バイオテクノロジー分野に興味がある、または経験がある場合、収益がほとんどまたはまったくないバイオテクノロジー企業が依然として数十億の価値があることは当然のことです。ギリアドがカイトファーマを約120億ドルで買収した、2017年の最も著名なバイオテクノロジーM＆A契約を考えてみてください。契約の時点で、カイトはまだ赤字であり、累積赤字は6億ドルを超えていましたが、重要なことに、癌を治療するCAR-T細胞治療のパイプラインもありました。カイトは必ずしも異常ではありませんでした。 Nasdaq Biotech Index（NBI）企業の構成企業のほぼ80％は収益を上げていません。時価総額が2500億ドルを超える150社を超える企業。また、バイオテクノロジーへの平均VC投資は、過去10年間で2倍以上になり、2005年の46億ドルから2015年には129億ドルになりました。機関投資家として、これは投資家の熱狂によって簡単に説明できないことは明らかです。むしろ、パイプラインが企業の価値を正当化することが多いことを示すことを目的としています。
この記事では、特に製薬会社（医薬品開発に焦点を当てていないが他のヘルスケアデバイスに焦点を当てている会社）に焦点を当てて、バイオ製薬会社のそのようなパイプラインを評価する方法を検討します。まず、バイオテクノロジー企業の評価が他の資産の評価とどのように異なるかから始めます。次に、リスク調整後のNPV評価方法に焦点を当て、いくつかの関連トピックについて説明します。（i）複数の候補薬のポートフォリオについてどのように考えることができるか、（ii）価値がどのように影響を受けるか投資家または取得者の特徴。
医薬品開発には費用がかかります。ある著名な研究では、成功した薬を開発するための総費用（通常は多くの 失敗した試行の数）は25億ドルを超えています。他の研究（下の表を参照）は、合計で約14億ドルの費用を示しています。前者は自己負担費用のみを表すのに対し、後者には投資された資本の機会費用の見積もりも含まれているため、この数値は上記の25億ドルの見積もりよりも低くなっています。
したがって、医薬品開発は最初から多くの資本を必要とします。簡単に言えば、製薬会社を立ち上げることはほぼ不可能であるため、開発サイクルのさまざまな時点だけでなく、最初から投資家を必要とします。これらの投資家には、ベンチャーキャピタリスト（ドメイン、HCV、MPMなどの人々）、戦略的投資家（他の製薬会社など）、および公的市場の投資家（これが、私たちがNBI）。バイオテクノロジーの資金調達はそれ自体が簡単な記事ですが、投資家と創設者/バイオテクノロジーの幹部の両方が評価を習得する必要があります。たとえ承認されたとしても、市場性のある製品は何年も先になる可能性があります。
タイムリーなメモ：アジアからこれを読んでいるなら、香港証券取引所が最近、バイオテクノロジー企業を収益や利益なしで上場することを許可したことをおそらくご存知でしょう。その評価には、この記事で説明する内容が必要になります。
バイオテクノロジー企業は、MBAやCFAのコースで評価することを学んだ標準的なウィジェットメーカーではありません。業界に固有の特徴のいくつかを理解するために読んでください。
すでに述べたように、多くのバイオテクノロジー企業は、収益性やキャッシュフローの測定は言うまでもなく、まだ収益を上げていません。実際、薬の承認前のキャッシュフローは大幅にマイナスになります。つまり、EV/EBITDAやP/Eのような「標準的な」評価の倍数はあまり関連性がありません。本質的にコストベースの評価であるEV/投資されたR＆Dのようないくつかの代替の倍数があります。比較評価方法論は、公開市場の比較対象または比較可能なM＆A取引を利用するもう1つの一般的な方法論です。ほとんどのバイオテクノロジー企業は特異であり、したがって限られた使用の比較分析を行うため、それはしばしば適用できません。以下で別の評価方法を確認します。
より確立されたバイオテクノロジー企業でさえ、彼らの過去の収益は通常、十分に特異であるため、過去の企業内の経験/データや他の同等の企業からの予測のガイドレールとしてではなく、ゼロから見積もりを作成する必要があります。言い換えれば、過去の傾向を推定するための典型的なアプローチはほとんど外挿されています。たとえば、スイスの製薬研究会社Idorsiaの現在のパイプラインについては、以下を参照し、作用機序（薬剤が薬理効果を生み出すプロセス）と標的適応症（薬剤を治療に使用すること）の両方の範囲と多様性に注目してください。特定の病気）。
バイオテクノロジー企業もまた、業界独自の長期にわたる発展に直面しています。下の図に示すように、治験薬（米国ではIND）の提出から市場参入、規制当局の承認後までの新薬の一般的な期間は約8年です。これらの8年間、プロセスは研究、テスト、およびFDAレビューの構造化されたフェーズに従い、その間に薬剤が失敗する可能性があります。
簡単に言えば、薬は最終的には治療に効果があるかどうかです。それが効果的であるとしても、それは規制機関によって承認されるかもしれないし、されないかもしれません。承認される前に、薬は構造化されたプロセス（前臨床および臨床試験）を経て、失敗する可能性のある任意の時点で、一度失敗すると、プロセスは元に戻せないことがよくあります。これは、結果の分布があまりバイナリではない他のほとんどのビジネスとは異なるリスクプロファイルを表しています。シリコンバレーの話では、失敗した薬を「ピボット」することは通常非常に困難です。確かに、初期段階では、バイオテクノロジー以外のスタートアップも失敗する可能性がありますが、スタートアップが失敗しない場合は、かなり幅広い結果が分布します。その新しいモバイルアプリは、数千回のダウンロードまたは数千万回のダウンロードを取得する可能性があります。 、収益、キャッシュフロー、および価値に結果として影響を与えます。そして、バイオテクノロジー以外のスタートアップが困難に直面したとき、彼らは生き残るためにビジネスモデルをほぼ定期的に調整します。 Netflixがストリーミングサービスになる前のDVD通販会社だったとき、またはInstagramが今日の主要な写真アプリに変わる前にゲームと写真の要素を備えたチェックインアプリだったときのことを思い出してください。
したがって、割引キャッシュフロー（DCF）を作成したり、適切な割引率を選択したりする場合など、このさまざまなリスクプロファイルを評価分析に反映する必要があります。大まかに言えば、これについては2つの方法があります。
リスク調整済みNPVには、予測キャッシュフローとシナリオの確率という2つの主要な要素が含まれます。最初にシナリオのキャッシュフローを予測し、次にさまざまなシナリオの確率を予測します。
前に述べたように、薬は十分にユニークであるため、これらのキャッシュフロー予測を最初から作成する必要があります。まず、典型的な定型化されたキャッシュフロープロファイルを見てから、各キャッシュフロードライバーを見ていきましょう。
当初は、薬剤の研究開発費のため、流出のみでした。これらのコストは、発見および前臨床段階での反復回数、前臨床および臨床試験で必要な実験計画などの要因に応じて、薬剤ごとに異なります。基本的には、上のグラフで流出を示している年で構成されています。
薬が市場に出たとき、収益（および利益）の予測を導き出すために推定する必要のある主要な推進要因は次のとおりです。このフレームワークをさらに複雑なサブドライバーに発展させることは明らかですが、この概要記事では最も重要なドライバーに焦点を当てることに注意してください。次のセクションでは、収益を見積もるために、ArthurCookの著書「ForecastingforthePharmaceutical Industry」に記載されている手順を大まかに実行します（灰色のボックスに示されているいくつかのドライバーを使用します）：
薬の潜在的な顧客の数は、目標の状態に苦しんでいる人々のサブセットです。漏斗内の一連のフィルターを実行し、アーサークックにほぼ従うことで、大まかな見積もりに到達します。
価格設定は重要であり、とりわけ、製薬会社が治療への研究開発投資に対して十分な利益を上げる必要があること、および治療の価値と競合する治療オプション（存在する場合）に依存します。
既存の薬でさえ、信頼できる価格情報を入手するのは難しいことで有名ですが、Drugbankのようなウェブサイトや多くの有料データプロバイダーからいくつかの情報を見つけることができます。通常、定価には大きな違いがあることに注意してください。 製薬会社、PBM、保険会社、およびCMS。実際に支払われた平均価格を調べようとすることは、飛行機に乗って平均的な乗客が自分の運賃に支払った金額を調べようとすることに似ています。公式の正規料金を知っていても、あまり役に立ちません。
潜在的な要因としての薬価に関するマクロな角度、特に米国における薬価に関する一見恒久的な政治的議論は言うまでもありません。明らかに、投資家とバイオテクノロジーの幹部はここでの進展に注意を払う必要があります。
医薬品の粗利益は通常、非常に高くなります。数百の製薬/バイオテクノロジー企業を対象としたスターンスクールの調査では、平均として、また企業全体で、医薬品の粗利益は70年代後半になります。ただし、個々の粗利益は90％にもなる可能性があります。同じSternの調査によると、平均的な販売費および一般管理費（SG＆A）は、収益の約26〜28％ですが、もちろん、販売管理費には、多くの非販売費およびマーケティング費を含む「G＆A」部分も含まれています。このStatistaの表は、一部の大手製薬会社の純粋なマーケティング費用が収益の割合として20代後半から半ばにあることを示しています。ただし、これらは、大規模で多様な製薬会社全体の平均数です。この記事が指摘しているように、特定の薬の場合、マーケティング費用の範囲は広く、薬が直面する競争の程度など、さまざまな要因によって異なります。
収益/キャッシュフロー曲線の形状は、多くの場合、上記の図XYZの定型化されたものに従います。立ち上げは、さまざまな地域での規制当局の承認、製造の実施、マーケティング戦略の実行などの要因に依存する可能性があります。ランプダウンは、たとえば、競合するブランド治療オプションの出現によって影響を受ける可能性があります。
上記の定型化された曲線では、最後に収益がゼロになることに注意してください。これは、特許の有効期限とその後のジェネリック医薬品による競争の影響によるものです。米国では、標準的な特許保護期間は20年です。ただし、新薬は通常、プロセスの早い段階で特許を取得することに注意してください。たとえば、前臨床段階の動物試験では、薬が実際に市場に出るまでに通常8〜10年かかるため、実際の薬は「保護された」収益フェーズは、わずか10年程度の長さである可能性があります。特許満了後、薬の価格低下は通常迅速かつ重大です：
指摘できる可能性のあるいくつかの緩和要因があります：
それにもかかわらず、医薬品のキャッシュフロー予測では、特許満了後のキャッシュフロー（したがって最終的な価値）を想定していないことがよくあります。
キャッシュフロー予測のトピックについては、典型的な収益/キャッシュフロー曲線に対する潜在的な調整についても留意する必要があります。そのうちの2つの顕著な例を紹介します。
治療候補者が、反復投与（上記で暗黙的に想定していること）によって状態を治療または管理するのではなく、状態を完全に治癒することを提案した場合はどうなりますか？特に最初に承認された遺伝子治療の出現により、これは今やますます関連性のある可能性になっています。これは、以下に概説するように、キャッシュフロー予測にいくつかの興味深い結果をもたらします。
キャッシュフロー予測の考慮事項を確認したので、これらのキャッシュフローを評価するために使用する確率に移りましょう。
では、候補薬についてどのくらいの成功確率を想定すべきでしょうか？一般原則として、私たちは「優れたベイジアン」である必要があります。まず、賢明な基本成功率から始めて、新しい証拠を継続的に調整します。
以下の表は、このトピックに関するさまざまな研究をまとめたものであり、臨床から始まり、医薬品開発プロセスにおける各段階のおおよその成功確率（上段）と、医薬品が承認される累積確率（下段-したがって、たとえば、フェーズIを通過する確率は約65％ですが、フェーズIの開始から承認された薬剤に到達する全体的な確率は 90％×65％×40×65％=15％です。 、下の行に示すように）。 NDAは新薬申請の略であり、パーセンテージはNDAが成功していることを示していることに注意してください。
もちろん、これらは私たちが使用できる最も一般的な基本料金であり、バンクオブアメリカメリルリンチの次のグラフに示すように、候補薬の治療領域または新規性を考慮に入れることで強化する必要があります。
会社（R＆Dおよび規制チーム）が医薬品を承認した実績など、医薬品自体とは何の関係もない場合でも、基本レートにはさらに調整が加えられる可能性があります。
次に、関連する証拠が利用可能になるたびに、基本レートを調整する必要があります。最も明白な例は、臨床試験段階を通過することであり、上記のようなテーブルはすでに新しい調整された確率を提供します（ただし、幸いなことに、ベイズの計算はテーブル番号と一致します。たとえば、フェーズIを通過する場合： 15％ ×100％/ 65％=23％ ）。些細な調整ははるかに少ないです。たとえば、おそらく同じ経路を標的とする競合他社の薬が、臨床試験で問題にぶつかると想像してみてください。
基本レートは役に立ちますが、2つのシナリオ（成功/失敗）だけを想定するのは単純すぎることがよくあります。フェーズIに入る薬剤候補がある場合、少なくとも 以下のシナリオツリーに示されているシナリオ—このツリーにキャプチャされていない他の多くの結果が明らかにあります。米ドルの金額は百万単位であり、各ノードで予想されるNPVを表すことに注意してください。ここでの成功確率は、上記の要約表の成功確率と一致しないことに注意してください。これは、さまざまな見積もりがあることを示しています。
まず、薬が失敗した場合は明らかに重要であることに注意してください。後で、研究開発により多くのお金が費やされることになります。言い換えれば、（文字通り）シリコンバレーのマントラを受け入れることは報われます：「速く失敗し、頻繁に失敗する」 これは、研究開発費のROIの低下を経験したセクターのコンテキストに関連しています（たとえば、12の主要なバイオ医薬品企業のデロイトの調査では2010年の10.1％から2016年の3.7％に）。どのように効果的に速く失敗し、それ自体が記事になることがよくあります。ビッグデータがこの問題にどのように対処できるかについては、このToptalの記事をご覧ください。
第2に、このシナリオツリーはNDA承認後に停止しますが、承認後、つまり収益段階のシナリオも開発できると考えられます。ただし、そのフェーズでの結果の分布は、期待値を使用して1つのシナリオで単純に作業できるように、より継続的になることが望まれます。
シナリオとそれぞれのキャッシュフローおよび確率を作成したら、キャッシュフローを現在まで割り引く必要があります。一方では、シナリオを通じてすでにある程度の不確実性/リスクを捉えていることに注意する必要があります。したがって、過度に高い（ベンチャーキャピタル方式の）割引率を使用するべきではありません。一方、私たちがいる初期の段階では、より多くの残存リスク（シナリオでは把握されていない）があり、より高い割引率を正当化します。成熟のさまざまな段階にあるバイオテクノロジー企業の割引率の例を次に示します。
このリスク調整済みNPVを正しく解釈することが重要です。これは期待値であり、バイナリに近いほど単純な（たとえば、パイプラインに1つのフェーズIII薬がある会社）、またははるかに複雑な、基礎となる結果分布をマスクします。開発パイプラインに複数の薬剤がある会社の場合、次のトピックである複数の薬剤候補を管理する方法に進みます。
例を使用して、1つの薬剤のパイプラインが複数の薬剤のパイプラインとどのように異なるかを理解しましょう。バイオテクノロジー投資会議に向かう途中で、ストリートハスラーがあなたをつかみ、コイントスゲームを提供します。尻尾は何も得られません—プレイするのにいくら払うでしょうか？次に、別のストリートハスラーがやって来て、少し異なるゲームを提供します。彼はコインを10回投げ、頭が上がるたびに$ 10を獲得します。この場合、いくら払うでしょうか。潜在的な結果分布を調べてみましょう。数学的に言えば、左側がベルヌーイ分布、右側が二項分布です。
予想される賞金は、どちらのゲームでも実際には$50です。 however, you can easily see and intuitively understand that the 1-coin flip game is “riskier.” In order to quantify this risk, we can look at the standard deviation of your winnings—$50 for the 1-coin flip game and approximately $16 for the 10 coin-flip game. Therefore, if you were forced to play and pay the “fair” price of $50, most people would pick the second game—its risk-adjusted return is superior to the first game’s, a point to which we will return below.
Of course, by now you have understood that we can substitute “coin flip” with (e.g.) “phase III drug” and set the probability to the appropriate one, in that case, say 65% as per the table above (ignoring the subsequent NDA stage)—a coin that is biased in our favor! The one coin flip case would be a company with only one such phase III drug in its pipeline, whereas the ten coin flip case may be one company with ten phase III drugs, or (from, e.g., a biotech investor’s point of view) several companies with a total of ten phase III drugs in their pipelines (each single company may have as few as just one pipeline drug).
Even if we just stick to a simple fail/success binary outcome, you can see that the number of potential outcomes scales exponentially with the number of drugs (n), specifically:2 n 。 Once we add in all necessary intermediate scenarios, as per the discussion above, things can get unwieldy quickly and too cumbersome to calculate by hand or on a spreadsheet. My choice would be to run a Monte Carlo simulation in an appropriate computing environment—not Excel!—e.g., R. The simulation essentially “flips coins” (respecting the input probabilities the user provides) at every outcome node and runs a large number of trials, eventually covering/providing a meaningful sample of outcomes that could happen in the real world. The Monte Carlo simulation hence outputs a distribution of outcomes (specifically, NPVs) on which you can then calculate statistics like the mean and standard deviation.
One caveat:The probabilities of success for several drugs may not be statistically independent of each other—e.g., imagine a company that has two (or even more) drugs that use the same innovative therapeutic approach, focusing on different conditions. In that case, the math becomes more complex and goes beyond the scope of this overview article.
So, in the line of comparing the coin flip games at the beginning of this section, how can one compare (in a quantified way) pipelines with several drugs against each other? This also goes beyond the scope of this article, but suffice to say we can borrow metrics from finance that are designed to adjust returns for risk—e.g., the Shape ratio or Sortino ratio. In general, though, one takeaway from this section should be that multiple drugs (especially if independent of each other) de-risk the drug portfolio, which is also the reason why a one-drug, pre-clinical biotech startup may have to offer 100%+ expected IRRs to its venture investor, whereas that same venture fund, benefiting from diversification, may get away with offering 20-30% IRRs to its investors.
Does this mean every biotech company should try to have several candidate drugs?必ずしも。 This is a complex question that depends, inter alia, on things like the company’s scientific, management, and financial capacity. If you have the world’s best team to work on a specific therapeutic approach, you can intuitively see that forcing that team to diversify into other areas may be distracting and therefore possibly even increase risk. If a biotech company wants to de-risk, there are, of course, also other ways—notably, via partnerships whereby, e.g., the company gives up some upside (revenue share) in exchange for limiting downside (sharing R&D and/or eventual marketing cost). In such a partnership, a biotech company’s drug may also help to de-risk the other company’s overall pipeline, which brings us to final discussion.
There is standalone value (the subject of this article up to this point) and then there is the value of a company to somebody else (like a partner, investor, or acquirer), which takes into account factors such as:
As a finance professional and enthusiastic hobby biologist who loves to read biology books and take open online medicine courses, I am inclined to close on the following note:I hope that while the scientific work is the most important value driver of a biotech company, there is room for savvy financial experts to add value, such as tasks like conceiving and negotiating partnerships that increase risk-adjusted returns and hence value to all sides. As prominent biotech investor Stephen Diggle noted in a recent Bloomberg article:“Bringing financial expertise to fledgling biotech companies helps create value because management consists mostly of scientists who focus on research and development.” Of course, if the financial expert has some domain expertise and is passionate about the science, all the better!