制药行业研发项目组合选择的人工智能优化
制药行业的研发组合是在不确定的情况下做出的决定： 高昂的研发成本、漫长的周期、监管风险和 成功概率的巨大波动都影响着每项投资。
在实践中，项目通常是单独评估和优先排序的。 但药品研发项目并不是一堆独立的项目， 而是根据预算、风险 和多样性限制进行组合选择的结果。
领域
医疗保健/创新管理
目标
在遵守年度研发预算和规定风险承受能力的前提下， 最大限度地提高药品研发项目的预期价值
。
评估输入
投资组合建模基于与项目和阶段相关的输入数据， 通常包括：
- 每个项目或每个开发阶段的技术成功概率 (PTS)
- 作为核心价值驱动因素的峰值销售潜力（销售额峰值）
- 每个阶段（例如临床前、I-III 阶段）的开发成本
- 与治疗方向的战略契合度 （协调性评分）
决策模型和选择机制
为了系统地反映不确定性，项目价值 被建模为随机加权预期值：
随机评分：EVᵢ = NPVᵢ × PTSᵢ
选择不是对单个项目进行单独排名， 而是对投资组合中的项目进行整体选择。
一个受限背包模型在明确限制条件下确定最佳项目组合。
由此可以看出投资组合的取舍，而纯粹的单项优先排序往往无法体现这些取舍——特别是在预算竞争、阶段性成本结构以及风险和多样性要求的情况下。
限制条件（Constraints）
选择是在明确的限制条件下计算的，例如：
- 年度研发预算上限（Annual R&D budget cap）
- 肿瘤学项目数量上限（控制集中风险）
- 疾病领域最低多样性
这些限制确保投资组合不仅 实现价值最大化，而且具有风险调整和战略上的稳健性。
技术方法
采用混合决策架构：
- StratePlan，用于在辅助条件下进行组合投资组合选择
- AHP（分析层次过程），用于对战略标准进行加权 并结构化地整合定性因素
结果逻辑
结果不是优先级列表，而是具有明确建模特性的 一致的管道配置：
- 在预算和风险承受能力范围内实现最大化的预期投资组合价值（EV）
- 在治疗领域（例如肿瘤学限制）进行可控的集中投资
- 战略契合度和多样性作为可衡量的投资组合属性
- 价值、成功机会、成本和战略方向之间的透明权衡
结论
选择研发投资组合不是一个纯粹的评估问题， 而是在不确定情况下进行组合决策的问题。
只有将预期值、限制条件和战略标准 整合到一个正式模型中， 才能系统地构建一个稳健的药物研发渠道—— 并显著提高决策质量。
Common Patterns Across Cases
Assessment
定性和定量因素通过量表、评估模型或结构化的专家评估转化为可比较的评分。 目标是建立一个一致且可用于决策的评估基础。
排名
对各项要素进行优先排序。但排名很少是最终决定。 在复杂的环境中，优先排序通常直接嵌入到组合优化中，以系统地考虑交互作用和约束条件。
组选择
最终选择不仅限于简单的“前k名”方法。
StratePlan
解决结构化选择问题，如背包、组合或日程安排模型，并计算出最佳
方案
。
StratePlan 可解决结构化选择问题，例如背包、 投资组合或调度模型，并在实际限制条件下计算出最佳组合。
Constraints
限制条件反映了实际的稀缺性： 资本、时间、资源、风险偏好、监管要求、 战略任务或可持续性要求。 它们是决策逻辑不可或缺的一部分。
技术
混合使用 MCDA 方法（例如 AHP、TOPSIS）进行结构化评估 ，并与 StratePlan 结合进行考虑约束条件的 组或投资组合选择。
这些案例展示了 StratePlan 如何将决策过程从纯粹的排名 发展为智能的、考虑附加条件的投资组合构建。 评估数据被转化为可实施的、优化的集体决策—— 以财务、战略和可持续性目标为导向。
其基本逻辑——结构化评估→定量 优先排序→受限群体选择——可扩展到不同 行业，并根据特定领域的成功指标 和限制进行调整。
