跨国药企 BD / License-in 视角的管线资产评估 Agent Skill：输入药物名称、适应症、机制和开发方，输出 ClinicalTrials.gov / PubMed 证据驱动的量化评分、竞争格局和投资可行性简报。
MNC-style pipeline asset assessment skill for BD, license-in, partnering, and investment feasibility briefs with sourced evidence, 0-10 scoring, competitive landscape analysis, and Markdown plus JSON outputs.
遵循 Agent Skills 开放标准，兼容 Claude Code、Cursor、GitHub Copilot、Codex、Windsurf、Gemini CLI、Perplexity Computer 等 30+ AI Agent 平台。
npx skills add Ficere/pipeline-assessment需要 Node.js。安装后 Agent 会自动发现，并在用户要求评估医药研发管线、BD 资产或 license-in 机会时按需加载。
Requires Node.js. Once installed, your agent can auto-discover and load this skill for pharmaceutical pipeline, BD asset, and license-in opportunity assessments.
其他安装方式 / Alternative methods
手动安装 / Manual install：
git clone https://github.com/Ficere/pipeline-assessment.git将整个目录复制到你的 Agent skills 目录下即可：
Claude Code: ~/.claude/skills/
Cursor: .cursor/skills/
Copilot: .github/skills/
Codex: ~/.codex/skills/
Gemini CLI: .gemini/skills/
Perplexity Computer：
下载本仓库 ZIP，然后在 Skills 管理页面 上传。
安装后直接用自然语言触发，无需手动调用脚本：
评估 datopotamab deruxtecan 在 NSCLC 中的 license-in 价值，按 standard 深度输出 Markdown 和 JSON 简报。
帮我用 MNC BD 逻辑分析 ivonescimab，一线非小细胞肺癌，机制是 PD-1/VEGF 双抗，开发方 Akeso。
对这个管线做 quick assessment：asset_name=XYZ-101，target_indication=HER2-positive breast cancer，developer=Example Bio。
比较某个 KRAS G12D 抑制剂和同靶点 Top 5 竞品，重点看 phase gap、临床有效性和支付准入风险。
| 模块 | 说明 |
|---|---|
| 数据抓取 | 使用 ClinicalTrials.gov API v2 按 intervention、condition、developer 和 MoA 检索目标资产与竞品试验。 |
| 证据归一化 | 将 NCT ID、阶段、入组数、终点、状态、日期和结果字段整理为结构化 JSON。 |
| 量化评分 | 按临床有效性、安全性、市场潜力、竞争差异化四个维度进行 0-10 分评分。 |
| 竞争格局 | 输出 Top 5 同类管线、阶段差距 Phase Gap、Sponsor、最近 readout 或更新时间。 |
| 风险识别 | 标注 Regulatory、Access、IP、Geopolitical 四类风险，并给出严重度、依据和缓释建议。 |
| 双格式交付 | 同时生成可读 Markdown brief 和机器可处理 JSON brief。 |
| 场景 | 适合度 | 说明 |
|---|---|---|
| BD / License-in 初筛 | 高 | 将定性判断转成可复现的多维评分。 |
| 投资可行性简报 | 高 | 适合快速形成资产 thesis、风险清单和下一步 diligence 问题。 |
| 同靶点竞争分析 | 高 | 通过 Phase Gap 和关键 readout 表快速定位领先度。 |
| 早期研发项目立项 | 中 | 早期项目证据有限，Skill 会显式标注 Data Not Available。 |
| 医生诊疗建议 | 不适用 | 本 Skill 不提供个人医疗建议。 |
输入参数 / Input schema
{
"asset_name": "Target drug or pipeline name, INN or development code",
"target_indication": "Primary indication",
"mechanism_of_action": "Optional mechanism or target, used for competitor search",
"developer": "Current developer or sponsor",
"assessment_depth": "quick | standard | deep",
"weights": {
"clinical_efficacy": 0.3,
"safety": 0.2,
"market_potential": 0.3,
"competitive_differentiation": 0.2
}
}assessment_depth 默认为 standard。默认权重为临床有效性 0.3、安全性 0.2、市场潜力 0.3、竞争差异化 0.2。若用户提供自定义权重且总和不为 1.0，Agent 会归一化并披露实际权重。
评分细则 / Scoring breakdown
| 维度 | 默认权重 | 核心证据 | 评分逻辑 |
|---|---|---|---|
| Clinical efficacy | 0.30 | ORR、PFS、OS、HR、p-value、样本量、试验设计 | 与 SoC 或同适应症竞品比较，按临床意义、统计显著性和证据成熟度给 0-10 分。 |
| Safety | 0.20 | Grade 3+ AE、SAE、停药率、治疗相关死亡、黑框警告风险 | 与同靶点或同适应症药物均值比较，毒性越高扣分越多。 |
| Market potential | 0.30 | TAM、患者人数、定价基准、医保覆盖、地缘需求 | 按峰值销售潜力分档，<$500M、$500M-$2B、>$2B，并结合支付压力调整。 |
| Competitive differentiation | 0.20 | 同靶点数量、研发阶段、Phase Gap、专利剩余年限、给药便利性 | 计算 Phase Gap = target_asset_phase_numeric - fastest_comparator_phase_numeric，并结合差异化证据评分。 |
缺失数据不会被推测。无法找到来源的字段会写为 Data Not Available，并在限制项中记录检索范围。
输出章节 / Deliverables
Markdown brief 包含：
- Executive Summary：3 句话结论和总分
- Scoring Dashboard：雷达图数据和维度评分表
- Clinical Evidence Snapshot：关键试验摘要表
- Competitive Gap Analysis：阶段差距、Top 5 管线和时间线
- Access Risk Flags：监管、支付、IP、地缘风险标签
- Data Sources：所有引用链接、NCT、DOI、检索词和抓取时间戳
JSON brief 包含：
{
"metadata": {},
"input": {},
"normalized_trials": [],
"scoring": {},
"competitive_landscape": {},
"risk_flags": {},
"data_sources": [],
"limitations": []
}scripts/clinicaltrials_fetch.py 可以脱离 Agent 平台独立运行。它使用 Python 3 标准库，无第三方依赖，用于从 ClinicalTrials.gov API v2 抓取并归一化试验数据：
python scripts/clinicaltrials_fetch.py \
--asset-name "datopotamab deruxtecan" \
--condition "non-small cell lung cancer" \
--developer "Daiichi Sankyo AstraZeneca" \
--mechanism "TROP2-directed antibody-drug conjugate" \
--depth standard \
--out datopotamab_nsclc_trials.json输出 JSON 可作为后续评分、竞品表和 brief 生成的证据底座。
pipeline-assessment/
├── SKILL.md # 技能入口，定义触发条件、工作流和质量约束
├── README.md # 仓库说明文档
├── references/
│ ├── output-templates.md # Markdown 和 JSON brief 模板
│ ├── risk-rules.md # Regulatory / Access / IP / Geopolitical 风险规则
│ └── scoring-framework.md # 0-10 分评分框架、Phase Gap 和缺失数据规则
└── scripts/
└── clinicaltrials_fetch.py # ClinicalTrials.gov API v2 抓取与归一化脚本
| 规则 | 说明 |
|---|---|
| 来源强制 | 所有量化临床结论必须附 NCT 编号、DOI 或可信 URL。 |
| 不做脑补 | 缺失数据统一标注 Data Not Available，不推测 ORR、PFS、OS、AE、TAM 或专利年限。 |
| 英文检索 | 默认使用英文术语检索数据库，正文可按需要双语输出。 |
| 可复现 | 记录检索词、API、来源链接、抓取时间戳和评分假设。 |
| 事实与判断分离 | 证据、评分规则和分析师判断分别呈现。 |
本 Skill 仅用于药物研发、BD、license-in、市场研究和投资可行性分析的信息整理，不构成医疗建议、投资建议、法律意见或监管申报意见。任何交易、临床、监管或投资决策都应由具备资质的专业人员基于完整尽调资料独立判断。
This skill is for pharmaceutical R&D, BD, license-in, market research, and investment feasibility analysis only. It does not provide medical advice, investment advice, legal advice, or regulatory submission guidance. Any transaction, clinical, regulatory, or investment decision should be made by qualified professionals using complete diligence materials.
MIT