条管线 All-in 一条资产？
这一次，宇宙大厂是真的杀疯了。
⏱ 时间轴
00:39–01:27｜PD-1 的黄金十年走到瓶颈
PD-1 改变了肿瘤免疫治疗，但单靶点红利正在耗尽，行业开始寻找下一代解法
01:27–02:27｜2024 年的转折点
中国 PD-1 × VEGF 双抗在头对头研究中击败 K 药，双靶点路线被重新评估
02:27–03:25｜从中国到全球
该双抗快速获批并扩展至一线治疗，成为全球唯一获批的 PD-1 × VEGF 双抗
03:27–04:27｜赛道升温
Biotech 与跨国药企集体入场，PD-1 × VEGF 成为新一代肿瘤免疫主战场
04:27–05:06｜辉瑞重磅入局
60.5 亿美元授权交易，辉瑞拿下 4404 全球权益，正式 All-in 双抗赛道
05:26–07:08｜为什么是 4404
独特双臂设计，PD-1 与 VEGF 协同结合，在肿瘤微环境中放大免疫效应
07:18–10:30｜极限执行力
FDA 接受中国数据，直接启动全球三期，辉瑞砍管线、集资源押注一条资产
11:13–12:34｜一线正面对决
肺癌一线治疗，4404 + 化疗直接 head-to-head K 药，跳过一期二期探索
15:32–16:23｜不止肺癌
结直肠癌一线同步三期，目标直指标准治疗
16:54–17:28｜结论
速度、广度、深度三线拉满，宇宙大厂强势重返肿瘤免疫主战场
联系我们
小红书：药厂门口（官方账号） 药厂门口 ｜Pharma Lobby - 小红书
微信：PharmaLobby
邮箱：[email protected]

开年这期聊点不一样的！串台 @StellaxAmy·自定义 | 小宇宙 - 听播客，上小宇宙【原名“数据女孩的中年危机”】
四个人，清一色统计学背景出身，
但现在分布在完全不同的世界里：
药厂、互联网/创业公司、以及一个极其少见的高校 AI Evaluation 团队。
这期我们没有聊「具体某个岗位在干嘛」，
而是从一个很现实的问题聊起：
👉 AI 已经能做很多事了，但哪些 AI，真的敢放到真实用户面前？
从 AI Evaluation 为什么突然变重要，
聊到强监管场景下的安全、责任与信任，
聊着聊着，话题也落到了长期主义本身
👉 当 mentor 这件事不赚钱，甚至很花时间，为什么还是有人愿意坚持很多年？
👉 当做内容没有立刻的回报，为什么有人依然选择持续投入？
👉 以及，在稳定、安全感和探索之间，我们各自做出的选择，背后到底看重什么？
如果你正在：
关心 AI 会不会真的改变你所在的行业
或者已经隐约感觉到：技术之外，判断力和责任感正在变得更重要
那这期，可能会刚好聊到你心里去。
📚 小百科 | 术语速查
AI Evaluation（AI Eval）：评估 AI 产品在真实场景里的效果、安全、可靠与可控性（评估对象是产品系统，不是单一模型）。
Guardrails / Safety：AI 在敏感场景（如自伤、隐私）下的安全策略与处理机制。
FERPA：美国教育领域学生隐私监管框架。
👥 圆桌嘉宾
Sophie｜药厂 Statistical Programmer，《药厂门口》主播
Mia｜药厂统计师（PhD），《药厂门口》主播
Stella｜统计背景，前互联网 Data Scientist，现从事高校 AI Evaluation， 《StellaxAmy·自定义》主播
Amy｜统计背景，长期在 startup 从事数据/AI 产品相关工作，《StellaxAmy·自定义》主播
🕑 时间轴 Timeline
00:01–01:12｜HIghlights：AI 能回答问题不稀奇，稀奇的是谁来负责
从校园场景里的self-harm / suicide聊起：当 AI 真正进入现实世界，没有 evaluation 和 safety，你根本不敢上线。
01:35–03:57｜同样是统计背景，为什么走上了完全不同的路
四位嘉宾都学统计，却分别走向药厂、互联网、创业公司、高校 AI 产品团队——分岔点到底在哪里？
04:10–14:43｜做了十几年 Data Science，身份焦虑从何而来？
职业回顾：交通工程 → 统计 → 互联网 → 高校，也聊 Data Science 这几年从“什么都干”到被重新定义的变化
14:43–22:38｜AI Evaluation 到底在评估什么：不是模型，而是系统
澄清一个常见误解：现在的 AI Eval，评估的是一整个 AI 产品系统，而不是单一模型分数。
22:56–27:23｜当学生对 AI 说“我不想活了”，系统该怎么做
用真实校园场景解释 AI safety：共情回应、资源引导、risk flag、以及在 FERPA 约束下如何处理隐私与上报。
27:23–35:47｜为什么 AI Eval 在最近半年突然“被重视”
从 demo 到 deploy 的转折点：AI 产品一旦要上线，产品经理才发现——没有 eval，这事没人敢扛。
35:47–38:22｜AI Evaluation 会成为新的职业方向吗？
从数据科学到 AI Eval：技能高度重叠，但关注点从“能不能做”转向“值不值得、敢不敢用”。
38:22–48:46｜播客怎么做两年不崩：不追热点，只做减法
高产出背后的方法论：80 分原则、流程复盘、找对搭档，以及为什么 consistency 比爆款更重要。
48:46–1:02:00｜免费 mentorship 真的可持续吗？ADPList 的现实与困境
ADPList 上的 mentor 经历：做 mentor 更像 therapist？被放鸽子是常态？
1:02:00–1:22:48｜做内容是为了什么：表达、信息差与长期主义
The Cocoons （thecocoons.substack.com） 的初心：把中文语境里的故事，用英文再“推”出去。播客和 Newsletter 更像长期 networking。

🔍 延伸资源｜关于 AI Evaluation 的进一步学习
AI Evals & Analytics 是由本期嘉宾 Stella & Amy 设计的一套
面向真实 AI 产品的 长期系列线上实战课程。课程关注的是：
👉 如何系统性评估 AI 产品的质量、风险与业务影响
👉 如何把 “AI 靠不靠谱” 转化为可执行的 evaluation framework📅 最新一期课程将于 1 月 17 日开课，后续也会持续开设 （具体班期以 Maven 平台信息为准）
🎧 《药厂门口》听众可使用 6 折优惠码：PHARMA
🔗 AI Evals and Analytics Playbook by Stella Liu and Amy Chen on Maven（链接直达）联系我们
小红书：药厂门口（官方账号） 药厂门口 ｜Pharma Lobby - 小红书
微信：PharmaLobby
邮箱：[email protected]

在刚刚结束的 2025 年 ASH 年会 上，
CAR-T 治疗多发性骨髓瘤（Multiple Myeloma, MM） 成为了绝对焦点。
仅本届大会，就有 140+ 项摘要 聚焦 CAR-T 在 MM 中的应用：
ORR 100%、sCR 接近 97%、mPFS 超过 50 个月、MRD 阴性率 100%……
这些数据，正在不断刷新我们对血液肿瘤“长期生存”的认知。
而更值得关注的，是一条正在快速成型的新路径——
体内 CAR-T（in vivo CAR-T）。
从 Kelonia 的 KLN-1010，
到阿斯利康重金布局、双靶点设计的 AZD0120，
CAR-T 正从“昂贵、漫长、私人定制”的 ex vivo 模式，
走向 更快、更便宜、更可及 的新一代细胞治疗。
这一期《药厂门口｜时事点评》，
我们站在药厂门口，
带你系统拆解：
多发性骨髓瘤治疗，为什么能走到今天
体内 CAR-T 到底革了谁的命
这些亮眼数据，意味着什么，又不意味着什么
🧠 小百科｜术语速查
MM（Multiple Myeloma，多发性骨髓瘤）
起源于骨髓浆细胞的恶性肿瘤，发病隐匿、易误诊，约占血液肿瘤的 10–15%。
CRAB， MM 的经典临床表现缩写：
C：高钙血症（Hypercalcemia）
R：肾功能损伤（Renal insufficiency）
A：贫血（Anemia）
B：骨病变（Bone lesions）
CAR-T
通过基因工程改造 T 细胞，使其特异性识别并杀伤肿瘤细胞的细胞疗法。
ex vivo CAR-T
体外制备 CAR-T（目前主流CAR-T治疗方式），
流程复杂、周期长、成本高。
in vivo CAR-T（体内 CAR-T）
通过基因递送系统在患者体内直接“编程”T 细胞，
跳过体外制备步骤，被视为下一代颠覆性方向。
ORR / CR / sCR / VGPR
ORR：总体缓解率
CR：完全缓解
sCR：严格完全缓解
VGPR：非常好的部分缓解
MRD（Minimal Residual Disease）
微小残留病灶，当前评估 MM 疗效深度和长期预后的关键指标。
CRS / ICANS
CAR-T 相关主要安全性风险：
CRS：细胞因子释放综合征
ICANS：免疫效应细胞相关神经毒性综合征
时间轴｜Timeline
00:01｜ASH 2025：CAR-T 为什么全面刷屏
MM 相关 CAR-T 摘要 140+
多项研究数据“拉满”：ORR、sCR、MRD、mPFS
02:00｜多发性骨髓瘤与 CAR-T 的“天然适配”
浆细胞的恶性克隆性增殖
CRAB 临床特征
生存曲线如何被一次次推向右侧
06:30｜传统 CAR-T 的现实天花板
自体 ex vivo CAR-T 的复杂流程
CRS、ICANS
成本、周期与可及性问题
09:23｜体内 CAR-T：为什么被称为下一次跃迁
不再体外制备
从“私人订制”走向“准现货型”
资本与大药厂集体下注
10:40｜关键临床信号：Kelonia 与阿斯利康
KLN-1010：R/R MM 中 MRD 阴性率 100%
AZD0120：BCMA+CD19 双靶点，ORR 100%，sCR 97%
MRD 成为区分疗效深度的核心指标

📬 联系我们｜Follow Us
📍 小红书｜搜索 《药厂门口》
📍 邮箱：[email protected]
📍 听友交流｜添加小助手微信：PharmaLobby

11月医药圈发生了两件足够写进历史的大事：
礼来（Eli Lilly）在 2025/11/21 股价冲到 1059 美元，成为全球首家市值破万亿的制药公司；同时， “新药王”替尔泊肽（Tirzepatide）在 2025 年第三季度以单季 101 亿美元销售额登顶季度药王，超越 Keytruda。
为什么“第一个万亿”医药公司是礼来？这意味着什么？
礼来 149 年如何从“老牌药厂”走到“万亿俱乐部”？（Best-in-class 策略、产能与渠道布局）
替尔泊肽为什么能赢？GIP+GLP-1 双靶点到底强在哪里
两大临床体系 SURPASS（糖尿病）/ SURMOUNT（减重），核心数据如何一步步把它推上王座？
直播预告 (预约12/20直播): 12/20（周六）国内 22:00 / 美东 09:00，小红书“药厂门口”听友专场直播，来唠嗑不卖货。

小百科｜术语速查
Eli Lilly（礼来）Tirzepatide（替尔泊肽）
每周一次注射的双靶点受体激动剂（GIP + GLP-1）。 糖尿病适应症商品名：Mounjaro（蒙扎罗）
体重管理适应症商品名：Zepbound（泽博）
GLP-1 RA（GLP-1 受体激动剂）
通过影响胰岛素分泌、胃排空、食欲等实现降糖与减重的药物机制；司美格鲁肽（Semaglutide）属于这一类。GIP（葡萄糖依赖性促胰岛素多肽）
肠促胰素之一；与 GLP-1 协同可增强代谢调节，是替尔泊肽“更狠”的关键之一。HbA1c（糖化血红蛋白）
反映过去约 2–3 个月平均血糖水平的指标，用于糖尿病诊断与长期控制评估。BMI（身体质量指数）
体重(kg) / 身高(m)^2，用于粗略判断偏瘦/正常/超重/肥胖分层。Head-to-head（头对头试验）
在相同条件下直接比较两款药物疗效与安全性；本期重点围绕替尔泊肽 vs 司美格鲁肽。SURPASS / SURMOUNT SURPASS：替尔泊肽在 2 型糖尿病领域的关键临床试验体系
SURMOUNT：替尔泊肽在 肥胖/体重管理领域的关键临床试验体系
时间轴 Timeline
00:51｜新尝试：新闻播报栏目上线
小红书推出字幕版：更快传递行业新鲜事，也解决术语“听不清/听不懂”的痛点。
01:12｜听友直播预告
12/20（周六）国内 22:00 / 美东 09:00，小红书“药厂门口”听友专场直播。
02:14｜Daniel 上线：实时点评口播
“我们播报监管审评、企业创新进展以及资本冷暖起伏，只聊行业里正在发生的故事。”
02:39｜大事件：万亿药王诞生
两周前的大事：礼来成为全球首家市值破万亿的制药公司。
02:47｜关键节点：2025/11/21
股价冲到 1059 美元，加入万亿企业俱乐部。
03:47｜万亿的意义：为什么这是历史性时刻
万亿俱乐部长期几乎“清一色科技公司”，制药行业首次触顶意味着资本开始重新定价创新药工业。
05:24｜业绩与指引：礼来为何敢上调预期
拆解营收增长、全年收入预期上调，以及“员工规模并不庞大但爆发力惊人”的对比。
06:48｜为什么偏偏是礼来？三点答案
企业沉淀（149 年）｜研发策略（best-in-class）｜人才与研发态度（长期主义）。
07:48｜礼来简史：从 1876 到现代制药标准
科学制药理念、标准化制剂与质量体系的早期积累。
09:03｜关键里程碑：胰岛素工业化
把糖尿病从“绝症”推向“可管理慢病”。
10:28｜明星药：百忧解（氟西汀）
精神疾病领域的里程碑产品，品牌名“百忧解”也很有代表性。
12:19｜低谷与长期投入：代谢 + 神经科学
专利悬崖和管线压力下仍坚持阿尔茨海默方向的长期投入，为后续突破埋伏笔。
13:18｜研发策略：不抢 first-in-class，更追 best-in-class
“等靶点成熟再做得更好”：用 GLP-1 迭代史解释礼来的打法。
17:09｜万亿不只靠药：产能与渠道布局
对照诺和诺德曾经的“产能跟不上”，强调礼来的前瞻性扩产与供应链优化。
18:13｜LillyDirect：更直接触达患者
线上购买与服务渠道，让“可及性”成为商业爆发的加速器。
20:50｜真正的转折点：替尔泊肽登场
一款产品把礼来最近十年“从地平线到天花板”拉开差距。
21:06｜机制科普：GIP + GLP-1 双靶点
解释为什么双机制可能比单 GLP-1 更强：代谢调节 + 饱腹感 + 摄入减少 + 脂肪氧化。
22:13｜商业成绩：封神之路
从 2022 获批到 2025 前三季度“撑起半壁江山”的增长曲线。
23:12｜登顶：2025 Q3 单季 101 亿美元
单季销售额超越 Keytruda，成为季度药王。
24:50｜非主流假说：GIP 没失效，而是需要协同
从“学术界普遍不看好”到“协同效应概念成型”。
27:18｜分子设计：不是简单拼接
亲和力平衡、半衰期延长、降低恶心等副作用——把“科学设计”讲清楚。
28:19｜两大临床体系启动：SURPASS / SURMOUNT
糖尿病 & 减重两条赛道并行推进。
29:03｜HbA1c 科普：为什么它能反映 2–3 个月血糖
把核心指标先讲明白，后面数据更好理解。
32:04｜SURPASS-2：最关键的头对头
对比司美格鲁肽 1mg——从这里开始“代谢王者转折点”的叙事。
39:06｜SURMOUNT：肥胖赛道开始放大招
BMI 科普后进入减重试验，解释为何被媒体称为“最强减重药”。
43:25｜停药会怎样？SURMOUNT-4 的现实提醒
继续用药体重继续降；停药出现明显反弹：减重更像长期管理。
44:12｜SURMOUNT-5：肥胖领域头对头定胜负
平均减重 20.2% vs 13.7%（替尔泊肽 vs 司美格鲁肽），一锤定音。
48:02｜总结：药王不是偶然
solid science + 多场景数据 + 产能与可及性一起到位，才有“万亿 + 药王”。
49:37｜收尾 & 直播邀请
欢迎评论反馈是否喜欢新闻播报模式；12/20 小红书直播见！
联系我们
小红书：药厂门口（官方账号）
微信：PharmaLobby
邮箱：[email protected]

节目简介：
在每一个临床试验背后，都站着一支“数据大管家”团队——Data Manager（DM）。本期《药厂门口》我们邀请到有 20+ 年从业经验的资深 DM 以川老师，一起聊聊：
DM 在一个临床试验从立项到 database lock 全流程中到底做什么？
为什么他说：统计师是“厨师”，DM 是从种菜、洗菜、切菜到端盘子的那个人？
小公司 vs 大药厂，DM 怎么做到“每天都看新鲜数据”？
好的 DM 需要哪些素质、背景和职场心态？华人在北美做 DM 为啥不多？
小百科｜术语速查
Data Manager（DM）
临床试验中的“数据大管家”，负责数据收集设计、数据清理（data cleaning）、质控和数据库锁定前的准备工作，贯穿试验全周期。
Database Lock（DBL）数据库锁定
数据库在完成全部清理、确认后正式“锁库”，之后数据不再可改动，用于最终统计分析与申报。
SDTM（Study Data Tabulation Model）
CDISC 制定的临床试验数据标准格式。SDTM Programmer / DM Programmer 负责把原始临床数据标准化为 SDTM 结构，方便统计分析与监管审评。
Blinded / Unblinded Trial 盲态 / 开盲试验
Blinded 指研究者和/或受试者不知道具体用药分配；节目中提到的“看趋势”是在不破坏盲态前提下，从整体数据走向判断试验是否按预期进行。
Lab Data & Reference Range 实验室数据与参考区间
不同检测单位、参考区间差异可能直接影响入排标准与安全性判断，是 DM 和统计都非常关注的“高风险”数据域之一。
📍本期嘉宾：
Yichuan | Data Management team Lead， 20+从业经历Daniel ｜临床研发负责人 Clinical Development Lead (MD，PhD)Mia ｜统计师 Biostatistician（统计PhD）Sophie｜统计程序员 Statistical Programmer（统计MS）时间轴 Timeline

00:03｜开场 & 角色介绍
主持人阵容集结，自我介绍各自背景，点题本期要聊的主角——Data Manager。
03:06｜“临床厨房”类比：DM 到底在做什么？
以川用“种菜、洗菜、切菜、端菜”的比喻，解释 DM 从数据收集、清理到交付统计的全流程职责。
05:00｜高压场景：唯一 DM 如何撑起一个试验？
分享在初创公司做唯一 DM 的经历：上百个 site、每天大量新数据，如何做到 daily basis 看数据、改问题。
07:23｜成为优秀 DM 需要哪些技能？
不限专业，但需要：
一定的 science / medical 背景
编程能力（SAS 等）+ 熟练使用 Excel
对数据质量有强烈的 ownership 和细致的工作习惯。
10:32｜数据库不是全部：把数据“拿出来玩”
为什么Yichuan强调不要只依赖数据库本身，而要通过编程和 Excel 从不同角度“翻看”数据，提前发现问题。
15:04｜在盲态试验里看“趋势”而不是看结果
如何利用整体趋势、benchmark、历史试验对比，判断当前入组的病人和各个 site 是否符合预期，而不破坏盲态。
23:00｜CDISC / SDTM 标准与数据结构意识
用“切菜尺寸”的类比解释 CDISC / SDTM 标准：为什么 DM 必须在前期就把变量、单位、reference range 等设计清楚，否则后期几乎无从挽回。
32:52｜安全性与死亡终点：数据没有灰色地带
Yichuan谈如何单独追踪 fatal case，确保所有与死亡相关的数据完全一致、可追溯，因为这类终点“是黑就是黑，是白就是白”。
34:51｜普通 DM vs 出彩 DM：多走一步的差别
大部分人只做 standard checks；想要职业发展，就要多参加跨职能会议、提前准备视图，逐渐成为上下游都依赖的数据中枢。
51:03｜华人做 DM 为何不多？给新人的一些建议
北美 DM 本科可入行，门槛不算“尖端”，本地竞争者多
对语言沟通要求高
对想入行的本科生给出建议：保持学习心态、补齐编程和行业知识，主动寻找“出奇制胜”的机会。
52:10｜出奇制胜的求职故事 & 三个关键词总结 DM
以川分享自己用别出心裁的 presentation 和“流程型简历”拿到 offer 的经历，并用三点总结 DM 工作：
数据收集 → 数据整理 → 数据呈现，贯穿整个药物研发流程。
56:17｜DM Programmer / SDTM Programmer 的补充说明 & 收尾
主持人补充介绍 DM / SDTM programmer 角色，抛出互动问题：你或身边有没有做 DM / SDTM programmer 的朋友？背景是什么？并预告未来也会请他们来聊“数据标准化”的故事。联系我们
小红书：搜索「药厂门口」关注官方账号，获取节目更新与幕后花絮
微信：添加「药厂门口小助手」加入听友群 & 铁粉群
邮箱：[email protected]
如果你或身边有人在做 SDTM programmer，或者正在考虑转岗到数据管理，也欢迎在评论区留言，说不定下一期上节目的人就是你 🌟