药厂门口|Pharma Lobby

Podcast · 文化

药厂门口|Pharma Lobby

医药行业对话型播客,聊药,更聊行业众生百态

主播 Sophie-ss 出品 Sophie_zOfo 文化 · 社会与文化 8,579 订阅 36 集 1周前更新

在小宇宙收听

简介

🎙️ 《药厂门口》|行业里的故事,从门口开始说起 《药厂门口》是一档聚焦医药行业的对话型播客。我们聊的不只是“药”,更是行业里不同角色的真实经历与思考——从新药研发、临床试验,到市场准入、职业成长。 这里有来自药厂不同部门的声音,有资深管理者,也有探索中的新人。我们用平实的语言、不搞术语轰炸,围绕一个话题展开真诚交流,聊点你我都听得懂的行业故事。 这不是某一个人的播客,而是一个希望成为“百家讲坛”的平台。我们相信,每个人的经历都值得被听见;也许你的困惑,就是我们下一期的主题。 如果你正站在行业门口,或已经在其中打拼,欢迎加入我们的对话。我们永远在门口,等你来聊一聊。🌻 📱 联系我们 & 加入听友群 🍠 小红书:PharmaLobby 💬 微信号:PharmaLobby 📫 邮箱:[email protected] 🌿 匿名树洞传送门:http://xhslink.com/a/D2YaJzAs2GNdb (欢迎留言、投稿、吐槽、许愿,或说说你站在药厂门口的故事)

年薪20万,资产一半是现金?聊聊药厂人的资产配置|串台《起朱楼宴宾客》🎙️EP029

年薪20万,资产一半是现金?聊聊药厂人的资产配置|串台《起朱楼宴宾客》🎙️EP029

药厂门口|Pharma Lobby

📖 本期简介: 高学历、高收入,就一定更会投资吗?当一群习惯了用数据和科学思维解决问题的药厂人,开始审视自己的资产配置,却发现赚钱和管钱,可能是两种完全不同的能力。 这一期《药厂门口》迎来了一位特别嘉宾——《起朱楼宴宾客》的主播大老师!🎉🎉 我们带着药厂人的真实资产配置、投资习惯和听友问卷调查,邀请大老师来做一次特别的“财富体检”。 从大药厂与小药厂的薪酬差异,到 401(k)、Mega Backdoor Roth、Pension 等容易被忽略的员工福利;从现金、ETF、个股和投资房的配置,到期权交易、投资心理与退休规划,我们聊了很多普通打工人都会面对的问题。 更有意思的是,当我们讨论到高学历与投资能力的关系时,大老师却说出了一个有些反直觉的观点:“投资最怕的就是你懂太多了。” 而当我们把话题转向财富自由时,又发现一个有趣的现象:即使已经拥有十年的生活费,仍然有超过一半参与调查的药厂人愿意继续工作。 所以,理财的终点究竟是赚更多的钱,还是拥有选择生活的自由? 无论你是刚刚进入职场的理财小白,还是已经开始认真规划退休生活的投资者,希望这期节目都能给你一些新的启发。 本期内容仅为嘉宾个人经验与观点分享,不构成任何投资、税务或财务建议。涉及的投资产品、税收政策和收益率可能随时间变化,请以最新规定及个人实际情况为准。 🍻 本期圆桌 大卫翁:《起朱楼宴宾客》播客主播,《资产配置行动指南》作者。即刻:大卫翁 大树: 《药厂门口》播客主播 Sophie: 《药厂门口》播客主播,药厂统计程序员 Mia: 《药厂门口》播客主播,药厂统计师 ⏳ 时间轴|精彩内容 04:15|药厂人的财富体检,年薪多少算高薪? 北美年薪 10 万美元只是起点?20–30 万美元才算高薪?大药厂和小药厂,究竟谁给的钱更多? 12:02|401(k) 拉满,到底算不算投资? 无论未来是否留在美国养老,都应该尽量拉满 401(k)? 20:18|Mega 401(k)、Pension、RSU:药厂到底藏着多少福利? 除了工资和 Bonus,大药厂还有哪些容易被忽略的财富积累工具?为什么 Pension 既可能是福利,也可能成为留住员工的“金手铐”? 29:45|第一份财富体检:一半资产放现金,是稳健还是保守? 当药厂人的职业稳定性遇上保守的投资习惯,大老师如何评价 Mia 的资产配置?现金究竟应该留多少? 39:21|药厂人为什么这么喜欢存钱? 听友调查揭示药厂人的风险偏好。工作越稳定,投资反而越保守?面对经济周期的不确定性,我们该如何决定自己的投资比例? 46:06|第二份财富体检:投资房占了一半资产,要不要卖? 当房地产成为投资组合的主力,如何平衡资产集中度与个人擅长的投资领域?从实体房产到 REITs,聊聊投资中的能力圈。 50:04|高学历真的更会投资吗? 博士学历、研究能力和投资收益之间究竟有什么关系?为什么大老师说:“投资最怕的就是你懂太多了”? 55:17|不懂投资的人,应该如何开始? 从自动定投到被动投资,理财真的需要花大量时间研究吗?为什么对大多数人来说,投资不应该成为生活的重心? 1:00:59|为什么我们总忍不住打开投资账户? 近六成受访者每天或每周查看投资账户。频繁看盘是为了赚钱,还是为了寻找安全感?大老师分享自己的每月复盘纪律。 1:09:02|股票涨了,然后呢? 股价上涨、分红收入与现金流,究竟哪种收益更让人安心?长期持有者有必要通过 Covered Call、Sell Put 增加收益吗? 1:14:08|别人恐惧我贪婪,真的做得到吗? 面对市场下跌,为什么我们总是舍不得卖出亏损的股票?大老师重新解读市场恐惧、投资纪律与人性的博弈。 1:19:43|投资的目的,究竟是赚钱还是安全感? 药厂人的财务安全感调查:如果突然失业,积蓄能支撑多久?如果降薪 20%,换来每周工作三天,你愿意吗? 1:22:52|财富自由以后,你还会继续工作吗? 超过一半的受访药厂人表示,即使拥有十年的生活费,也愿意继续工作。FIRE 的真正意义,是提前退休,还是拥有选择的权利? 1:28:33|到底存多少钱,才够退休? 100 万、300 万,还是 500 万美元?退休地点、家庭结构、通胀和生活方式,如何影响我们心中的财富自由数字? 📖 小百科|术语速查 401(k)|美国雇主退休储蓄计划 美国常见的雇主支持型退休账户,通常可以选择税前或 Roth 形式缴款,账户内资金可用于长期投资。 Mega Backdoor Roth|大额后门 Roth 部分雇主退休计划允许员工进行额外的税后缴款,并通过计划支持的转换或转出机制,将资金转入 Roth 账户。是否可用取决于具体雇主计划。 Pension|企业养老金 由雇主提供的退休福利。其中 Defined Benefit(DB)计划通常按照一定公式计算退休待遇,与以账户缴款和投资表现为基础的 Defined Contribution(DC)计划有所不同。 RSU|Restricted Stock Unit,限制性股票单位 企业给予员工的股权薪酬,通常按照约定时间或条件归属。 ESPP|Employee Stock Purchase Plan,员工股票购买计划 允许符合条件的员工通过公司计划购买本公司股票,部分计划提供折扣。 ETF|Exchange-Traded Fund,交易所交易基金 在交易所上市交易的基金,可投资股票、债券、黄金等不同类型资产。 REITs|Real Estate Investment Trusts,房地产投资信托 通过持有或投资房地产相关资产,为投资者提供参与房地产市场的方式。 Covered Call|备兑看涨期权 持有标的股票的同时卖出相应看涨期权,以获取权利金,但可能限制股票上涨时的收益。 Sell Put|卖出看跌期权 通过卖出看跌期权收取权利金,同时承担在特定条件下以约定价格买入标的资产的义务。 FIRE|Financial Independence, Retire Early 财务独立、提前退休。核心是通过储蓄、投资和生活规划,获得更大的时间与职业选择自由。 Asset Allocation|资产配置 根据个人财务目标、风险承受能力和投资期限,在现金、股票、债券、房地产等不同资产类别之间分配资金。 📮 找到我们: · 小红书:药厂门口 🔗 · 微信公众号:Pharma Lobby 播客 🔗 · 微信小助手:PharmaLobby 👇 加微信小助手拉你进听友群

93 分钟 9k+ 次播放 1周前

从真实世界研究到 AI创业:她看到了药厂里哪些难以替代的能力?|🎙️EP028

从真实世界研究到 AI创业:她看到了药厂里哪些难以替代的能力?|🎙️EP028

药厂门口|Pharma Lobby

AI 已经能起草临床试验方案(protocol)了,药厂人的工作会变成什么样?这期我们请来 NousOne (曾用名NouStarX) 联合创始人兼 CEO 杨眉博士 (Mei)。统计出身的她,在金融危机期间机缘巧合地进入 HEOR/RWE 领域,曾在 AbbVie 参与 Humira 的 HEOR 战略,也在 Merck 从事真实世界证据和市场准入相关工作,积累了十多年的药企经验。如今,她离开大药企,走上了 AI 创业之路。从一款药获批后为什么还要证明自己“值得买”,到真实世界数据究竟有多难用,再到 AI 如何参与证据规划,甚至临床试验方案设计,我们聊了不少正在发生的变化。但工具越强,问题就越尖锐:AI 给出的答案,谁来判断是否靠谱?对于担心被 AI 追上的朋友,希望这期能带来新视角。 注:本期节目录制于 2026 年 6 月。AI 技术迭代迅速,NousOne 在这段时间里也有了不少新的进展,因此节目中提到的技术能力和产品情况,主要反映录制时的阶段。 📢 本期说明 由于不同国家和地区的医疗体系、监管环境、支付机制及药企组织架构各不相同,不同公司对于相似岗位的职责划分和术语定义也可能存在差异。 嘉宾长期在北美及全球药企环境中从事相关工作,因此节目中的部分岗位名称、专业术语和业务流程沿用了日常工作中的英文表达,也会更多从美国及国际市场的实际经验出发。 节目内容基于嘉宾的个人经历和行业观察,仅代表一种从业者视角,不一定适用于所有公司、市场或岗位。我们希望通过不同从业者的经验,把药物从研发成功到真正走进医生和患者手中的这段路讲得更具体,也帮助听众看到一个更多元、立体的医药行业~ 🎉 📖 小百科|术语速查 * HEOR(Health Economics and Outcomes Research):健康经济学与结局研究,除了药物的疗效,还研究患者获益、生活质量和医疗成本,帮助回答一种治疗对患者及支付体系究竟有多大价值。 * RWE(Real-World Evidence):真实世界证据。利用真实世界数据开展分析后形成的、关于药物实际使用情况及潜在获益或风险的临床证据;“数据”本身并不等于“证据”。 * Payer:支付方,包括政府医保、商业保险等承担医疗费用的机构。药物获批不代表一定能顺利报销;支付方还会评估它带来的价值。 * HTA(Health Technology Assessment):卫生技术评估,从临床效果、成本、患者与社会影响等角度评估药物或医疗技术,为定价、报销和医疗资源配置提供依据。 * NICE(National Institute for Health and Care Excellence):英国国家卫生与临床优化研究所,负责制定医疗相关指南和开展技术评估;节目中以它为例,解释支付决策为何需要临床以外的证据。 * Market Access:市场准入,围绕药物定价、支付覆盖和患者可及性开展的一系列工作,包括准备价值证据、制定准入策略及与支付方沟通。 * RWD(Real-World Data):真实世界数据,来自日常医疗实践的资料,比如电子病历、医保理赔和疾病登记数据。研究者需要先判断数据质量与适用性,才能进一步形成 RWE。 * EHR(Electronic Health Record):电子健康记录,医院或诊所留存的患者诊疗资料,既有检查结果、诊断编码等结构化信息,也有医生记录的文字说明。 * Claims Data:医保理赔数据,主要记录诊断、就诊、用药、医疗服务和费用等信息。它原本服务于报销结算,因此编码不一定能完整、准确还原患者的临床情况。 * Unstructured Data:非结构化数据,比如医生自由书写的病历、会诊记录和访谈文本。信息丰富,但不能像标准表格那样直接统计分析,往往需要 NLP 或 AI 协助提取。 * PRO(Patient-Reported Outcome):患者报告结局,由患者直接报告症状、功能或生活质量,例如疼痛、疲劳和日常活动能力;它可以补充检验指标和医生评价难以反映的体验。 * IEGP(Integrated Evidence Generation Plan):整合证据生成计划,把监管、医生、患者和支付方需要的证据放在一起,识别现有研究缺口,再规划后续研究。节目中口头简称为 IGP,行业资料更常写作 IEGP。 * AI Evaluation:AI 评估,使用明确的测试方法衡量 AI 在实际任务中的准确性、可靠性和可追溯性,尤其要核对它是否误读研究、编造参考文献或给出没有依据的结论。 * RAG(Retrieval-Augmented Generation):检索增强生成,先从指定文献或知识库检索相关内容,再辅助模型作答,让结论更容易追溯来源;它可以减少某些幻觉,但不能保证回答完全正确。 * NLP(Natural Language Processing):自然语言处理,让计算机分析和提取文字中的信息,例如从医生的病历记录里识别症状、病史、用药和不良事件。 * Domain Knowledge:领域知识,指对疾病、药物研发、证据标准及实际业务流程的理解。嘉宾强调,模型和数据之外,懂行业、懂工作流程同样重要。 * Protocol(Clinical Trial Protocol):临床试验方案,规定研究目的、受试者入排标准、试验设计、访视安排和终点等核心内容;节目讨论了 AI 如何协助查阅历史研究并起草方案。 * SAP(Statistical Analysis Plan):统计分析计划,详细规定临床试验数据将如何分析和汇总,包括分析人群、统计方法和缺失数据处理等,通常在数据库锁定前定稿。 👥 圆桌嘉宾 杨眉|NousOne (曾用名NouStarX) 联合创始人兼 CEO,Biostatistics PhD 曾在大型药企从事 HEOR/RWE、市场准入相关工作,如今探索 AI 在药物研发与证据生成中的应用。 Mia|药企临床试验统计师,Statistics PhD 本期主播,从临床研发的角度追问 AI 工具的边界与真实使用场景。 Daniel|肿瘤临床开发,MD, PhD 药厂临床研发资深总监,主要从事实体瘤等领域的临床研发,关注真实世界证据如何融入药物开发。 Sophie|药企统计程序员,Statistics MS 从临床研发和编程工作出发,关注 RWE 与 AI 对岗位的影响。 Dan|生物医药研发从业者,Biology PhD 有博士后研究经历,目前从事疫苗与抗体研发。 ⏱️ 时间轴 00:00 开场|当 AI 越来越能干,我们还能做什么? 从药厂里的 AI 焦虑说起,介绍本期嘉宾和讨论的核心问题。 05:47 金融危机中的一次转弯:从统计走进 HEOR 杨眉回忆求职不顺时如何自学、跨界,也聊逆风时期可能藏着的新机会。 14:03 药获批就够了吗?HEOR 与 RWE 的真正价值 从医生、患者到保险支付方,解释为什么药物还需要证明真实使用中的价值。 23:13 真实世界数据为什么那么难用? 从保险理赔数据、电子病历到医生的自由文本,聊数据清洗、拼接与 AI 提取信息。 29:19 RWE 不只管上市后:它如何参与临床开发 为什么二期试验就要考虑支付方需要的数据,以及 RWE 的工作如何越来越靠前。 44:49 临床试验统计 vs. RWE:带着问题找证据 讨论研究设计、数据可用性和方法选择,RWE 最难的部分未必是跑模型。 50:20 AI 可以怎样参与证据规划? 从整合证据生成计划到竞品研究与数据可行性评估,看 AI 如何帮助团队下好一盘棋。 55:26 AI 的护城河是什么:模型、数据,还是行业经验? 聊领域知识、实际工作流程、RAG、AI 评估与“看似理解”的幻觉风险。 1:07:49 离开大药企去创业:AI 能写方案,也能做决策吗? 从创业契机聊到临床试验方案生成,以及跨部门取舍为何仍然需要人。 1:18:35 AI 时代的职业选择:新人如何入行,老员工怎么转型? 聊 RWE 的就业入口、实习与面试、创业公司的用人标准,以及如何面对技术焦虑。 📮 找到我们: · 小红书:药厂门口 🔗 · 抖音:药厂门口播客 🔗 · 微信公众号:Pharma Lobby 播客 🔗 · 微信小助手:PharmaLobby 👇 加微信小助手拉你进听友群

93 分钟 1k+ 次播放 4周前

跨国大药厂还是初创生物公司?两位早研科学家的真实职场对照|🎙️EP027

跨国大药厂还是初创生物公司?两位早研科学家的真实职场对照|🎙️EP027

药厂门口|Pharma Lobby

同样是做早期药物研发(Early Drug Discovery),在大型药企和 Startup,工作的体验究竟能有多不一样? 这一期,我们邀请了两位早期研发科学家:一位身处大型 MNC,在成熟的组织架构中支持不同疾病领域的项目;另一位加入小分子药物初创公司,长期以实验室工作为主,从分子设计、合成到项目推进,感受着另一种更直接、更快速的研发节奏。 从第一份工作怎么找、Industry Postdoc 值不值得做,到每天在忙什么、项目如何决策、晋升到底看能力还是Business Need,我们也聊到了跳槽、身份、工作强度,以及 AI 会不会改变药物发现。大厂和初创没有标准答案,真正的问题可能是:你想成为怎样的 Scientist,又愿意为此交换什么? 本期说明 本期讨论主要基于美国药企及 Biotech/Startup 的工作环境。不同国家和地区在组织架构、岗位职责、晋升机制和工作文化等方面存在差异,因此节目中的经验不一定直接适用于国内药企。 内容主要来自嘉宾在美国大型药企和 Startup 的个人经历与行业观察,仅代表具体从业者视角。节目中的部分岗位名称、专业术语和工作流程也沿用了美国药企中的常见英文表达。 小百科|术语速查 跨国制药公司|Multinational Pharmaceutical Company (MNC) 指在全球多个国家和地区设有分支机构、子公司、研发中心或生产基地的大型综合性制药集团。代表企业包括辉瑞(Pfizer)、罗氏(Roche)、诺华(Novartis)、默沙东(MSD)等全球制药巨头。 早期药物发现|Early Drug Discovery 药物研发最前端的阶段,通常包括靶点研究、筛选活性分子、验证作用机制,以及对候选分子进行初步优化。 药物化学|Medicinal Chemistry, MedChem 通过设计、合成和优化化合物,提高药物的活性、选择性、安全性及成药潜力,是小分子药物研发中的核心环节。 高通量筛选|High-Throughput Screening, HTS 利用自动化设备,在较短时间内测试大量化合物,从中寻找可能对特定靶点有效的 Hit,也就是早期“种子选手”。 成药性评估|Developability Assessment 在候选药物继续推进前,评估它是否足够稳定、容易生产、适合制剂开发,以及有没有明显的后期开发风险。 治疗领域|Therapeutic Area, TA 公司按照疾病方向划分的研发领域,例如肿瘤、免疫、神经科学和感染性疾病。大药厂通常会同时覆盖多个TA。 向上管理|Managing Up 不是“讨好老板”,而是理解管理者的目标和沟通方式,主动同步信息、提出建议,让双方对项目优先级和预期保持一致。 圆桌嘉宾 · Catie|Early Drug Discovery Scientist + 大型跨国药企 + PhD,曾在药企完成 Industry Postdoc,目前从生物化学与体外实验角度支持多个疾病领域的小分子药物发现项目 · Beyond|Early Drug Discovery Scientist + 小分子药物初创公司 + PhD,从学校毕业后直接进入 Startup,从事肿瘤及自身免疫方向的小分子药物发现与药物化学研究 · Dan|Early Drug Discovery Scientist, PhD,曾在学术界从事博士后研究,目前负责传染性和自身免疫性疫苗的研发工作 · Daniel|MD, PhD,药厂临床研发资深总监,主要关注实体瘤领域,也曾参与血液肿瘤相关工作 · Mia|Statistics, PhD,药厂统计师 · Jay|Chemistry, PhD,从事药物产品制剂的开发与生产工作 · Sophie|Statistics, MS,药厂统计程序员 ⏱ 时间轴 · 00:00 开场:把大厂和初创放在同一张桌子上 两位早研科学家介绍各自的公司类型、研究方向和岗位职责,本期的大厂与 Startup 对照正式开始。 · 03:00 小分子药物还有未来吗? 从神经科学、ADC 到患者用药便利性,聊聊在 Biologics 快速发展的今天,小分子为什么依然无法被替代。 · 13:20 第一份工作怎么选:Industry Postdoc 还是直接进公司? 两位嘉宾复盘自己的求职路径,并讨论论文、专业匹配度、身份和 Networking 在求职中的真实作用。 · 27:30 大厂和 Startup 的一天分别怎么过? 一边是会议、跨部门支持和快速轮转的项目,另一边是大量 Bench Work,以及采购、维护仪器等“公司需要你做的一切”。 · 39:20 从学校进入工业界,真正需要补的是什么? 实验技术未必变化最大,更大的转变来自数据质量、Slides 表达、项目导向,以及如何把科学结论讲给不同背景的人听。 · 54:35 扁平化还是成熟体系:哪种环境更适合职业早期? 小公司沟通快、个人 Scope 宽,大公司资源多、分工细;圆桌也从 MBTI 聊到职场人格和跨部门协作。 · 69:55 培训、转岗与晋升:大公司的 Career Ladder 真有那么清楚吗? MBA、PhD、内部轮岗和会议机会看起来很多,但晋升除了个人表现,也取决于组织架构和实际的Business Need。 · 74:20 跳槽、稳定与“鸡头凤尾” 跳槽往往是升职最快的方式,但频繁跳槽也可能留下问号;选择大平台还是小团队,最终取决于你如何定义成就感。 · 82:45 Work-Life Balance:有人周五下午消失,有人周末还在实验室 大厂的制度和边界通常更明确,而 Startup 的工作时间更多由项目节点、融资压力和个人 Ownership 决定。 · 86:15 AI 会取代早研 Scientist 吗?以及最后的入行建议 AI 在蛋白和抗体设计中已经展现潜力,但小分子仍受数据质量限制;节目最后,嘉宾分享了了解行业、积累技能和尽早 Networking 的生存法则。 📮 找到我们: · 小红书:药厂门口 🔗 · 抖音:药厂门口播客 🔗 · 微信公众号:Pharma Lobby 播客 🔗 · 微信小助手:PharmaLobby · 邮箱:[email protected] 👇 加微信小助手拉你进听友群

95 分钟 1k+ 次播放 1个月前

从癌症疫苗到“一人一药”:药厂下一场变革这就要开始了吗?|🎙️EP026

从癌症疫苗到“一人一药”:药厂下一场变革这就要开始了吗?|🎙️EP026

药厂门口|Pharma Lobby

最近,Moderna 和 Merck 合作开发的个体化癌症疫苗公布了新的三期临床结果。 这一期,我们不太想再重复回答“癌症疫苗到底是什么”。 我们更感兴趣的是后面的那些问题: 为什么是 mRNA?为什么要和 K药联用?为什么第一个重要突破发生在黑色素瘤? 如果每一个患者拿到的药都不一样,临床试验、CMC、生产和监管,又该怎么重新设计? 以及一个更有意思的问题—— 这次验证的究竟只是一款药,还是 Moderna 背后的整个技术平台? 当制药开始从“一个药给很多人”,走向真正意义上的 One Patient, One Drug,药厂本身会不会也变成完全不同的样子? 这一期,我们从癌症疫苗一路聊到平台、AI、精准医疗、药厂未来,以及这些技术最终对患者意味着什么。 ⚠️ Disclaimer 本期内容仅代表嘉宾基于公开信息、个人专业背景和从业经验所进行的讨论与观点分享。不同药企、研发项目及临床场景可能存在差异,节目内容不构成医疗、投资或其他专业建议。 ⏱️ 时间轴 00:01|热点终于抓上了:但我们不想再讲“癌症疫苗是什么” 从三期阳性结果出发,我们真正想聊的是:它为什么现在能成,以及成功之后会改变什么? 02:40|“万物皆可 mRNA”,为什么这条路却走了这么久? 从新冠疫苗到癌症治疗:模块化生产的想象很美好,但“能够编码”距离“能够成药”,中间还有多少道坎? 10:18|治疗癌症的“疫苗”,和我们小时候打的疫苗是一回事吗? 从预防性疫苗到治疗性肿瘤疫苗,以及整个个体化流程:肿瘤测序、寻找突变、预测 neoantigen,再为一个患者设计属于自己的 mRNA。 16:02|真正的护城河可能不是 mRNA,而是算法和数据 同样拿到几十、几百个突变,为什么最后选的是这几个?数据库、HLA、neoantigen prediction 和算法,可能才是平台背后真正难复制的部分。 18:57|为什么癌症疫苗偏偏要和 K 药一起用? 一个负责“踩油门”,一个负责“松刹车”?从术后辅助治疗聊到 RFS、DMFS,以及为什么个体化癌症疫苗天然适合残留病灶更少的场景。 28:35|为什么第一站是黑色素瘤?下一个又会是谁? 高 TMB、强免疫原性、可以手术切除……黑色素瘤几乎集齐了癌症疫苗最喜欢的条件。再往后,非小细胞肺癌、膀胱癌、RCC,谁更适合成为下一站? 37:55|癌症疫苗、MRD、ctDNA:精准医疗会不会拼成一张完整的图? 未来有没有可能:手术切除 → 检测微小残留 → 找出高复发风险患者 → 再为这个患者定制治疗? 44:26|One Patient, One Drug:药厂还会是今天的药厂吗? 当一个 batch 可能只属于一个患者,质量标准怎么定义?算法升级怎么监管?出了问题又该召回谁?个体化治疗正在挑战传统制药最基础的生产逻辑。 49:48|一款药成功,为什么可能验证的是整个 Platform? 从 ADC 到 mRNA:所谓“平台型公司”到底拥有什么?为什么一个成熟的平台,可以比单独的一款 blockbuster 更有想象空间? 56:16|Moderna 有平台,Merck 带来了什么? K药、临床开发经验、PI 与 site 网络、全球商业化能力,以及一个绕不开的问题:K药专利到期之后,这个组合怎么办? 1:00:08|癌症疫苗如果真的起来,药厂会需要什么样的人? Bioinformatics、computational biology、数据科学、mRNA/LNP 工艺开发……AI 会减少岗位,还是创造新的岗位?Wet Lab 和计算科学又会变成什么关系? 1:05:53|“三期阳性”距离真正成为一款药,还有多远? Topline data 到底告诉了我们什么?完整数据发布之后,应该重点看 HR、confidence interval、RFS、DMFS,还是 OS? 1:11:00|真正到了患者手里,会是什么体验? 从取样、测序、生产到给药,一人一药会不会贵得惊人?为什么它的制造逻辑又可能比 CAR-T 更容易规模化? 1:19:43|技术之外:癌症疫苗最终想改变的,可能是“它会不会回来” 癌症治疗结束之后,复发的担心往往并不会一起结束。如果有一天,我们真的能进一步降低复发风险,那么被改变的不只是一个临床终点,也可能是患者和一个家庭很多年面对未来的方式。 🎙️ 圆桌嘉宾 Sophie 《药厂门口》主持人,药厂临床研发部门统计程序员。 Daniel 临床研发从业者,《药厂门口》常驻嘉宾;小红书账号「Daniel有话药说」,关注医药行业与前沿研发动态。 Dan 曾从事疫苗与抗体研发,目前从事生物分析相关工作。 📖 小百科|术语速查 mRNA: Messenger RNA,信使 RNA。可以向细胞提供制造特定蛋白质的“指令”。 LNP: Lipid Nanoparticle,脂质纳米颗粒。mRNA 常用的递送系统之一,用来保护并帮助 mRNA 进入细胞。 Neoantigen|新抗原: 由肿瘤特有突变产生、正常细胞中不存在的抗原,是个体化癌症疫苗设计的重要靶点。 HLA: Human Leukocyte Antigen,人类白细胞抗原。参与向免疫系统呈递抗原,不同患者的 HLA 类型也会影响哪些 neoantigen 更有可能被识别。 TMB: Tumor Mutational Burden,肿瘤突变负荷。简单来说,可以理解为肿瘤中积累了多少突变。 RFS: Recurrence-Free Survival,无复发生存期。常用于术后辅助治疗,观察患者在治疗后多久没有出现癌症复发或死亡。 DMFS: Distant Metastasis-Free Survival,无远处转移生存期。 OS: Overall Survival,总生存期。 MRD: Minimal Residual Disease,微小残留病灶。指常规检测可能已经看不到,但更灵敏的方法仍可能检测到的少量肿瘤残留。 ctDNA: Circulating Tumor DNA,循环肿瘤 DNA。肿瘤细胞释放到血液中的 DNA 片段,可用于研究和监测肿瘤残留、复发风险等。 Adjuvant Therapy|辅助治疗: 在手术等主要治疗之后进行的进一步治疗,目的是降低疾病复发风险。 Platform|技术平台: 不是某一款具体药物,而是一套可以被重复利用的技术、算法、生产工艺、数据和研发体系。底层平台稳定后,可以通过改变其中部分模块开发新的产品。 📮 找到我们: * 小红书:药厂门口 🔗 * 抖音:药厂门口播客 🔗 * 微信公众号:Pharma Lobby 播客 🔗 * 微信小助手:PharmaLobby * 邮箱:[email protected] 👇 加微信小助手拉你进听友群

83 分钟 4k+ 次播放 2个月前

评价

还没有人评价。听过的话,留个分数和一句短评吧。

播放列表

自动播放下一个

播放列表还是空的

去找些喜欢的单集添加进来吧