プラットフォームかパイプラインか? AI 創薬における値の分離 M&A

1. 買収の決定を定義する

取引の問題は、ターゲットが反復可能な発見能力、治療資産のポートフォリオ、一連の偶発契約、またはこれら 3 つの組み合わせを所有しているかどうかです。各コンポーネントには、異なる証拠ベース、リスクパターン、資本要件、統合パスがあります。買い手は、評価方法を選択したり対価を交渉したりする前に、それらを定義する必要があります。

プラットフォームに関する主張では、魅力的なテクノロジの集合ではなく、オペレーティング システムについて説明する必要があります。このシステムは、定義された生物学的質問と管理された入力から始まります。仮説や分子を生成し、実験を選択し、ウェットラボまたは臨床フィードバックを受け取り、変更管理下でモデルを更新し、プログラムを前進、再設計、停止する意思決定を行います。再現性を実現するには、プログラム間および長期にわたる比較可能な証拠が必要です。

パイプライン資産は特定の治療権です。その価値は、標的、モダリティ、適応症、差別化、前臨床および臨床証拠、知的財産、規制経路、競争環境、残りのコスト、開発管理、商業権によって異なります。有望な候補は、基礎となる発見プラットフォームが再現可能であることを証明しなくても価値がある可能性があります。

パートナーシップは、第 3 の価値の境界を作成します。前払い料金、研究資金、オプションの支払い、開発マイルストーン、販売マイルストーン、ロイヤルティ、共同開発権、およびコスト義務は分離される必要があります。大きく開示された見出しは、多数のプログラムおよび数十年にわたる偶発的な支払いを表す場合があります。これを契約収益または企業価値として扱うべきではありません。

買収論文には、どの価値が現在、保護され、資金提供され、偶発的で、買い手固有の価値であるかを記載する必要があります。また、プラットフォームとパイプラインが相互作用する場所も示す必要があります。プラットフォームの証拠は、パイプライン資産に割り当てられる確率、コスト、タイミングに影響を与える可能性があります。パイプラインは、同じプラットフォームの改善を再度受けてはなりません。

2. プラットフォーム、パイプライン、パートナーシップのアーキテクチャを構築する

購入者は 3 つのリンクされた元帳を作成する必要があります。プラットフォーム台帳には、データの権利、モデルファミリー、科学的ワークフロー、実験室システム、ソフトウェア、品質管理、人員、生産性の証拠、外部導入が記録されます。パイプライン台帳には、各プログラム、権利、兆候、段階、証拠、コスト、タイミング、確率、価値が記録されます。パートナーシップ台帳には、実行された契約上の経済性と責任が記録されます。

このアーキテクチャにより、物語の伝達が妨げられます。プレゼンテーションでは、プラットフォームの品質の証拠として臨床段階の候補者を引用し、その候補者のリスク調整後の価値をパイプラインに含め、同じ証拠をプラットフォームの倍率に活用する場合があります。台帳により、チームは正確な証拠とその許可された評価用途を特定することが求められます。

アーキテクチャでは、社内資産、提携資産、販売資産も区別する必要があります。ターゲットは、あるプログラムではすべての経済性を保持し、別のプログラムではロイヤルティを保持し、3 番目のプログラムではオプションの権利を保持し、4 番目のプログラムではディスカバリーハンドオフ後に権利を保持しない可能性があります。したがって、プログラム数は価値の尺度としては弱いです。

提案されたトランザクション アーキテクチャ。権利と経済性には契約レベルの検証が必要です。

3. 反復可能な検出プラットフォームを定義する

反復可能なプラットフォームは、単に同じソフトウェアを繰り返し使用するだけでなく、独立したプログラム全体にわたって証拠を生成します。購入者は、ターゲットの特定、構造予測、分子生成、特性予測、毒性、患者の層別化、試験デザイン、またはその他の決定など、各モデルの使用状況を特定する必要があります。医薬品開発の意思決定をサポートするための FDA のリスクベースのフレームワーク AI は、信頼性を特定の使用状況に結びつけます。^[1] EMA も同様に、使用目的、データ ガバナンス、モデルのパフォーマンス、ライフサイクル管理を重視しています。^[2]

再現性には安定した測定システムが必要です。各プログラムについて、ターゲットは、開始仮説、入力データ、モデルとバージョン、候補セット、選択ルール、実験、失敗、設計サイクル、経過時間、コスト、および進行の決定を記録する必要があります。成功後に収集された遡及的な主張は、同時代の管理された記録よりも弱い証拠を提供します。

コンパレータは重要です。プラットフォームは、同じ問題に対する信頼できる代替手段と比較する必要があります。簡単なターゲット、継承されたリード シリーズ、または異常に豊富なデータセットにより、ワークフローが生産的に見える可能性があります。比較では、モダリティ、ターゲットの難易度、エンドポイント、段階、パートナーに転送される作業を管理する必要があります。

最も強力な証拠は、複数のチーム、ターゲット、手法、期間にまたがります。終了した番組も含まれます。故障データは、システムが不確実性を認識して弱い作業を停止したかどうかを明らかにします。選択を改善せずにより多くの候補者を生成するプラットフォームは、コストを下流にシフトする可能性があります。

4. 設計、製造、テスト、学習のループを再構築する

運用ループは決定から証拠まで追跡する必要があります。設計には、ターゲットの仮説、分子構造、配列、特性、または実験が含まれる場合があります。 Make には、合成、発現、アッセイの準備、およびデータ エンジニアリングが含まれます。テストには計算実験と物理実験が含まれます。 「学ぶ」とは、管理された結果がモデル、選択ルール、または科学的決定を変えることを意味します。

購入者は、移行ごとにサイクル時間を測定する必要があります。合成、アッセイ能力、データキュレーション、または科学的レビューには数か月かかる一方で、モデルは数分で構造を生成する可能性があります。関連するスループットは、経過時間と資本の単位ごとに検証された決定です。コンピューティング速度だけでは企業の生産性は確立されません。

ウェットラボの統合は潜在的な差別化要因であり、コストセンターでもあります。自動実験により独自のデータを作成し、反復を短縮できます。それらの価値は、アッセイの関連性、再現性、能力利用率、メンテナンス、サンプルの品質、および操作を移行する能力によって決まります。 1 つのモダリティに最適化されたラボでは、購入者のターゲット ポートフォリオをサポートできない可能性があります。

学習は実証されるべきです。チームは、管理されたデータが蓄積されるにつれて、予測誤差、ヒット率、選択性、開発可能性、サイクルタイム、または意思決定の品質が向上するかどうかをテストする必要があります。モデルのリリースと実験の系統により再構築が可能になるはずです。すべてのプログラムがオーダーメイドの手法と科学者を使用する場合、そのビジネスはスケーラブルなプラットフォームではなく、高品質の研究組織になる可能性があります。

5. テストプラットフォームの再現性

再現性には、技術的、実験的、組織的な層があります。技術的な再現性では、同じ入力、コード、モデル成果物、および環境が、定義された許容範囲内で同じ出力を生成するかどうかが問われます。実験の再現性では、制御された方法で物理的な結果を再現できるかどうかが問われます。組織の再現性では、資格のある別のチームがシステムを運用し、支持された決定に達できるかどうかが問われます。

勤勉チームは、生の管理された入力から出力までの材料分析のサンプルを再現する必要があります。成功したプログラム、失敗したプログラム、およびアクティブなプログラムを選択する必要があります。再生産には、創設者主導のデモンストレーションではなく、文書化されたインフラストラクチャと一般の人員を使用する必要があります。相違点は分類して解決する必要があります。

予想ホールドアウトは、再構築された過去のベンチマークよりも強力な予測値の証拠を提供します。公開データセットは比較をサポートできますが、リークとベンチマークの精通度を評価する必要があります。独自のデータは、合法で、十分に大きく、適切に注釈が付けられ、代表的なものであれば、関連性を高めることができます。独自のステータスだけでは品質は確立されません。

科学的監査は、決定の基準に異議を唱える必要があります。モデルは、薬剤候補に必要な複数パラメータのプロファイルを満たさない一方で、1 つの指標を改善する可能性があります。チームは、効力、選択性、薬物動態、安全性、製造可能性、適応症特有の要件を一緒に検討する必要があります。

ベンチマークの構築には特に注意が必要です。トレーニング化合物とテスト化合物は、見かけの一般化を誇張するような方法で、足場、ターゲット、アッセイ、または実験室の履歴を共有できます。勤勉チームは、時間的分割、足場分割、前向き実験、および外部複製を調査する必要があります。生成、合成、テスト、および高度な候補をすべて示す分母データを保持する必要があります。選択された分子のみから計算された成功率では、プラットフォームの生産性を確立できません。

不確実性は行動に影響を与えるはずです。調整された信頼性、適用性領域の制御、および棄権は、普遍的な予測よりも価値がある可能性があります。購入者は、不確実性によって実験の選択、プログラムのエスカレーション、人間によるレビューがどのように変化するかを特定する必要があります。制限を明示し、サポートされていない質問をルーティングするプラットフォームは、すべてのターゲットに対して自信を持った出力を生成するプラットフォームよりも効果的に資本を維持できます。

提案されたスコアカード。科学の専門家は、プログラム固有のテストと許容値を設定する必要があります。

6. 経済資産としての勤勉データ

データの価値は、権利、関連性、品質、一意性、更新および生産的な使用によって決まります。購入者は、データが所有されているか、ライセンスを取得しているか、公的に調達されているか、パートナー向けに生成されているか、患者の資料に由来しているか、または同意と契約によって制限されているかを特定する必要があります。 1 つのコラボレーションでデータを使用する権利では、モデルのトレーニング、商用再利用、または管理変更時の譲渡が許可されない場合があります。

出所は、すべての重要な記録を出所、収集方法、同意またはライセンス、変換、品質チェック、および削除義務と結び付ける必要があります。生物学的および化学的データには、単位、アッセイ条件、コントロール、バッチ情報、陰性結果が必要です。異質な実験条件を持つ大規模なコーパスは、誤った信頼を生み出す可能性があります。

データモートは、可能であればアブレーションまたは比較実験を通じてテストする必要があります。問題は、差別化されたデータセットが削除されたり、古くなったり、別のプログラムに適用されたりしたときに、パフォーマンスや意思決定の質がどの程度変化するかということです。価値は、ストレージ量ではなく、生産的な貢献を反映する必要があります。

データ更新により、繰り返しコストが発生し、戦略的依存が生じる可能性があります。外部データベース、臨床パートナー、契約研究所、クラウドプロバイダーが不可欠となる場合があります。購入者は、更新、価格変更、サービスの継続性、輸出権、技術的な移行をモデル化する必要があります。生データが削除された場合でも、派生モデルは契約上汚染されたままになる可能性があります。

7. ディリジェンスモデル、ソフトウェア、コンピューティング

モデルのインベントリには、基礎モデル、タスク固有のモデル、物理ベースの手法、ルール、ランキング システム、および人間の意思決定ポイントを含める必要があります。各項目には、目的、所有者、トレーニング データ、バージョン、パフォーマンス、不確実性、展開の使用、依存関係、および廃止基準が必要です。マーケティング ラベルは技術的な境界を置き換えるものであってはなりません。

ソース コード、重み、機能パイプライン、シミュレーション ツール、サードパーティ コンポーネントは、所有権とライセンスにマッピングする必要があります。オープンソースの義務、研究ライセンス、クラウド マーケットプレイス条件により、商用展開が制約される場合があります。購入者は、重要なモデルが予想される環境で実行できるかどうか、また必要なデータがそのモデルとともに合法的に移動できるかどうかをテストする必要があります。

コンピューティングの経済性はプラットフォーム モデルに属します。トレーニング、シミュレーション、推論、ストレージ、データ移動が重要となる場合があります。コンピューティング単位コストの低下により、希少性の主張が弱まる一方で、使用が拡大する可能性があります。目標は、生のプロセッサ数ではなく、1 ドルあたりおよび意思決定あたりの生産性を示す必要があります。

サイバーセキュリティと研究の公正性は価値管理です。モデルの盗難、データポイズニング、アクセス漏洩、再現不可能なノートブックは、パイプラインやパートナーシップに損害を与える可能性があります。 ID、環境の分離、ロギング、バックアップ、インシデント対応、検証済みのリリース プロセスは、実稼働システムだけでなく研究もカバーする必要があります。

ベンダーの集中は明示的にモデル化する必要があります。研究ワークフローは、1 つのクラウド プロバイダー、アクセラレータ アーキテクチャ、基礎モデル、化学パッケージ、または電子実験ノートに依存する場合があります。購入者は、移植性、下りコスト、ライセンスの継続性、サービスレベルの約束、および輸出制限を特定する必要があります。データの再トレーニング、特殊なカーネル、またはワークフロー オーケストレーションが合理的な条件で移行できない場合、技術的に移行可能なモデルが経済的に捕らえられたままになる可能性があります。

技術的負債は科学的不確実性から切り離される必要があります。サポートされていないライブラリ、一貫性のない環境、文書化されていないパイプラインは、エンジニアリングを通じて修正できます。弱いラベル、混乱した実験、または否定的な結果がない場合は、新しい科学が必要になる場合があります。それらのコスト、タイミング、プラットフォームへの影響はそれぞれ異なるため、統合計画では個別に示す必要があります。

8. 勤勉な知的財産と運営の自由

特許調査では、プラットフォームの手法、データ生成システム、物質の組成、用途、配合、製造を分離する必要があります。治療候補に結び付けられた組成物および使用に関するクレームは、多くの場合、計算方法に関するクレームとは異なる執行可能性や期間を持っています。管理が秘密を保持している場合、企業秘密はデータ、パラメータ、研究室のノウハウを保護できます。

発明者シップと所有権にはプログラムレベルのレビューが必要です。従業員、創設者、大学、病院、コンサルタント、受託研究組織、パートナーが貢献した可能性があります。割り当てのギャップや背景の知的財産により、使用が制限される場合があります。 AI 支援による発明は、追加の政策と証拠に関する問題を引き起こしますが、現在の特許システムでは一般に人間の発明者が必要です。^[29][30]

運営の自由は、対象となる製品と開発計画をカバーする必要があります。プラットフォーム特許は、候補を開発する自由を確立するものではありません。逆に、候補者の特許資産は、買い手がターゲットの計算システムや研究室システムを使用し続けることができることを証明するものではありません。

取引では、訴追、維持、異議申し立て、訴訟、出版、機密保持の期限を特定する必要があります。統合により、誰が企業秘密にアクセスするか、どのライセンスが適用されるかが変更される可能性があります。閉鎖前にクリーンチームとアクセス制御が必要になる場合があります。

9. パイプライン資産を 1 つずつ評価する

各治療プログラムには、標的、モダリティ、適応症、製品プロファイル、段階、証拠、知的財産、権利、競争、規制の経路、残りの開発、製造および商業上の前提を網羅した資産シートが必要です。証拠と経済性が異なる場合は、関連する兆候を個別にモデル化できます。

リスク調整された正味現在価値では、関連する段階の移行について明示的な確率を使用する必要があります。公表されている開発確率は課題を知らせることはできますが、資産固有の評価に代わるものではありません。^[35][36] 買い手は、ターゲットのプラットフォームが特定の遷移確率を変更するかどうか、および証拠がその大きさを裏付けるかどうかをテストする必要があります。

残りのコストには、発見、前臨床、臨床、規制、化学、製造、管理、承認後の取り組みが含まれます。タイムラインには、登録、エンドポイント、規制当局、製造、資金調達が反映されている必要があります。臨床開発が時間と資本を支配する場合、発見プロセスを迅速化しても効果は限定的になる可能性があります。

競争力のある価値は、ターゲット製品のプロファイルに焦点を当てる必要があります。ファーストインクラスおよびベストインクラスの主張には、現在および予想される基準に対する証拠が必要です。密集したターゲット、バイオマーカーの制約、安全性、デリバリーおよび組み合わせ戦略により、価値が大きく変わる可能性があります。

ポートフォリオの相関関係は可視化されたままでなければなりません。いくつかの候補は、同じ標的仮説、モダリティ、アッセイ、送達技術、またはバイオマーカーに依存する可能性があります。それらを独立したオプションとしてカウントすると、多様化が誇張される可能性があります。購入者は、一般的な科学的および運用上の障害モードをマッピングし、メカニズム全体、プラットフォーム コンポーネント、またはパートナーを削除するポートフォリオ シナリオを実行する必要があります。

製造の準備が資産リスクを制御する可能性があります。計算的に魅力的な分子や生物製剤には、依然として堅牢なプロセス、分析方法、仕様、安定性、および拡張可能な供給が必要です。開発計画では、化学、製造、および制御作業がいつクリティカル パスに入るのか、またターゲットが関連するノウハウを所有しているのか、それとも制約のあるサプライヤーに依存しているのかを特定する必要があります。

提案された構造。すべての科学的、確率的、コスト的、商業的なインプットには、資産固有のサポートが必要です。

10. プラットフォームの証明をパイプラインの値から分離する

パイプライン イベントは候補とプラットフォームの両方をサポートできますが、用途は明示的である必要があります。候補者が推薦に達すると、ワークフローが 1 つの発見サイクルを完了したことを示すことができます。臨床上の成功や再現性を証明するものではありません。一般化可能な開発決定に対するプラットフォームの因果関係が実証されない限り、臨床結果の成功は主にその資産に影響を与えます。

買い手は証拠配分表を維持する必要があります。各イベントは 1 つの主な評価効果を受け、二次的なプラットフォーム効果は制限されます。たとえば、検証された構造予測により、分子の商業的価値が資産に残されたままモデルの機能が強化される可能性があります。パートナーシップ オプションの行使は、外部検証をサポートし、契約上のキャッシュ フローを生み出すことができます。将来のマイルストーン プール全体は条件付きのままです。

プラットフォームの価値は、パイプラインの価値が増分なしで計算された後、増分プログラムの経済学から推定できます。裏付けられた証拠が、設計サイクルの短縮、合成コストの低下、または候補品質の確率の向上を示している場合、その利点はプログラムの仮定または別のプラットフォームのキャッシュ フローの両方ではなく、どちらかに組み込まれる必要があります。

証拠が乏しい場合は、プラットフォームをオプションとして扱うか、段階的に検討して資産を実現することができます。これにより、未検証の再現性を終値に変換することなく上値が維持されます。

11. パートナーシップと偶発的な経済学の再構築

パートナーシップの発表は、署名済みの契約と照合する必要があります。チームは、プログラム、目標、独占性、研究期間、資金提供された作業、オプションウィンドウ、開発管理、コスト分担、マイルストーン、ロイヤルティ、終了、権利の返還、データ所有権および管理変更条項を特定する必要があります。

ヘッドラインの潜在的なマイルストーンは契約収益ではありません。すべてのイベントを達成するにはすべてのプログラムが必要であり、遠い将来の販売閾値が含まれ、作業コストは除外される場合があります。期待値には、プログラム固有の確率、タイミング、税金、コスト、パートナーの行動を使用する必要があります。オプション権を使用すると、パートナーは最も強力な資産のみを選択できます。

研究資金はマージンとは区別されるべきです。科学者、実験、インフラストラクチャーへの限定的な貢献を補償する可能性があります。前払いにより、ライセンス、独占権、研究、過去の成果を補うことができます。収益認識自体は、経済的価値や現金の耐久性を特定するものではありません。

パートナーの集中力が重要です。複数の提携が発表されているプラ​​ットフォームは、1 つの製薬グループまたは少数の意思決定者に依存している可能性があります。買い手は、オプションの行使、延長、終了、プログラムの移転、現金の回収、および各パートナーに確保されている内部能力の割合を確認する必要があります。

提案された契約マップ。会計、法的、科学的レビューは調和されるべきである。

12. ソフトウェアと研究サービスの経済性を再構築する

一部のディスカバリー会社は商用ソフトウェア事業を行っています。研究サービスやプラットフォームへのアクセスを提供するものもあります。購入者は、ライセンス、ホストされるソフトウェア、プロフェッショナル サービス、資金提供された研究、マイルストーン、および医薬品開発収益を分離する必要があります。粗利益、更新パターン、資本ニーズは異なります。

シュレディンガー氏の公開報告書はソフトウェアと創薬部門を分離しており、連結収益の倍率が経済性を曖昧にする理由を示している。^[12][13] 買い手は、製品およびコホートごとに年間契約額、認識された収益、請求書発行および現金を調整する必要があります。ホストされた移行では、契約の経済性を変更せずに認識タイミングを変更できます。

顧客の集中、更新、シートの拡張、使用状況、クラウドのコスト、サポート、および科学的サービスを測定する必要があります。顧客プログラム全体で使用されるソフトウェア製品は、再現性と市場検証をサポートできます。科学者によって提供されるオーダーメイドのプロジェクトは、規模が異なる場合があります。

内部パイプラインの使用は外部収益を生み出してはなりません。このモデルでは、文書化されたドライバーを使用して、プラットフォームの運用コストを商用顧客、提携プログラム、社内資産の間で配分する必要があります。これにより、中央調査でコストを隠すことなく、プログラムの経済性とソフトウェアのマージンを比較できるようになります。

13. プラットフォーム評価テストを設計する

プラットフォームの価値は、1 つ以上の観察可能な経済チャネルを通じてサポートされる必要があります。外部のソフトウェアまたはサービスのキャッシュ フローを直接評価できます。社内の生産性は、定義されたプログラム ポートフォリオ全体での時間、コスト、または人員削減のサポートを通じて評価できます。パートナーシップの創設により、契約上の経済性が生まれる可能性があります。交換コストは、合法的なデータ、インフラストラクチャ、人員、時間、障害のリスクを反映しているかどうかを交渉に伝えることができます。

ロイヤルティを免除するには、信頼できるロイヤルティのベースと料率が必要です。ライセンス可能なテクノロジーには適切かもしれませんが、社内でのみ使用されるプラットフォームには自動ロイヤルティ マーケットがありません。歴史的研究費は価値ではありません。それは投資の証拠です。データ、ワークフロー、チーム、学習履歴なしで同じコードを再作成することは不可能である可能性がありますが、高価な作業は依然として商業的有用性に欠ける可能性があります。

収入の増加は、測定されたパフォーマンスに関連付けられる必要があります。プラットフォームが定義された発見サイクルを 6 か月短縮する場合、モデルは影響を受けるプログラム、必要な運用コスト、移転の可能性、および経済的影響を特定する必要があります。テクノロジーが標準になるか、利点が失われると、利点は終了するはずです。

プラットフォーム端末の価値には、永続的な権利、人材、データ生成、顧客またはパートナーの導入、モデルの保守が必要です。急速な技術変化により、ソフトウェアが動作し続けている場合でも耐用年数が短くなる可能性があります。購入者は、その利点が継続的な科学投資に依存する研究能力に永続的なソフトウェア倍率を適用することを避けるべきです。

評価日の規律は不可欠です。臨床、特許、競合、規制、パートナーシップに関する情報は急速に変化する可能性があります。モデルは、署名時に既知の情報とその後のイベントを区別し、閉じる前に更新プロセスを指定する必要があります。後のプログラムの失敗を一般的なプラットフォーム割引の中に隠してはいけません。影響を受ける資産と再現性に対する実際の読み取りは、個別に再評価する必要があります。

会計認識と取引価格設定は、さまざまな質問に答えます。購入価格の配分により、商業取引が成立した後の技術、契約、進行中の研究開発、顧客関係または営業権が特定される場合があります。これらのカテゴリーは耐用年数と減損分析に情報を提供しますが、買い手が支払うべき金額を確立したり、価値要素間の重複をテストする必要性を排除したりするものではありません。

14. 総合評価を構築する

結合モデルは、スタンドアロンのソフトウェアとサービスのキャッシュ フローから始める必要があります。資産ごとのパイプラインのリスク調整後の価値、契約ごとのパートナーシップのキャッシュフロー、およびまだ組み込まれていないプラットフォームの増分経済学を追加する必要があります。営業外資産、負債、優先権および取引義務により、株式による収益への橋渡しが完了します。

完全に架空のケースには、USD 22 million のソフトウェアおよび研究収益が含まれており、そのうち USD 9 million は定期的なライセンス収益です。社内プログラムは 6 つあり、そのうち 2 つは開発候補であり、4 つのコラボレーションが行われています。帰属される配信、コンピューティング、ラボおよびサポートのコストを差し引いた後、商業活動は中央研究、税金および資本の前に USD 5 million を寄与します。

中央のケースでは、USD 42 million をサポートされる商業キャッシュ フローに、USD 74 million を内部パイプライン資産に、USD 28 million を予想されるパートナーシップ経済に、USD 24 million をこれらのコンポーネントに組み込まれていないプラットフォームの生産性に割り当てます。純キャッシュは USD 31 million を追加します。統合コストと重複したインフラストラクチャにより、価値が USD 16 million 減少します。例示的な株式価値は USD 183 million です。

すべての金額は仮説です。この例は、仮定と二重カウントを明らかにするように設計されています。これは市場のベンチマーク、予測、評価に関する意見ではありません。

15. 相関関係を隠さずに感度をテストする

プラットフォームとパイプラインのリスクは相関しています。データの来歴が弱いと、いくつかのプログラムに影響を与える可能性があります。科学チームを失うと、社内資産やパートナーの作業が遅くなる可能性があります。モデルの失敗は、将来の生成に損害を与える可能性があります。したがって、感度には、すべてのプログラムを個別に変えるのではなく、共通のマイナス面のケースを含める必要があります。

プラットフォームの主要な変数には、再現性、転送速度、プログラムのスループット、運用コスト、耐用年数が含まれます。パイプライン変数には、移行確率、タイミング、開発コスト、製品の差別化、市場期間が含まれます。パートナーシップの変数には、オプションの行使、マイルストーンのタイミング、パートナーの終了、および提供コストが含まれます。

仮想の感度は、内部パイプラインの値とサポートされているプラ​​ットフォームの増分によって異なります。これにより、商業キャッシュ フロー、パートナーシップの経済性、純キャッシュ、統合コストが一定に保たれます。セルは算術シナリオであり、市場への影響はありません。

完全に仮説上の USD 数百万。セルは予測または市場ベンチマークではありません。

下向きのケースでは、流動性と資金調達も示されるはずです。プログラムが遅延すると、アセット イベントの前に新しいラウンドが必要になる場合があります。優先権と希薄化防止は売り手の収益に影響を与える可能性があります。買収モデルでは、各開発計画にどの当事者が資金を提供するかを明らかにする必要があります。

16. 証拠に基づいた考慮事項を選択する

最終検討事項には、署名時にサポートされた価値が反映されている必要があります。条件付きの考慮事項により、パイプライン イベント、パートナーのオプション、プラットフォームの移転、または商業的保持に対処できます。各マイルストーンには、定義された資産、証拠パッケージ、決定権限、観察期間、および紛争プロセスが必要です。

規制当局への申請は活動です。受け入れ、許可、または承認は、より強力なイベントです。候補者の推薦は、製品プロファイルと再現可能なパッケージによって定義できます。プラットフォームのマイルストーンには、独立したプログラムの再作成、検証されたサイクルの改善、またはパートナーの更新が必要になる場合があります。収益マイルストーンでは、マージンが重要となる場合、収集した現金と合意されたコスト配分を使用する必要があります。

偶発的な価値は、安全でない加速や過少投資に報いるべきではありません。運営規約は、科学的、臨床的、品質的、規制上の適切な決定を維持する必要があります。売り手の保護では、文書化された理由でプログラムを停止する買い手の権限を保持しながら、最小限のリソースと相談を定義できます。

株式を考慮すると長期的な価値を調整できますが、市場と統合のリスクが移転します。エスクローは、所有権、権利、データの出所、または既知の契約上の暴露に対処できます。プラットフォームの再現性が証明されていない場合は、ライセンス、オプション、または段階的取得が適切な場合があります。

17. 勤勉さを取引保護に変える

表現には、企業の権威、知的財産、発明者シップ、データの権利、プライバシー、オープンソース、科学的記録、規制状況、臨床研究、パートナーシップ、助成金、サイバーセキュリティ、輸出管理、財務指標が含まれている必要があります。スケジュールでは、広範な知識の修飾子に依存するのではなく、プログラムとモデルのバージョンを識別する必要があります。

条件には、必須の権利の譲渡、パートナーまたはライセンサーの同意、モデル成果物の提供、重要な出所のギャップの解消、定義された分析の再現性、重要な人員の保持などが含まれる場合があります。条件は、合法的な所有権または実行可能な運営に必要な事項に焦点を当てるべきです。

暫定規約は、材料モデルのリリース、公開、特許訴訟、プログラムの終了、新たな負担、パートナーの修正、異常なデータ アクセス、および主要インフラストラクチャの損失を制御する必要があります。通常の科学的研究は、合意された変更枠組みの下で継続されるべきである。

補償と保険は、回復可能性と期間を反映する必要があります。既知のパイプラインリスクは、価格または条件付き対価に属します。権原、意図的な不正行為、および特定のデータまたは特許の公開については、別個の処理が必要になる場合があります。委員会は、同じ問題が説明なしに減額され、エスクローされ、価値から除外されないように、すべての重要なギャップを 1 つの主要な回答にマッピングする必要があります。

提案されたマトリックス。法的な起草と救済は依然として取引固有のものです。

18. 科学的継続性を中心としたデザインの統合

統合により、データ アクセス、モデル環境、実験方法、科学チーム、プログラムの優先順位が変更され、証拠ベースが破壊される可能性があります。初日の設計では、重要なシステムと意思決定の記録を保存する必要があります。コストの相乗効果は、検証された代替品に続くはずです。

ターゲット アーキテクチャでは、機能を保存、接続、移行、または廃止として分類する必要があります。保持は、プラットフォームと品質管理の生産性が維持されている場合に適用されます。 Connect は、管理されたインターフェイスと共有の決定権を使用します。 Migrate は、一致したテストの後にモデル、データ、または実験を転送します。退職は、義務、出所、科学的記録が引き続きアクセス可能であることが確認された後に行われます。

データ移行では、識別子、単位、アッセイ条件、系統、権限、削除状態、および陰性結果が保持される必要があります。モデルの移行では、コード、重み、依存関係、シード、ハードウェアの前提条件、およびパフォーマンスを保持する必要があります。研究室への移行では、プロトコル、機器、制御、出力を比較する必要があります。

プログラム ガバナンスは引き続き資産固有である必要があります。統合ポートフォリオ委員会は資本に優先順位を付けることができるが、停止決定が科学的弱点、戦略的重複、資金調達または能力を反映しているかどうかを記録する必要がある。この違いは、プラットフォーム学習と偶発支払いにとって重要です。

パートナー向けの統合には別のワークストリームが必要です。製薬パートナーは、監査、セキュリティ、キーパーソン、下請け、出版、および管理変更の権利を有する場合があります。購入者は、データや作業を移動する前に、継続計画を提示し、合意されたチームを維持し、同意を得る必要があります。プログラムの終了を引き起こす統合保存により、解放される以上の価値が失われる可能性があります。

研究記録は検査可能な状態にしておかなければなりません。電子ノート、実験識別子、サンプル、モデル成果物、決定、逸脱、承認は移行後も監査証跡を残して存続する必要があります。統合された組織は、レコード転送の完了を宣言する前に、1 つのアクティブなプログラム、1 つの完了したプログラム、および 1 つの終了したプログラムの取得をテストする必要があります。

19. 科学的なオペレーティングシステムを維持する

プラットフォームの価値は、生物学、化学、計算、実験、開発を結び付ける科学者に依存します。購入者は、重要な決定、関係、暗黙知をマッピングする必要があります。役職名や出版数が不十分です。

保持は転送と組み合わせる必要があります。計画には、モデル設計、データ決定、アッセイ履歴、失敗した仮説、パートナーのコミットメント、プログラムの理論的根拠、および規制との相互作用を文書化する必要があります。権限、アクセス権、署名権は、管理された手順の下で移行される必要があります。

創設者は、外部の信頼性と内部の仲裁を体現する場合があります。買い手は、介入なしで科学的ガバナンスが機能するかどうかをテストする必要があります。独立したレビュー、再現可能な記録、明確な決定権により、集中力が軽減されます。

インセンティブは、進行だけでなく厳密な停止も維持する必要があります。候補者の推薦に対してのみ報酬が与えられるチームは、低品質のスループットを増加させる可能性があります。バランスのとれた対策には、再現性、サイクルの改善、プログラムの品質、パートナーへの提供、文書化、資本規律などが含まれます。

20. 証拠に基づく相乗効果の配分

購入者固有の相乗効果は、ターゲット、データ、研究所、臨床開発、流通、製造、資本から生まれる可能性があります。それぞれの相乗効果には、投資、証拠、タイミング、リスクを可能にする指名所有者が必要です。大規模なポートフォリオにアクセスしても、ターゲット プラットフォームがそれにサービスを提供できることは証明されません。

プログラムの高速化により、取り除かれたボトルネックが正確に特定されるはずです。購入者のアッセイ、分子ライブラリー、または疾患の専門知識により、定義されたステップを改善できます。このモデルは、個別の証拠なしに開発の迅速化と確率の向上の両方を主張することを避けるべきです。

データの組み合わせには権利と互換性が必要です。データが大きくなると、学習が改善され、異質性が明らかになったり、統合の負担が生じたりする可能性があります。チームは、広範なデータ ネットワークの効果を活用する前に、限定されたユースケースを試行し、意思決定の改善を測定する必要があります。

コストの相乗効果により、重複する企業コストと生産的なプラットフォームのキャパシティを区別する必要があります。研究室、エンジニアリング、または科学の役割を削除すると、スループットとパートナーの提供が低下する可能性があります。シナジー台帳には、削除されたすべてのアクティビティを置き換えるコントロールまたはプロセスが表示される必要があります。

21. 規制とモデルのライフサイクルリスクを管理する

規制上の決定をサポートするために使用される AI は、使用状況とリスクに従って管理される必要があります。 FDA のガイダンス草案は信頼性フレームワークを提案しており、FDA-EMA 原則では人間中心の設計、明確なコンテキスト、データ ガバナンス、パフォーマンス評価、ライフサイクル管理を強調しています。^[1][3] 購入者は、どのモデルが提出に使用される証拠を生成するか、および変更がどのように制御されるかをマッピングする必要があります。

探索的研究のみに使用されるモデルは、依然として候補者の選択と資本配分に影響を与える可能性があります。ガバナンスは比例的である必要があり、データの系統、バージョン管理、パフォーマンス、不確実性、人によるレビュー、意思決定の記録を保存する必要があります。研究レーベルは再現不可能性を許すべきではありません。

生成的な出力には科学的な検証が必要です。分子または仮説は、実現可能性、新規性、安全性、製造可能性についてスクリーニングされる必要があります。システムは、拒否された出力とその理由を記録する必要があります。これにより学習が保護され、プラットフォームの生産性と選択的なプレゼンテーションを区別するのに役立ちます。

結合後のガバナンスでは、すべての材料モデル、データセット、プログラム、パートナーの成果物の所有者を確立する必要があります。変更管理では、検証、規制、特許、契約および評価への影響を特定する必要があります。プラットフォームは、凍結されたテクノロジーではなく、制御された進化を通じて価値を維持します。

22. 証拠に基づいた 180 日間のプログラムを実行する

1 日目から 30 日目までは、データ、モデル、実験室の運営、パートナーの提供、プログラムの決定、特許期限、サイバーセキュリティを保存する必要があります。ガバナンス、アクセス、変更制限、および重要人物の範囲を確立する必要があります。現金、契約、プログラムの権利は調和する必要があります。

30 日から 70 日の間に、選択した分析と実験を再現し、プラットフォームとパイプラインの台帳を完成させ、権利を検証し、パートナーシップの経済性を再構築し、資産レベルの開発計画を確認します。チームは、評価が共有された証拠に依存している部分を特定する必要があります。

70 日目から 120 日目までは、1 つのデータ接続、1 つのモデル環境、1 つの研究室への移動、および 1 つの共同プログラム決定といった、限定された統合をテストする必要があります。広範な移行の前に、欠陥を解決する必要があります。商用および研究サービスのコホートについては、配信コストと更新について検討する必要があります。

120 日から 180 日までは、転送されたワークフローに味付けをし、パートナーのパフォーマンスを確認し、プログラムの確率を更新し、相乗効果を検証し、合意された証拠が合格した場合にのみ偶発価値をリリースする必要があります。取締役会は、調整されたバリューブリッジと資本計画を受け取る必要があります。

提案されたガバナンス順序。取引固有の説明責任を文書化する必要があります。

23. 決定と結論

AI 創薬関連の買収には、能力、資産、契約を規律正しく分離する必要があります。プラットフォームは、独立したプログラム全体にわたって、管理された生物学的問題をより適切に検証された決定に繰り返し変換する場合に価値があります。候補者は、その権利、証拠、差別化、開発計画、経済性がリスク調整後のキャッシュフローをサポートする場合に価値があります。パートナーシップは、資金提供された仕事、オプションの支払い、マイルストーン、ロイヤルティ、または戦略的権利を生み出す強制力のある条件において価値があります。

購入者は、設計、製造、テスト、学習のループを再構築し、選択した作業を再現し、データと知的財産権を検証し、完全なサイクルの生産性を測定する必要があります。すべての治療プログラムを個別に評価し、契約から回収した現金に至るまですべてのパートナーシップを調整する必要があります。プラットフォームの利点は一度モデルに入力する必要があります。

終値価値には、サポートされる商業キャッシュ フロー、パイプラインのリスク調整後の価値、予想されるパートナーシップの経済性、および限定されたプラットフォームの増分が含まれます。証明されていない再現性、将来の兆候、および広範なネットワーク効果は、マイルストーン、オプション、または段階的な所有権を通じて保存できます。

統合では、コスト削減を追求する前に、科学的なオペレーティング システムを保護する必要があります。データ、モデル、検査方法、人材、意思決定履歴、パートナーの義務には、制御された転送が必要です。プログラムの停止は科学的および契約上追跡可能でなければなりません。

決定的な問題は、人工知能が分子の成功に貢献したかどうかではない。データ、コンピューティング、実験、人材、ガバナンス、資本のコストを考慮した上で、取得したシステムが合法的かつ再現性をもって買い手の将来のポートフォリオ全体にわたってより良い意思決定を生み出すことができるかどうかです。その証拠によって、買い手がプラットフォームを取得するのか、パイプラインを取得するのか、あるいはその 2 つを接続する高価な物語を取得するのかが決まります。

情報源

1. 米国食品医薬品局、医薬品および生物由来製品の規制上の意思決定をサポートするための人工知能の使用に関する考慮事項 一次ソースを読む
2. 欧州医薬品庁、医薬品ライフサイクルにおける人工知能の使用に関する考察論文 一次ソースを読む
3. 米国食品医薬品局、医薬品開発における優れた実践の指導原則 AI 一次ソースを読む
4. 欧州医薬品庁、EMA、FDA が医薬品開発における AI の共通原則を設定 一次ソースを読む
5. 米国食品医薬品局、医薬品および生物由来製品の開発に人工知能と機械学習を活用 一次ソースを読む
6. 国際調和評議会、E6 適正臨床基準 一次ソースを読む
7. 国際調和評議会、E8 臨床研究に関する一般的考慮事項 一次ソースを読む
8. 国際調和評議会、臨床試験のための E9 統計原則 一次ソースを読む
9. 米国証券取引委員会、Recursion Pharmaceuticals 2024 Form 10-K 一次ソースを読む
10. 米国証券取引委員会、RecurrenceとExscientiaの組み合わせ完成展示 一次ソースを読む
11. 米国証券取引委員会、Recurrion および Exscientia トランザクションのプレゼンテーション 一次ソースを読む
12. 米国証券取引委員会、シュレディンガー 2025 フォーム 10-K 一次ソースを読む
13. シュレーディンガー、2025 年通期決算結果 一次ソースを読む
14. 米国証券取引委員会、Absci 年次報告書および統合創薬プラットフォームの開示 一次ソースを読む
15. 米国証券取引委員会、Absci 公募目論見書 一次ソースを読む
16. Isomorphic Labs、ノバルティスとの戦略的研究協力 一次ソースを読む
17. Isomorphic Labs、イーライリリーとの戦略的研究協力 一次ソースを読む
18. Google DeepMind、AlphaFold 一次ソースを読む
19. 国立衛生研究所、PubChem 一次ソースを読む
20. 欧州バイオインフォマティクス研究所、ChEMBL 一次ソースを読む
21. RCSB タンパク質データバンク 一次ソースを読む
22. 米国食品医薬品局、医薬品開発および審査の定義 一次ソースを読む
23. 米国食品医薬品局、新薬治験申請 一次ソースを読む
24. 欧州医薬品庁、科学的アドバイスおよびプロトコル支援 一次ソースを読む
25. ClinicalTrials.gov、研究レジストリ 一次ソースを読む
26. 世界保健機関、国際臨床試験登録プラットフォーム 一次ソースを読む
27. 世界知的所有権機関、人工知能と知的財産 一次ソースを読む
28. 世界知的所有権機関、パテントスコープ 一次ソースを読む
29. 米国特許商標庁、AI補助発明に関する発明者ガイダンス 一次ソースを読む
30. 欧州特許庁、人工知能と機械学習 一次ソースを読む
31. 米国連邦取引委員会および司法省、2023 年の合併ガイドライン 一次ソースを読む
32. 欧州委員会、水平合併の評価に関するガイドライン 一次ソースを読む
33. 英国競争市場庁、合併評価ガイドライン 一次ソースを読む
34. 米国連邦取引委員会、合併前通知プログラム 一次ソースを読む
35. ウォン、シア、ロー、臨床試験の成功率と関連パラメーターの推定、生物統計 一次ソースを読む
36. バイオテクノロジーイノベーション機構、臨床開発の成功率とその要因 一次ソースを読む
37. 米国食品医薬品局、プロジェクト オプティマス 一次ソースを読む
38. 米国食品医薬品局、モデルに基づいた医薬品開発ペア会議プログラム 一次ソースを読む
39. 米国国立標準技術研究所、AI リスク管理フレームワーク 一次ソースを読む
40. 国際標準化機構、ISO IEC 42001 人工知能管理システム 一次ソースを読む
41. 国際標準化機構、ISO 27001 情報セキュリティマネジメントシステム 一次ソースを読む
42. IFRS財団、IFRS第3号企業結合 一次ソースを読む
43. IFRS財団、IAS第38号無形資産 一次ソースを読む
44. IFRS財団、IFRS第13号の公正価値の測定 一次ソースを読む
45. 財務会計基準審議会、企業結合トピック 805 一次ソースを読む
46. 国際評価基準評議会、国際評価基準 一次ソースを読む
47. OECD、人工知能評議会の勧告 一次ソースを読む
48. OECD、医療データガバナンスに関する勧告 一次ソースを読む
49. 欧州連合、人工知能法 一次ソースを読む
50. 欧州連合、一般データ保護規則 一次ソースを読む