Pharma Pipeline Intelligence

Pharma Pipeline Intelligence MCP Server

在 ApifyForge 上查看 | 在 Apify Store 上使用

---

快速开始

添加到你的 MCP 客户端（Claude Desktop、Cursor、Windsurf）：

{
  "mcpServers": {
    "pharma-pipeline-intelligence-mcp": {
      "url": "https://ryanclinton--pharma-pipeline-intelligence-mcp.apify.actor/mcp"
    }
  }
}

---

药品管线竞争情报从这里开始，服务于制药公司、生物技术投资者和医学事务团队。此 MCP 服务协调 7 个实时数据源——ClinicalTrials.gov、FDA、EMA、USPTO 和 PubMed——生成综合 管线威胁评分（0-100），并包含四个专用子模型。只需连接一次任意兼容 MCP 的 AI 助手，即可用自然语言询问结构化的管线问题。

该服务作为持久运行的 Apify Standby Actor，通过 HTTP 使用 MCP 协议提供服务。调用工具时，它会并行调用最多 7 个 Actor，将四种评分模型应用于汇总数据，并返回包含评分、信号和支持记录的结构化 JSON。无需编写代码，无需管理底层数据库的 API 密钥，也无需订阅。

⬇️ 可以访问哪些数据？

数据点	来源	示例值
📋 按阶段、入组人数和状态划分的活跃试验	ClinicalTrials.gov	Phase 3，450 名患者，RECRUITING
✅ FDA NDA/BLA/ANDA 批准	openFDA Drug Approvals	Ozempic，NDA #209637，2017-12-05
🇪🇺 EMA 上市许可	European Medicines Agency	Wegovy，EU/1/21/1580，已授权
⚠️ 不良事件报告（FAERS）	openFDA Drug Events	847 份报告，严重事件占比 23%
🔴 按分类划分的药品召回	FDA Enforcement	I 类，心脏风险，全国分发
🔬 专利申请和到期日期	USPTO	US10,123,456，到期日 2031-08-14
📚 发表趋势和引用速度	PubMed	近 2 年发表 34 篇论文，呈加速趋势
🏆 管线威胁评分（0-100）	综合模型	评分 67，威胁级别：高
🎯 先发优势指数	综合模型	评分 72，独占期 8.5 年
📊 不良事件差异评分	综合模型	评分 31，差异程度：较高
📈 文献热度评分	综合模型	评分 58，趋势加速
🚦 综合风险级别	全部 7 个来源	中等 / 高 / 严重

为什么使用 Pharma Pipeline Intelligence MCP？

手动构建竞争性管线分析，意味着要查询 ClinicalTrials.gov、浏览 openFDA API、搜索 USPTO 全文、获取 EMA 产品数据并梳理 PubMed——而这些数据各自采用不同的架构、速率限制和数据模型。分析师可能需要花两天时间，才能汇总出单个药品的完整情况。即便如此，结果仍不包含评分、信号检测或跨来源威胁评级。

此 MCP 服务可自动完成整个流程。只需调用一次 generate_pipeline_threat_report 工具，即可同时启动 7 个 Actor，应用四种专用评分模型，并在两分钟内返回综合风险报告。

每次运行均包含以下平台优势：

• 计划任务 — 通过 Apify Scheduler 每周运行竞争格局扫描，无需配置 cron 基础设施
• API 访问 — 使用 MCP 协议，通过 Python、JavaScript 或任何 HTTP 客户端触发任意工具
• 待机模式 — 服务保持热运行，无冷启动延迟；毫秒级处理请求
• 支出限额 — 设置单次会话预算上限，防止 AI 助手在探索性查询中超支
• 集成 — 每次工具调用后连接到 Zapier、Make、webhook 或下游 CRM 工作流

功能

• 8 个专用 MCP 工具，覆盖药物研发管线情报的各个维度，从临床试验到专利独占权，再到文献增长速度
• 7 个参与方并行编排——generate_pipeline_threat_report 工具同时向全部 7 个数据源发起请求，相比顺序调用可缩短总延迟
• 含 4 个子模型的管线威胁评分——III 期临床试验密度按每个竞争者计 8 分（最高 40 分），试验数量最高计 20 分，近期 FDA 批准计 15 分，EMA 批准计 10 分；召回活动最多可降低 15 分威胁评分
• 先发优势指数——专利组合最高计 30 分（5 项专利 = 30 分），剩余保护期每年增加 2.5 分（最高 25 分），临床试验阶段领先最高计 25 分
• 不良事件差异检测——死亡报告每例计 7 分（最高 35 分）；严重事件比例超过 30% 时触发升高信号；住院负担最高计 20 分，并按对数正态方式对数量评分进行标准化
• 文献动能加速检测——将最近 2 年的发表数量与之前 2 年的数量进行比较；增长达到 20% 或以上时触发加速信号
• 跨命名规范检测临床试验阶段——可识别 ClinicalTrials.gov 中采用阿拉伯数字（Phase 1、2、3、4）和罗马数字（Phase I、II、III、IV）的临床试验阶段标签
• 综合评分公式——管线威胁 30% + 不良事件 25% + 文献动能 25% + 反向先发优势 20%；经过校准，强劲的先发优势会降低整体风险
• 4 级风险分类——低（0-25）、中等（26-50）、高（51-75）、严重（76-100），并针对越过的每个界限提供通俗易懂的信号说明
• 将召回情报作为负向压力因素——竞争药物召回会降低管线威胁评分（失败的竞争者越多，威胁越低）；这是大多数竞争情报工具都未涵盖的细微考量
• 提取十大不良反应——按频率汇总所有 FAERS 报告中的 MedDRA 反应术语，并按降序排列
• FDA 与 EMA 监管差距分析——compare_regulatory_pathways 会计算 FDA 与 EMA 批准数量的实际差值，并标记不同市场监管接受度的差异
• 执行支出限额——每个工具在执行前都会检查 Actor.charge()；如果会话预算耗尽，则返回结构化错误

药物研发管线竞争情报的使用场景

验证生物科技投资论点

追踪临床阶段公司的 IPO 前分析师和风险投资合伙人，需要在投入资金前量化管线风险。generate_pipeline_threat_report 工具可在一次调用中，针对竞争拥挤程度、目标化合物的不良事件信号、专利保护期限和研究动能生成评分评估。比较不同候选投资项目的评分，以排列风险调整后的机会。

业务拓展中的竞争格局监测

评估引进许可目标或共同开发合作的 BD 团队，需要在协商交易条款前了解某个治疗领域的竞争拥挤程度。analyze_competitive_landscape 工具可针对任意药物类别或适应症，返回 FDA 批准、EMA 授权、活跃临床试验数量以及管线威胁评分，让交易团队在几分钟内掌握有数据支撑的竞争密度概况。

专利悬崖与仿制药进入策略

追踪品牌药独占期的仿制药生产商和生物类似药开发商，需要准确的专利到期数据。track_patent_exclusivity 工具会提取 USPTO 申请记录、识别到期日期、计算剩余独占年限并返回先发优势评分，以确定哪些药物正接近专利悬崖，以及仿制药何时可以进入市场。

医学事务的安全信号监测

药物警戒和医学事务团队需要监测药物或其竞品的安全性特征，并尽早发现不良事件模式变化。detect_adverse_event_signals 工具会分析 FAERS 报告，将结局分为 NORMAL / ELEVATED / CONCERNING / CRITICAL，并展示排名前 10 的 MedDRA 反应术语，为企业药物警戒系统提供快速的公开数据视角。

研究策略与新兴领域识别

研发策略团队需要在竞争对手投入资源之前，识别正在升温的治疗领域。assess_literature_momentum 工具会根据 PubMed 评估论文发表速度，检测加速趋势（增长阈值为 20%），并找出覆盖该研究领域的顶级期刊，从而在临床项目公布前判断领域的发展方向。

市场准入的监管路径规划

规划多地区上市的全球市场准入团队，需要了解 FDA 和 EMA 之间存在哪些监管差异。compare_regulatory_pathways 工具会并行查询这两个机构，并返回批准数量和监管差异指标，帮助团队安排上市顺序，并预判哪些地区需要额外提交申请。

如何使用药物管线情报工具

1. 将 MCP 服务连接到 AI 助手 — 将服务 URL 添加到 Claude Desktop、Cursor 或 Windsurf 配置中（参见下方连接说明）。底层数据库无需设置 API 密钥。
2. 用自然语言向 AI 提问 — 例如：“分析肥胖症领域 GLP-1 激动剂的竞争格局”，或“为 Vertex Pharmaceuticals 和 ivacaftor 生成管线威胁报告。”
3. 查看评分结果 — AI 会展示管线威胁评分、子模型细分，以及根据实时监管和临床数据生成的通俗易懂的信号。
4. 设置支出上限 — 在 Apify Console 中配置每个会话的最高支出，以控制探索性研究会话的成本。达到上限后，服务将停止运行。

⬇️ MCP 工具

工具	价格	描述
search_drug_pipeline	$0.045	按药物、疾病、申办方、阶段或状态搜索 ClinicalTrials.gov。最多返回 50 项试验。
analyze_competitive_landscape	$0.045	FDA 批准 + EMA 授权 + 活跃试验数量，并针对某个治疗领域提供管线威胁评分。
detect_adverse_event_signals	$0.045	FDA FAERS 不良事件分析：严重事件、死亡、住院、排名前 10 的 MedDRA 反应，以及 Divergence Score。
track_patent_exclusivity	$0.045	USPTO 专利组合：申请数量、到期日期、剩余独占年限，以及 First-Mover Advantage 评分。
compare_regulatory_pathways	$0.045	对比某类药物在 FDA 与 EMA 的批准情况，并统计监管差异。
monitor_drug_recalls	$0.045	FDA 执法数据库：召回类别（I/II/III）、制造商、分销范围及类别细分摘要。
assess_literature_momentum	$0.045	PubMed 论文发表速度：年度趋势、加速趋势检测、排名前 5 的期刊，以及 Literature Momentum Score。
generate_pipeline_threat_report	$0.045	汇总全部 7 个数据源的综合报告。返回 4 项子模型评分和综合管线威胁评分（0-100）。

工具输入参数

工具	参数	类型	必填	描述
search_drug_pipeline	query	string	是	药物名称、疾病或治疗领域
search_drug_pipeline	status	string	否	试验状态：RECRUITING、ACTIVE_NOT_RECRUITING、COMPLETED
search_drug_pipeline	phase	string	否	阶段筛选：PHASE1、PHASE2、PHASE3、PHASE4
analyze_competitive_landscape	query	string	是	药物类别、治疗领域或活性成分
detect_adverse_event_signals	query	string	是	药物名称或活性成分
detect_adverse_event_signals	limit	number	否	要分析的 FAERS 记录数上限（默认值：100）
track_patent_exclusivity	query	string	是	药物名称、化合物、作用机制或受让方
compare_regulatory_pathways	query	string	是	药物名称、活性物质或治疗领域
monitor_drug_recalls	query	string	是	药物名称、制造商或召回原因
monitor_drug_recalls	classification	string	否	召回级别：Class I、Class II、Class III
assess_literature_momentum	query	string	是	药物名称、疾病、作用机制或研究主题
assess_literature_momentum	maxResults	number	否	要分析的出版物数量上限（默认值：50）
generate_pipeline_threat_report	company	string	是	制药公司名称
generate_pipeline_threat_report	drug	string	是	药物名称或活性成分
generate_pipeline_threat_report	indication	string	否	治疗适应症或疾病（追加到搜索查询中）

⬆️ 输出示例

{
  "company": "Vertex Pharmaceuticals",
  "drug": "ivacaftor",
  "compositeScore": 38,
  "riskLevel": "MODERATE",
  "pipelineThreat": {
    "score": 24,
    "competitorCount": 11,
    "phaseDistribution": {
      "Phase 2": 4,
      "Phase 3": 2,
      "Phase 1": 3
    },
    "sameIndicationTrials": 9,
    "recentApprovals": 2,
    "recentRecalls": 0,
    "threatLevel": "LOW",
    "signals": [
      "2 recent FDA approvals in class"
    ]
  },
  "firstMoverAdvantage": {
    "score": 76,
    "patentsCovering": 5,
    "earliestPatentExpiry": "2031-08-14",
    "yearsOfExclusivity": 5.4,
    "trialPhaseLead": 4,
    "approvalPathwayClear": true,
    "signals": [
      "5.4 years patent exclusivity remaining",
      "Already has 2 FDA approval(s)"
    ]
  },
  "adverseEventDivergence": {
    "score": 29,
    "totalReports": 214,
    "seriousEvents": 58,
    "deathReports": 1,
    "hospitalizationReports": 12,
    "seriousRatio": 0.271,
    "divergenceLevel": "ELEVATED",
    "topReactions": [
      { "term": "COUGH", "count": 31 },
      { "term": "NAUSEA", "count": 24 },
      { "term": "DIARRHOEA", "count": 19 },
      { "term": "RASH", "count": 14 },
      { "term": "FATIGUE", "count": 11 }
    ],
    "signals": []
  },
  "literatureMomentum": {
    "score": 52,
    "publicationCount": 47,
    "recentPublications": 18,
    "yearlyTrend": {
      "2022": 8,
      "2023": 11,
      "2024": 15,
      "2025": 13
    },
    "accelerating": true,
    "topJournals": [
      "Journal of Cystic Fibrosis",
      "American Journal of Respiratory and Critical Care Medicine",
      "Thorax",
      "Pediatric Pulmonology",
      "ERJ Open Research"
    ],
    "signals": [
      "18 publications in last 2 years",
      "Publication rate accelerating (28 recent vs 19 prior 2yr)"
    ]
  },
  "allSignals": [
    "2 recent FDA approvals in class",
    "5.4 years patent exclusivity remaining",
    "Already has 2 FDA approval(s)",
    "18 publications in last 2 years",
    "Publication rate accelerating (28 recent vs 19 prior 2yr)"
  ]
}

⬆️ 输出字段

字段	类型	描述
company	字符串	请求中提供的公司名称
drug	字符串	请求中提供的药物名称
compositeScore	数字	综合管线威胁评分，0-100
riskLevel	字符串	LOW / MODERATE / HIGH / CRITICAL
pipelineThreat.score	数字	竞争威胁子评分，0-100
pipelineThreat.competitorCount	数字	临床试验、FDA 和 EMA 中的竞争者总数
pipelineThreat.phaseDistribution	对象	按阶段标签分类的临床试验数量
pipelineThreat.sameIndicationTrials	数字	相同适应症的活跃临床试验数量
pipelineThreat.recentApprovals	数字	该药物类别近期获得 FDA 批准的数量
pipelineThreat.recentRecalls	数字	竞争对手药物近期召回数量
pipelineThreat.threatLevel	字符串	LOW / MODERATE / HIGH / CRITICAL
pipelineThreat.signals	字符串数组	易于理解的触发因素说明
firstMoverAdvantage.score	数字	先发优势子评分，0-100
firstMoverAdvantage.patentsCovering	数字	找到的该药物 USPTO 专利数量
firstMoverAdvantage.earliestPatentExpiry	字符串	最近专利到期日期
firstMoverAdvantage.yearsOfExclusivity	数字	剩余专利保护年限
firstMoverAdvantage.trialPhaseLead	数字	数据中发现的最高临床阶段（1-4）
firstMoverAdvantage.approvalPathwayClear	布尔值	若已获批或处于 3 期及以上，则为 True
firstMoverAdvantage.signals	字符串数组	专利和审批信号说明
adverseEventDivergence.score	数字	不良事件差异子评分，0-100
adverseEventDivergence.totalReports	数字	分析的 FAERS 报告总数
adverseEventDivergence.seriousEvents	数字	被归类为严重事件的报告数
adverseEventDivergence.deathReports	数字	涉及死亡结局的报告数
adverseEventDivergence.hospitalizationReports	数字	涉及住院的报告数
adverseEventDivergence.seriousRatio	数字	严重报告所占比例
adverseEventDivergence.divergenceLevel	字符串	NORMAL / ELEVATED / CONCERNING / CRITICAL
adverseEventDivergence.topReactions	数组	按数量排列的前 10 个 MedDRA 反应术语
adverseEventDivergence.signals	字符串数组	不良事件信号说明
literatureMomentum.score	数字	文献热度子评分，0-100
literatureMomentum.publicationCount	数字	找到的 PubMed 出版物总数
literatureMomentum.recentPublications	数字	过去 2 年的出版物数量
literatureMomentum.yearlyTrend	对象	按年份分类的出版物数量
literatureMomentum.accelerating	布尔值	若最近 2 年的数量比此前 2 年高出 20% 以上，则为 True
literatureMomentum.topJournals	字符串数组	按出版物数量排名前 5 的期刊
literatureMomentum.signals	字符串数组	热度信号说明
allSignals	字符串数组	汇总四个子模型的信号

运行药物管线分析需要多少费用？

Pharma Pipeline Intelligence MCP 采用按事件付费定价——每次工具调用费用为 $0.045。无需订阅、没有最低承诺，也不会因调用间隔期间闲置而收费。

场景	工具调用次数	每次调用费用	总费用
快速测试 — 搜索单项试验	1	$0.045	$0.045
抽查 — 使用 5 个独立工具	5	$0.045	$0.23
每周市场格局更新 — 20 次调用	20	$0.045	$0.90
每月监测 — 3 个治疗领域	60	$0.045	$2.70
每日竞争情报监测	200	$0.045	$9.00

你可以在 Apify Console 中为每个会话设置最高支出限额。达到预算后，服务会停止收费并返回结构化错误——即使 AI 助手运行探索性查询，也不会出现意外超支。

可比的专用制药情报平台（Citeline Pharma R&D、Clarivate Cortellis、GlobalData）每年会收取 $15,000–$50,000 的费用，以提供类似的监管和管线数据访问权限。大多数使用此 MCP 的用户每月花费 $2–$10，且无需承诺订阅。

如何连接此 MCP 服务

Claude Desktop

将以下内容添加到你的 claude_desktop_config.json：

{
  "mcpServers": {
    "pharma-pipeline": {
      "url": "https://pharma-pipeline-intelligence-mcp.apify.actor/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_APIFY_TOKEN"
      }
    }
  }
}

Cursor

在 Cursor Settings → MCP → Add Server 中：

{
  "pharma-pipeline": {
    "url": "https://pharma-pipeline-intelligence-mcp.apify.actor/mcp",
    "headers": {
      "Authorization": "Bearer YOUR_APIFY_TOKEN"
    }
  }
}

通过 HTTP 编程调用（cURL）

# Call analyze_competitive_landscape
curl -X POST "https://pharma-pipeline-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"analyze_competitive_landscape","arguments":{"query":"GLP-1 agonist obesity"}},"id":1}'

# Call generate_pipeline_threat_report
curl -X POST "https://pharma-pipeline-intelligence-mcp.apify.actor/mcp" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_APIFY_TOKEN" \
  -d '{"jsonrpc":"2.0","method":"tools/call","params":{"name":"generate_pipeline_threat_report","arguments":{"company":"Novo Nordisk","drug":"semaglutide","indication":"obesity"}},"id":2}'

Python

import httpx
import json

url = "https://pharma-pipeline-intelligence-mcp.apify.actor/mcp"
headers = {
    "Content-Type": "application/json",
    "Authorization": "Bearer YOUR_APIFY_TOKEN",
}

payload = {
    "jsonrpc": "2.0",
    "method": "tools/call",
    "params": {
        "name": "generate_pipeline_threat_report",
        "arguments": {
            "company": "Novo Nordisk",
            "drug": "semaglutide",
            "indication": "obesity"
        }
    },
    "id": 1
}

response = httpx.post(url, headers=headers, json=payload)
result = response.json()
report = json.loads(result["result"]["content"][0]["text"])

print(f"Drug: {report['drug']}")
print(f"Composite Score: {report['compositeScore']}/100 — {report['riskLevel']}")
print(f"Pipeline Threat: {report['pipelineThreat']['score']} ({report['pipelineThreat']['threatLevel']})")
print(f"First-Mover Advantage: {report['firstMoverAdvantage']['score']}")
print(f"Patent Exclusivity: {report['firstMoverAdvantage']['yearsOfExclusivity']} years remaining")
print(f"Literature Accelerating: {report['literatureMomentum']['accelerating']}")
print("Signals:")
for signal in report["allSignals"]:
    print(f"  - {signal}")

JavaScript

const response = await fetch("https://pharma-pipeline-intelligence-mcp.apify.actor/mcp", {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
    "Authorization": "Bearer YOUR_APIFY_TOKEN",
  },
  body: JSON.stringify({
    jsonrpc: "2.0",
    method: "tools/call",
    params: {
      name: "generate_pipeline_threat_report",
      arguments: {
        company: "Novo Nordisk",
        drug: "semaglutide",
        indication: "obesity",
      },
    },
    id: 1,
  }),
});

const result = await response.json();
const report = JSON.parse(result.result.content[0].text);

console.log(`${report.drug} — Score: ${report.compositeScore}/100 (${report.riskLevel})`);
console.log(`First-Mover: ${report.firstMoverAdvantage.score}, Exclusivity: ${report.firstMoverAdvantage.yearsOfExclusivity}yr`);
console.log(`Adverse Event Divergence: ${report.adverseEventDivergence.divergenceLevel}`);
report.allSignals.forEach(s => console.log(`  Signal: ${s}`));

此 MCP 也适用于 Windsurf、Cline、Zed，以及任何支持通过 HTTP 使用 MCP 协议的客户端。

Pharma Pipeline Intelligence MCP 的工作原理

数据收集：并行编排 Actor

调用 generate_pipeline_threat_report 时，服务会使用 Promise.allSettled 同时启动 7 个 Apify actor。每个 actor 都会查询相应的政府数据库——ClinicalTrials.gov、openFDA FAERS、FDA approvals、FDA enforcement、PubMed、USPTO full-text search 和 EMA product database——每个 actor 分配 256 MB 内存，超时时间为 120 秒。如果某个 actor 失败，其他 actor 仍会正常完成；评分模型会将失败数据源视为空数组，从而避免单个 API 故障导致整个报告无法生成。

评分模型 1：管线威胁评分

管线威胁模型用于评估某治疗领域面临的竞争压力。III 期临床试验竞争对手权重最高——每项 III 期试验增加 8 分，上限为 40 分（5 个 III 期竞争对手即可达到此项最高分）。该模型会识别阿拉伯数字格式（Phase 3）和罗马数字格式（Phase III）的阶段标签，以处理 ClinicalTrials.gov 的命名不一致问题。试验数量最多增加 20 分（每项试验 2 分）。同一类别近期的 FDA 批准最多增加 15 分（每项批准 5 分）。竞争对手药物召回会产生负向影响，每次召回最多降低 15 分（每次 5 分）——竞争对手频频遭遇召回的市场，其威胁较低。原始分数会限制在 0–100 分之间。

评分模型 2：先发优势指数

先发优势模型用于评估目标药物的防御地位。专利组合广度最多贡献 30 分（每项专利 6 分）。剩余保护期每年增加 2.5 分，上限为 25 分；该指标根据 USPTO 数据中的专利到期日计算，并采用所有专利中最早的到期日。如果剩余独占期不足 2 年，模型会发出专利悬崖警告。试验阶段领先优势（已找到的试验中最高的临床阶段）最多贡献 25 分（每个阶段等级 6.25 分）。现有 FDA 批准每项增加 10 分，最高 20 分，代表先发优势的最高水平。随后，综合公式会将先发优势评分反转（100 - 评分），因此先发优势越强，整体风险越低。

评分模型 3：不良事件偏离度

不良事件模型会分析某种药物的 FDA FAERS 报告。死亡报告权重最高：每例计 7 分，上限为 35 分——死亡报告达到 5 例或以上时，该项得分达到上限。严重事件比例根据被归类为严重事件的报告占总报告数的比例计算，最高计 25 分（比例 × 50）；比例超过 30% 时会触发信号，因为这高于典型药物类别的平均值。住院负担最高计 20 分（每份住院报告计 4 分）。经对数归一化的报告量得分最高计 20 分，计算方式为 log₂(totalReports) × 3，可捕捉报告量信号，同时避免对报告数量特别多的报告者赋予过高权重。从嵌套的 patient.reaction[].reactionmeddrapt 字段提取 MedDRA 反应术语，并按出现频率汇总。偏离等级：NORMAL（0-24）、ELEVATED（25-49）、CONCERNING（50-74）、CRITICAL（75-100）。

评分模型 4：文献热度

文献热度模型利用 PubMed 数据衡量发表速度的增长情况。从 publicationDate、pubDate 和 date 字段提取各年的发表数量。加速测试会比较当年和前一年的发表数量总和，与再往前两年的总和；如果最近 2 年的总量比此前 2 年的总量高出 20% 或以上，则标记为加速。发表量得分最高计 30 分（每篇计 3 分）。近期发表得分最高计 30 分（每篇近期文献计 5 分）。加速比最高计 25 分。期刊多样性——所有发表文献涉及的不同期刊数量——最高计 15 分（每种不同期刊计 3 分），可体现只在一种期刊上研究的利基药物与引发广泛跨学科关注的药物之间的差异。

综合评分公式

四个子模型的得分按固定权重组合：管线威胁 30% + 不良事件偏离度 25% + 文献热度 25% +（100 − 先行者优势）20%。先行者优势部分采用反向计算，因为专利保护力度强且已有获批适应症的药物总体风险较低。综合得分四舍五入至最接近的整数，并划分为 LOW（0-25）、MODERATE（26-50）、HIGH（51-75）或 CRITICAL（76-100）。

获得最佳结果的提示

1. 查询不良事件时，优先使用具体药物名称，而非品牌名称。 FAERS 数据按活性成分（例如“semaglutide”）而非品牌名称（例如“Ozempic”）编入索引。使用 INN 可显著提高 FAERS 匹配率。
2. 需要特定领域的临床试验数据时，请为 generate_pipeline_threat_report 添加适应症。 如果不指定适应症，搜索只会使用药物名称。添加 indication: "type 2 diabetes" 会将其附加到 ClinicalTrials.gov 查询中，从而检索到更多相关竞品。
3. 如果 FAERS 信号的深度很重要，请单独运行 detect_adverse_event_signals。 综合报告将 FAERS 数据限制为 100 条记录。单独运行 detect_adverse_event_signals 并设置更高的 limit（最高为 500），可为药物警戒工作提供更丰富的不良事件图景。
4. 应将 Pipeline Threat Score 作为方向性指标解读，而非绝对结论。 65（HIGH）的分数表示该治疗领域竞争激烈，并不意味着药物会失败。可用它来确定哪些领域需要进一步人工研究。
5. 在开展探索性 AI 会话之前，请设置支出上限。 使用 AI 助手搭配此 MCP 时，助手可能会自主串联多个工具调用。在 Apify Console 中设置每次会话的支出上限，以避免长时间研究会话产生意外费用。
6. 将 track_patent_exclusivity 与 monitor_drug_recalls 结合使用，以寻找仿制药进入机会。 剩余独占期较短且原研产品近期有召回记录的药物，比仅看 Pipeline Threat Score 所显示的情况更值得优先关注。
7. 比较多种药物的 yearlyTrend 数据，以识别新兴治疗领域。 发表趋势平稳或下降的药物表明市场已经成熟；趋势加速则说明该领域正在吸引新的研究投资，也可能在未来迎来更多竞争。

与其他 Apify actors 结合使用

Actor	组合方式
FDA Drug Approvals	提取某一药物类别的历史审批时间线，然后将其作为背景信息提供给此 MCP 的竞争格局分析，供你的 AI 使用
Clinical Trial Tracker	按疾病筛选临床试验，以便在通过此 MCP 运行评分分析之前了解原始数据
PubMed Research Search	下载某种药物的完整出版物元数据，导出为 CSV，并与此 MCP 的动能评分进行比较，以便人工验证
USPTO Patent Search	提取竞品化合物的完整专利格局，然后使用 track_patent_exclusivity 对综合情况评分
OpenFDA Drug Events	使用自定义筛选条件深入提取 FAERS 数据，然后与 detect_adverse_event_signals 的输出进行比较，以验证偏离模型
EMA Medicines Search	独立查询 EMA 授权状态，并将欧洲市场数据与此 MCP 的 compare_regulatory_pathways 输出结合起来
SEC EDGAR Filing Analyzer	将研发管线威胁评分与制药公司的 10-K/10-Q 披露结合起来，进行尽职调查——MCP 识别研发管线风险；EDGAR 则揭示管理层如何传达相关信息

局限性

• 数据时效性取决于来源的更新频率。 ClinicalTrials.gov 由研究申办方更新，可能会延迟几天到几周。FAERS 数据基于自愿报告，且已知存在漏报。专利到期时间的计算是根据 USPTO 记录中的申请日期估算得出的，可能未涵盖补充保护证书（SPC）或专利期限延长。
• III 期数量衡量的是该领域的竞争情况，而非针对某一特定机制的竞争。 如果你的药物靶向某个特定受体亚型，试验阶段数量可能包含同一宽泛适应症中机制无关的化合物。
• 不良事件差异评分是相对指标，而非绝对指标。 评分为 40 表示信号模式有所升高，并不意味着监管行动即将发生。此工具可作为符合 CIOMS 要求的药物警戒系统或 MedWatch 的补充，但不能取而代之。
• 专利组合评分采用基于计数的启发式方法。 模型会统计文本搜索返回的专利数量，不会进行自由实施（FTO）分析或权利要求映射。先发优势评分高并非关于专利保护范围的法律意见。
• EMA 数据仅涵盖获得集中授权的产品。 EMA 数据库查询不包括欧盟成员国国家授权的药品。
• 文献热度加速采用简单的比率检验。 20% 的阈值是经验法则，并非经过统计验证的阈值。对于临床研究策略决策，请辅以人工期刊审查。
• generate_pipeline_threat_report 工具对每个参与方的大多数来源最多返回 50 条结果。 对于 FAERS 或 ClinicalTrials.gov 数据量极大的药物，评分反映的是样本。若要进行全面分析，请使用更高限制分别运行各个工具。
• 不提供实时价格数据或市场份额信息。 此 MCP 仅涵盖监管和科学数据。如需商业市场数据，请配合使用商业情报来源。

集成

• Apify API — 可在任何工作流中通过编程方式调用此 MCP；用于生产环境的药物警戒工作流时，请加入重试逻辑
• Webhooks — 每次管线威胁报告完成后，触发下游 CRM 或 Slack 通知
• Zapier — 自动执行每周竞争格局扫描，并将结果推送到 Google Sheets 或 HubSpot
• Make — 构建无需编写代码的药物警戒监控工作流，每日触发 FAERS 信号检查
• Google Sheets — 随时间导出管线威胁评分，追踪治疗领域产品组合中的竞争地位变化
• LangChain / LlamaIndex — 将结构化 MCP 输出作为可靠上下文，用于构建药物研究助手的 RAG 工作流

❓ 常见问题

此 MCP 返回的临床试验数据有多新？ 每次调用工具时，都会实时从 ClinicalTrials.gov 获取临床试验数据。ClinicalTrials.gov 由研究申办方持续更新，但方案变更可能需要几天到几周才会反映到数据库中。对于时间紧迫的监管申报，请直接在 ClinicalTrials.gov 上核实数据。

药物管线竞争评分如何计算？综合评分代表什么？ 综合管线威胁评分由四个子模型构成：竞争性试验密度（30%）、不良事件差异（25%）、文献热度（25%）以及反向先发优势（20%）。70 分（高）表示该治疗领域竞争激烈，有多个 III 期竞争者且研究热度正在上升——这并不意味着该药物会失败。可据此确定哪些项目需要更深入的战略分析。 不良事件分析能否取代药物警戒系统？ 不能。不良事件分歧评分使用公开的 FDA FAERS 数据，该数据存在有据可查的漏报偏差。它仅基于公开数据提供快速信号检测层，不能取代企业级药物警戒系统、符合 CIOMS 标准的安全数据库或监管级信号检测平台。

专利独占期的计算有多准确？ 该模型从 USPTO 专利记录中提取到期日期，并根据当前日期计算剩余年限。它不考虑专利期限延长（PTE）、补充保护证书（SPC）或儿科独占期。请将输出视为竞争情报用途的估算结果，而非法律建议或 FTO 分析。

我可以跟踪某种药物竞争地位的变化吗？ 可以。每周或每月针对同一种药物调用 generate_pipeline_threat_report，并比较一段时间内的综合评分。评分持续上升，表明竞争环境日趋激烈。你可以使用 Apify Scheduler 自动执行此操作，并将结果导出到 Google Sheets，以建立时间序列视图。

这与 Citeline Pharma R&D 或 Clarivate Cortellis 有何不同？ Citeline 和 Cortellis 等商业平台提供经过整理和分析师审核的数据，并包含专有的数据增强服务，通常每年费用为 $15,000–$50,000。此 MCP 可直接访问相同的底层公开数据库（FDA、EMA、ClinicalTrials.gov、USPTO、PubMed），并基于这些数据进行量化评分。对于只需回答特定问题、而非持续订阅研究服务的团队来说，它速度更快，成本也低得多。

哪些类型的药物查询效果最好？ 与品牌名相比，活性成分名称（INN 格式）在不同数据源中能获得更一致的结果。例如，“semaglutide”比“Ozempic”更容易在 ClinicalTrials.gov、FAERS 和 PubMed 中匹配到结果。对于领域分析工具，药物类别查询（如“GLP-1 agonist”或“JAK inhibitor”）效果良好。公司名称则适用于专利和文献搜索。

我可以将此 MCP 用于 Claude Projects 或自定义 GPT 吗？ 可以。任何兼容 MCP 的 AI 客户端都可以连接到此服务。对于 Claude Desktop 或 Claude Projects，请将服务 URL 和你的 Apify 令牌添加到 MCP 配置中。对于 OpenAI GPT 或其他工具调用框架，请通过自定义操作或插件直接调用 HTTP 端点。

将这些药物数据用于竞争情报是否合法？ 此 MCP 查询的所有数据源都是由政府机构运营的公开数据库：FDA、NIH（PubMed）、USPTO、EMA 和 ClinicalTrials.gov。为商业研究目的访问和分析政府公开数据是合法的。有关特定场景（金融研究、监管申报）中的数据使用指导，请咨询法律顾问。另请参阅 Apify 关于网页抓取合法性的指南。

如果报告运行期间 7 个底层 actor 中有一个失败，会发生什么？ generate_pipeline_threat_report 工具使用 Promise.allSettled，因此任何单个 actor 失败都不会中止运行。失败 actor 的数据将替换为空数组，评分模型会基于其余数据源继续运行。综合评分会低于平时（输入数据较少），但你仍会收到报告。单独的工具调用只涉及一个 actor，如果底层 actor 失败，则会返回错误。

使用 Apify 免费套餐可以运行多少份管线威胁报告？ Apify 免费套餐每月包含价值 $5 的平台额度。每次工具调用费用为 $0.045，因此仅使用免费额度，每月大约可进行 111 次单独工具调用，或运行 111 份完整的管线威胁报告，因为所有工具的定价相同。 我可以在自动化工作流中使用此 MCP，而无需人工审核每次调用吗？ 可以。HTTP 端点接受标准 JSON-RPC 2.0 请求，并返回适合以编程方式解析的结构化 JSON。在 Apify Console 中设置支出限额，以控制自动化流水线的成本；并使用 riskLevel 字段进行筛选，仅在分数为 HIGH 或 CRITICAL 时触发下游操作。

帮助我们改进

如果遇到问题，可以在 Apify 账户中启用运行共享，帮助我们更快地调试：

1. 前往 账户设置 > 隐私
2. 启用 与公开的 Actor 创建者共享运行记录

这样一来，出现问题时我们就能查看运行详情，从而更快地修复问题。只有 Actor 开发者能看到你的数据，不会公开显示。

故障排除

流水线威胁报告中的子模型结果大多为零。 这通常意味着药物名称查询未能从一个或多个底层来源返回结果。请尝试使用活性成分名称（INN），而不是品牌名称。直接在 ClinicalTrials.gov 和 PubMed 中搜索，确认该药物已编入索引。如果该药物问世不久，可能尚未出现在全部七个来源中。

不良事件差异显示为 NORMAL，但该药物已知存在安全问题。 FAERS 依赖自愿报告不良事件。报告不足是该系统广为人知的局限性。广受关注的安全信号可能有充分记录；上市后、长期或罕见事件则可能未被纳入公开的 FAERS 快照。

尽管该药物仍在专利保护期内，专利独占年限却显示为 0。 专利搜索使用文本查询；如果该化合物以化学名称、SMILES 字符串或不同的权利人名称变体编入索引，搜索可能无法返回正确的药物专利。请尝试在 track_patent_exclusivity 工具中同时查询权利人公司名称和药物名称，或查询其作用机制。

工具调用缓慢或超时。 综合报告工具会并行运行 7 个 Actor，每个 Actor 的超时时间为 120 秒。如果 Apify 平台负载过高，或上游政府 API 响应缓慢，个别 Actor 可能会超时。服务使用 Promise.allSettled，因此仍会返回部分结果。对于时间敏感的使用场景，请使用单个工具，而不是综合报告。

调用几次后出现达到支出限额的错误。 每次工具调用收费 $0.045。如果你的 Apify 账户设置了较低的月度或单次运行支出限额，在多工具 AI 研究会话中很快就会达到上限。请在 Apify Console 的 Actor 运行设置中提高支出限额。

负责任地使用

• 此 MCP 查询公开可用的政府数据库：FDA、EMA、ClinicalTrials.gov、USPTO 和 NIH PubMed。
• FAERS 的不良事件数据来自自愿报告，不应作为临床或监管决策的唯一依据。
• 专利分析结果仅用于竞争情报，不构成法律建议或自由实施意见。
• 未结合原始来源、财务分析和专业判断进行核实前，请勿将流水线威胁评分用作投资建议。
• 如需了解网络抓取和公开数据使用的合法性指南，请参阅 Apify 指南。

支持

发现错误或有功能需求？请在此 Actor 页面中的 Issues 选项卡提交问题。如需定制集成、企业药物警戒工作流或其他评分模型要求，请通过 Apify 平台联系我们。