从近5-8年创新药行业高速发展，到疫情后政策、外部环境的急速变化，创新药全行业都面临了巨大的挑战，药企在积极拥抱政策的同时，急需加大商业化能力，增加现金流，以便支撑高额的研发成本。相较于传统医学媒体和药企信息化公司，「零假设」在创新药相关的学术、临床、营销等方面均实现了内容数据高质量的拆解，重构以及自动化产出。这可以让创新药企在各个商业化场景中，更好的应对不同角色的需求。作为创新药械学术领域领先的AIGC服务商，「零假设」得到了多方资本的认可，已获得了红杉、元禾原点、恩然等机构的持续加持。
从“上市新药数量”、“申请上市项目数量”和“首次申请上市项目数量”这三个关键指标来看，国内创新药行业发展在加速的势头下前进，即将迎来大规模上市爆发期。
根据2019年至2021年期间临床试验数据，I期临床试验项目数量逐渐增加，分别增加118、54和172个。同时近年来我国在mRNA肿瘤新抗原疫苗、AI辅助CNS药物等领域首次提交IND申请，并获得批准，大量的创新药管线“蓄势待发”。但同时，这些新上市的创新药品种，如果不能在带量前，达到理想峰值，则创新药销量将面对“无法收回前期研发成本”的尴尬境遇。很长一段时间，药企实际上是在用过去普药的销售方式来销售创新药，但如果站在创新药的角度，会发现从普药到创新药，不仅仅卖的东西不一样，还有很多对于药企来说，急需适应的方面：1）模式变化：药品的销售模式从普药的“产品化销售”转化为创新药的“解决方案销售”由于普药相对创新药，学术更简单，医生更容易决策，所以传统药企的销售模式是基于普药的“产品化销售”随着创新药的占比越来越高，且创新药所应用的场景更复杂，传统的“产品化销售”无法推进医生决策，类似于“解决方案”式的销售模式，将成为创新药销售的主要方式。2）品种增多：在医保、带量带来的利润压力下，各药企的药品品种数会快速增加单个药品的生命周期内的利润会大幅度下降，药企为了保证总体利润的不变，必然会大力增加品种，在政策支持下，新药导入也将大幅度加快。对于外资药企，之前过了专利保护期的药，在中国并不会经历类似美国的价格断崖，因此药企并不会大力引进新药。现在，被带量的过保药的利润也将下滑，因此药企需要加快更多的新药导入。3）销售资源的短缺：药企在销售端的医药代表资源将呈现出明显的短缺现象，且将愈演愈烈药企加速新药导入，现有医药代表资源根本无法满足多药品的专业性要求，亟须大量的能够快速掌握新药专业知识的医药代表，来同时覆盖多种药品的销售支持。大量新增药品与不断缩减的销售代表资源的矛盾会长期存在，且势必愈演愈烈。4）市场投放的低效：在日益加大的压力下，药企市场端面向医生的投放将越来越强调“效果”随着药企商业化的压力越来越大，内部降本提效被越来越多的提及，以往低效甚至无效的市场投放会受到很大挑战，甚至相关预算会被取消，药企会越来越强调市场行为对实际销售带来的影响，相关市场端的投放，ROI会成为下一阶段考核的主要目标。以上这四点的解决，都需要“创新药学术内容支撑体系”这一核心能力的建立。创新药商业化对专业的医疗学术内容生产提出了更高的要求，传统药企的学术内容支撑方式，单靠有限的医学部人员，难以满足千人千面的创新药复杂营销环境，及快速增加的品种需要。药企急需在内部构建更为灵活高效的创新药学术内容生产、流转、分发、二次利用的内容供应链体系。最近被广泛讨论的通用大模型如“ChatGPT”是否能够应用于创新药的医疗学术领域？实际测试结果表明基于GPT4的ChatGPT只能提供相对宽泛的创新药用药建议，离具体分析所需准确性还有很大差距。这种差距主要是由于医学在数据源、模型训练方式以及应用场景等方面与通用的社会化信息存在本质区别。首先，从数据的角度，在医学领域，为确保AI模型的高精准性，持续获取完整且高质量的数据至关重要。由于对精确度的极高追求，使得这一领域所需训练数据需要更具“证据性”。这些具备“证据性”的内容数据通常来自公开或半公开渠道以及企业或机构内部资料。这些内部数据是并不是传统通用模型企业都能予以触及的。同时，AI模型优化需要专业人员对数据集进行精准标注，以提高生成信息的准确性。对于创新药领域，只有拥有临床经验的医生或该领域内部相关人员才能完成数据集标注工作。然而，在建立通用大模型时，很难聚集各个专业领域的人员来逐一标注相关信息，由此，生成信息的专业度和可信赖度也很自然地难以达到“精准”的要求。这种“精准”的要求，在人类的健康和生命在医学领域尤为重要，特别是创新药学术领域，要求所有内容数据都需要基于专业疾病知识图谱，并确保每个数据节点都具有准确、可信赖和可被检查、追溯的特性，由此才能保证生成信息是“有效的”。但如果将通用大模型与专业领域小模型结合到一起，却可以创造出巨大的价值。通过大模型，我们能够获得非医学专业信息的生成，并实现更加舒适便捷的人机交互；对于高度精准要求下的医疗临床学术内容，则通过专业学术小模型来完美解决。通过这二者的合理分工和协作，可以更好地满足医疗行业不同的专业用户智能化需求。面对创新药临床中“千人千面”的应用情况，药企“千头万绪”，商业化团队急需在相关学术方面得到全面支持，而AI在这一环节将充分展现其不可估量的实力。以“高质量整合”和“规模化自动产出”医学内容为目标，零假设开发了自己的专业学术小模型，并构建了独有的“医疗学术内容生成式AI引擎”。该引擎能够将创新药领域的内容数据，进行自动化分析解读，包括一手源内容如文献、指南共识、会议报告、临床研究、病例报告，以及二手源内容如产品资料、会议PPT和微信文章等。再结合知识图谱，样本集和参数集等，零假设可以持续构建专业的学术内容元素库。伴随着药企在各种商业化场景下的实战，比如新患者争夺，病例讨论，患者随访时，这一引擎会快速高效提供药企在这些商业化场景中所需要的“千人千面”的高质量专业学术内容。
借助这一引擎，用户能够在产品策略、市场销售、临床学术和医生互动等方面高效快速地输出相关内容。它不仅能够帮助创新药企内部沉淀、整理和利用医学内容，更重要的是可以协助核心医生快速了解最新完整信息，并显著提高他们的临床实践和学术研究效率。双向促进医生与企业资源之间的链接关系。使用零假设AI平台，用户可以大大提升文献检索、筛选过滤、内容提取和编辑整理等诸多工作的效率，时间成本从数天甚至数周缩短至1天或者几个小时。零假设的AI平台在5年的不断迭代中，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，这些专业化的“壁垒”，让零假设能够更好地应对快速更新的创新药械临床学术领域，获得药企的青睐。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。
Express主要面对药企的医学部，帮助他们进行数字化、高效率、低成本、规模化、全方位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，成为“学术内容发动机”；而Promote主要面对药企的销售部，帮助他们把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，向核心医生传递药物相关学术内容，帮助医生了解该药物的作用原理与应用场景。零假设KnowS主要针对创新药所面对的核心医生，聚焦其所需的前沿学术热点、疑难重症等重大临床问题，为医生提供自动化内容支持，一方面，可以通过Knows提升临床医生在该领域内的学术水平，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端患者的关键撬动点。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相较于传统医学媒体和药企信息化公司，零假设在创新药相关的学术、临床、营销等方面均实现了内容数据高质量的拆解，重构以及自动化产出。这可以让创新药企在各个商业化场景中，更好的应对不同角色的需求。目前，零假设的相关数字化商业解决方案，已经进入了20余家头部药企，包括辉瑞、诺华、罗氏、百时美施贵宝、赛诺菲、阿斯利康和GSK等顶级的大型药企，也包括如百济神州、渤健和珐博进等Biotech药企。从品种上，覆盖包含乳腺癌、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。基于100万+条知识点和内容区块、10万+篇数据源，零假设通过其AI引擎和三个产品的“1+3”解决方案帮助用户的内容交付时间缩短90%，且交付质量提升60%以上。伴随学术内容的自动化生产，药企商业化工作中的60%都可以通过AI+数字化来提升，零假设将重构药企商业化预算，帮助药企实现巨大的成本降低。