apifyforge/pharma-pipeline-intelligence-mcp
GitHub: apifyforge/pharma-pipeline-intelligence-mcp
一个聚合7个制药官方数据源的MCP服务器，通过四个子模型生成综合管线威胁评分，为药企、投资人和医学团队提供竞争情报分析。
Stars: 0 | Forks: 0
# Pharma Pipeline Intelligence MCP 服务器
## 快速开始
添加到您的 MCP 客户端（Claude Desktop, Cursor, Windsurf）：
```
{
"mcpServers": {
"pharma-pipeline-intelligence-mcp": {
"url": "https://ryanclinton--pharma-pipeline-intelligence-mcp.apify.actor/mcp"
}
}
}
```
制药公司、生物科技投资者和医学事务团队的药物管线竞争情报从此开始。此 MCP 服务器编排 **7 个实时数据源** —— ClinicalTrials.gov, FDA, EMA, USPTO 和 PubMed —— 以生成包含四个专门子模型的综合 **Pipeline Threat Score (0-100)**。只需连接一次任何兼容 MCP 的 AI 助手，即可用自然语言提出结构化的管线问题。
该服务器作为持久 Apify Standby actor 运行，通过 HTTP 使用 MCP 协议公开。当您调用工具时，它会并行分派至多 7 个 actor，对组合数据应用四个评分模型，并返回包含分数、信号和支持记录的结构化 JSON。无需代码，无需管理底层数据库的 API 密钥，也无需订阅。
## ⬇️ 您可以访问哪些数据？
| 数据点 | 来源 | 示例值 |
|---|---|---|
| 📋 按分期、入组人数、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, Authorized |
| ⚠️ 不良事件报告 (FAERS) | openFDA Drug Events | 847 份报告, 23% 严重比率 |
| 🔴 按分类划分的药物召回 | FDA Enforcement | I 级, 心脏风险, 全国分销 |
| 🔬 专利申请和到期日期 | USPTO | US10,123,456, 2031-08-14 到期 |
| 📚 出版物趋势和引用速度 | PubMed | 过去 2 年 34 篇论文, 加速中 |
| 🏆 Pipeline Threat Score (0-100) | 综合模型 | 分数 67, HIGH 威胁等级 |
| 🎯 First-Mover Advantage Index | 综合模型 | 分数 72, 8.5 年独占期 |
| 📊 Adverse Event Divergence Score | 综合模型 | 分数 31, ELEVATED 差异 |
| 📈 Literature Momentum Score | 综合模型 | 分数 58, 加速趋势 |
| 🚦 综合风险等级 | 所有 7 个来源 | MODERATE / HIGH / CRITICAL |
## 为什么要使用 Pharma Pipeline Intelligence MCP？
手动构建竞争管线分析意味着查询 ClinicalTrials.gov、浏览 openFDA API、搜索 USPTO 全文、提取 EMA 产品数据以及梳理 PubMed —— 跨越不同的 schema、速率限制和数据模型。一名详尽的分析师可能需要花费两天时间来为单个药物拼凑全貌。而且结果仍然没有评分、信号检测或跨来源威胁评级。
此 MCP 服务器使整个流程自动化。一次 `generate_pipeline_threat_report` 工具调用会同时触发 7 个 actor，应用四个专门构建的评分模型，并在两分钟内返回综合风险报告。
**每次运行包含的平台优势：**
- **调度** —— 通过 Apify Scheduler 运行每周竞争格局扫描，无需 cron 基础设施
- **API 访问** —— 使用 MCP 协议从 Python, JavaScript 或任何 HTTP 客户端触发任何工具
- **Standby 模式** —— 服务器保持预热状态，无冷启动延迟；请求在毫秒级内处理
- **支出限制** —— 设置每次会话的预算上限，防止 AI 助手在探索性查询上超支
- **集成** —— 每次工具调用后连接到 Zapier, Make, webhooks 或下游 CRM 工作流
## 功能特性
- **8 个专门的 MCP 工具** 涵盖药物管线情报的各个维度，从临床试验到专利独占性再到文献热度
- **7-actor 并行编排** —— `generate_pipeline_threat_report` 工具同时分派到所有 7 个数据源，与顺序调用相比减少了总延迟
- **包含 4 个子模型的 Pipeline Threat Score** —— Phase 3 密度为每个竞争对手贡献 8 分（最高 40），试验量上限为 20，近期 FDA 批准为 15，EMA 批准为 10，召回活动最多减少 15 分威胁分
- **First-Mover Advantage Index** —— 专利组合评分最高 30 分（5 项专利 = 30），独占期时长为剩余保护的每年增加 2.5 分（最高 25），试验分期领先评分最高 25 分
- **Adverse Event Divergence 检测** —— 死亡报告每份 7 分（最高 35），严重事件比率超过 30% 触发升高信号，住院负担使用对数归一化体量评分最高增加 20 分
- **Literature Momentum 加速度检测** —— 将过去 2 年的出版物数量与之前 2 年期间进行比较；20% 或更高的增长触发加速信号
- **跨命名约定的分期检测** —— 识别来自 ClinicalTrials.gov 的阿拉伯数字（Phase 1, 2, 3, 4）和罗马数字（Phase I, II, III, IV）试验分期标签
- **综合评分公式** —— Pipeline Threat 30% + Adverse Events 25% + Literature Momentum 25% + First-Mover Inverted 20%，校准后使强大的先行者地位降低整体风险
- **4 级风险分类** —— LOW (0-25), MODERATE (26-50), HIGH (51-75), CRITICAL (76-100)，并为每个越过的边界提供通俗英语的信号解释
- **召回情报作为负面压力** —— 竞争对手药物召回降低 Pipeline Threat Score（更多失败的竞争对手 = 更少威胁），这是大多数竞争工具所缺少的细微差别
- **前 10 大不良反应提取** —— MedDRA 反应术语在所有 FAERS 报告中按频率聚合，降序排列
- **FDA vs EMA 监管差距分析** —— `compare_regulatory_pathways` 计算 FDA 和 EMA 之间的原始批准计数差异，标记跨市场监管接受的分歧
- **支出限制强制执行** —— 每个工具在执行前检查 `Actor.charge()`，如果会话预算耗尽则返回结构化错误
## 药物管线竞争情报用例
### 生物科技投资论点验证
跟踪临床阶段公司的 Pre-IPO 分析师和风险合伙人需要在投入资本前量化管线风险。`generate_pipeline_threat_report` 工具在单次调用中生成竞争拥挤度、目标化合物不良事件信号、专利保护期限和研究动力的评分评估。比较候选投资的分数以对风险调整后的机会进行排名。
### 业务开发的竞争格局监控
评估许可引入目标或联合开发合作伙伴关系的 BD 团队需要在谈判交易条款前了解治疗领域的拥挤程度。`analyze_competitive_landscape` 工具为任何药物类别或适应症返回 FDA 批准、EMA 授权、活跃试验计数和 Pipeline Threat Score，为交易团队在几分钟内提供数据支持的竞争密度视图。
### 专利悬崖和仿制药进入策略
跟踪品牌药独占窗口的仿制药制造商和生物类似药开发商需要精确的专利到期数据。`track_patent_exclusivity` 工具提取 USPTO 申请，解析到期日期，计算剩余独占年限，并返回 First-Mover Advantage 分数 —— 识别哪些药物正在接近专利悬崖以及仿制药进入窗口何时开启。
### 医学事务的安全信号监测
监测药物或其竞争对手安全概况的药物警戒和医学事务团队需要早期检测不良事件模式变化。`detect_adverse_event_signals` 工具分析 FAERS 报告，将结果分类为 NORMAL / ELEVATED / CONCERNING / CRITICAL，并显示前 10 个 MedDRA 反应术语 —— 用快速公共数据视图补充企业药物警戒系统。
### 研究策略和新兴领域识别
R&D 策略团队需要在竞争对手投入资源前识别获得动力的治疗领域。`assess_literature_momentum` 工具对来自 PubMed 的出版物速度进行评分，检测加速（20% 增长阈值），并识别覆盖研究空间的前期刊 —— 在临床项目公布前发出领域走向的信号。
### 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 之间存在监管差距的地方。`compare_regulatory_pathways` 工具并行查询两个机构并返回批准计数和监管差距指标，帮助团队安排上市顺序并预测需要额外提交的地方。
## 如何使用药物管线情报工具
1. **将 MCP 服务器连接到您的 AI 助手** —— 将服务器 URL 添加到您的 Claude Desktop, Cursor 或 Windsurf 配置（见下方连接说明）。底层数据库无需 API 密钥设置。
2. **向您的 AI 提出自然语言问题** —— 例如："Analyze the competitive landscape for GLP-1 agonists in obesity" 或 "Generate a pipeline threat report for Vertex Pharmaceuticals and ivacaftor."
3. **查看评分输出** —— AI 展示 Pipeline Threat Scores、子模型细分以及从实时监管和临床数据得出的通俗英语信号。
4. **设置支出限制** —— 在 Apify Console 中，配置每次会话的最大支出以控制探索性研究会议的成本。服务器在达到限制时停止。
## ⬇️ MCP 工具
| 工具 | 价格 | 描述 |
|------|-------|-------------|
| `search_drug_pipeline` | $0.045 | 按药物、疾病、申办方、分期或状态搜索 ClinicalTrials.gov。返回最多 50 个试验。 |
| `analyze_competitive_landscape` | $0.045 | FDA 批准 + EMA 授权 + 活跃试验计数及治疗领域的 Pipeline Threat Score。 |
| `detect_adverse_event_signals` | $0.045 | FDA FAERS 不良事件分析：严重事件、死亡、住院、前 10 大 MedDRA 反应、Divergence Score。 |
| `track_patent_exclusivity` | $0.045 | USPTO 专利组合：申请计数、到期日期、剩余独占年限、First-Mover Advantage 分数。 |
| `compare_regulatory_pathways` | $0.045 | 药物类别的 FDA vs EMA 批准并排比较及监管差距计数。 |
| `monitor_drug_recalls` | $0.045 | FDA 执法数据库：召回等级 (I/II/III)、制造商、分销范围、等级细分摘要。 |
| `assess_literature_momentum` | $0.045 | PubMed 出版速度：年度趋势、加速检测、前 5 大期刊、Literature Momentum Score。 |
| `generate_pipeline_threat_report` | $0.045 | 跨所有 7 个来源的完整综合报告。返回 4 个子模型分数 + 综合 Pipeline Threat Score (0-100)。 |
### 工具输入参数
| 工具 | 参数 | 类型 | 必需 | 描述 |
|------|-----------|------|----------|-------------|
| `search_drug_pipeline` | `query` | string | Yes | 药物名称、疾病或治疗领域 |
| `search_drug_pipeline` | `status` | string | No | 试验状态：RECRUITING, ACTIVE_NOT_RECRUITING, COMPLETED |
| `search_drug_pipeline` | `phase` | string | No | 分期过滤器：PHASE1, PHASE2, PHASE3, PHASE4 |
| `analyze_competitive_landscape` | `query` | string | Yes | 药物类别、治疗领域或活性成分 |
| `detect_adverse_event_signals` | `query` | string | Yes | 药物名称或活性成分 |
| `detect_adverse_event_signals` | `limit` | number | No | 要分析的 FAERS 记录最大数（默认：100） |
| `track_patent_exclusivity` | `query` | string | Yes | 药物名称、化合物、机制或受让人 |
| `compare_regulatory_pathways` | `query` | string | Yes | 药物名称、活性物质或治疗领域 |
| `monitor_drug_recalls` | `query` | string | Yes | 药物名称、制造商或召回原因 |
| `monitor_drug_recalls` | `classification` | string | No | 召回等级：Class I, Class II, Class III |
| `assess_literature_momentum` | `query` | string | Yes | 药物名称、疾病、机制或研究主题 |
| `assess_literature_momentum` | `maxResults` | number | No | 要分析的最大出版物数（默认：50） |
| `generate_pipeline_threat_report` | `company` | string | Yes | 制药公司名称 |
| `generate_pipeline_threat_report` | `drug` | string | Yes | 药物名称或活性成分 |
| `generate_pipeline_threat_report` | `indication` | string | No | 治疗适应症或疾病（附加到搜索查询） |
## ⬆️ 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` | string | 请求中提供的公司名称 |
| `drug` | string | 请求中提供的药物名称 |
| `compositeScore` | number | 整体 Pipeline Threat Score, 0-100 |
| `riskLevel` | string | LOW / MODERATE / HIGH / CRITICAL |
| `pipelineThreat.score` | number | 竞争威胁子分数, 0-100 |
| `pipelineThreat.competitorCount` | number | 跨试验、FDA 和 EMA 的竞争对手总数 |
| `pipelineThreat.phaseDistribution` | object | 按分期标签键控的试验计数 |
| `pipelineThreat.sameIndicationTrials` | number | 同一适应症的活跃试验 |
| `pipelineThreat.recentApprovals` | number | 药物类别中近期的 FDA 批准 |
| `pipelineThreat.recentRecalls` | number | 近期竞争对手药物召回 |
| `pipelineThreat.threatLevel` | string | LOW / MODERATE / HIGH / CRITICAL |
| `pipelineThreat.signals` | string[] | 人类可读的触发解释 |
| `firstMoverAdvantage.score` | number | 先发优势子分数, 0-100 |
| `firstMoverAdvantage.patentsCovering` | number | 为该药物找到的 USPTO 专利 |
| `firstMoverAdvantage.earliestPatentExpiry` | string | 最近专利到期的日期字符串 |
| `firstMoverAdvantage.yearsOfExclusivity` | number | 剩余专利保护年限 |
| `firstMoverAdvantage.trialPhaseLead` | number | 数据中发现的最高临床分期 (1-4) |
| `firstMoverAdvantage.approvalPathwayClear` | boolean | 如已批准或处于 Phase 3+ 则为 True |
| `firstMoverAdvantage.signals` | string[] | 专利和批准信号解释 |
| `adverseEventDivergence.score` | number | 不良事件差异子分数, 0-100 |
| `adverseEventDivergence.totalReports` | number | 分析的 FAERS 报告总数 |
| `adverseEventDivergence.seriousEvents` | number | 归类为严重的报告 |
| `adverseEventDivergence.deathReports` | number | 有致命结果的报告 |
| `adverseEventDivergence.hospitalizationReports` | number | 有住院的报告 |
| `adverseEventDivergence.seriousRatio` | number | 严重报告的比例 |
| `adverseEventDivergence.divergenceLevel` | string | NORMAL / ELEVATED / CONCERNING / CRITICAL |
| `adverseEventDivergence.topReactions` | array | 前 10 大 MedDRA 反应术语及计数 |
| `adverseEventDivergence.signals` | string[] | 不良事件信号解释 |
| `literatureMomentum.score` | number | 文献热度子分数, 0-100 |
| `literatureMomentum.publicationCount` | number | 找到的 PubMed 出版物总数 |
| `literatureMomentum.recentPublications` | number | 过去 2 年的出版物 |
| `literatureMomentum.yearlyTrend` | object | 按年键控的出版物计数 |
| `literatureMomentum.accelerating` | boolean | 如近期 2 年计数超过之前 2 年 20%+ 则为 True |
| `literatureMomentum.topJournals` | string[] | 按出版物计数排名的前 5 大期刊 |
| `literatureMomentum.signals` | string[] | 热度信号解释 |
| `allSignals` | string[] | 来自所有四个子模型的合并信号 |
## 运行药物管线分析需要多少成本？
Pharma Pipeline Intelligence MCP 使用 **按次付费定价** —— 每次工具调用成本为 **$0.045**。没有订阅、没有最低承诺、调用之间的空闲时间不收费。
| 场景 | 工具调用 | 每次调用成本 | 总成本 |
|----------|------------|---------------|------------|
| 快速测试 —— 单次试验搜索 | 1 | $0.045 | $0.045 |
| 抽查 —— 5 个单独工具 | 5 | $0.045 | $0.23 |
| 每周格局更新 —— 20 次调用 | 20 | $0.045 | $0.90 |
| 每月监测 —— 3 个治疗领域 | 60 | $0.045 | $2.70 |
| 每日竞争监控 | 200 | $0.045 | $9.00 |
您可以在 Apify Console 中设置每次会话的 **最大支出限制**。服务器在达到预算后停止计费并返回结构化错误 —— 当 AI 助手运行探索性查询时不会出现意外超支。
类似的专门制药情报平台（Citeline Pharma R&D, Clarivate Cortellis, GlobalData）每年收费 $15,000–$50,000 以获得类似的监管和管线数据访问。此 MCP 的大多数用户每月花费 $2–$10，无需订阅承诺。
## 如何连接此 MCP 服务器
### Claude Desktop
添加到您的 `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：
```
{
"pharma-pipeline": {
"url": "https://pharma-pipeline-intelligence-mcp.apify.actor/mcp",
"headers": {
"Authorization": "Bearer YOUR_APIFY_TOKEN"
}
}
}
```
### 编程式 HTTP (cURL)
```
# 调用 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}'
# 调用 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** 以及任何其他支持 HTTP 上 MCP 协议的客户端。
## Pharma Pipeline Intelligence MCP 如何工作
### 数据收集：并行 actor 编排
当您调用 `generate_pipeline_threat_report` 时，服务器使用 `Promise.allSettled` 同时分派 7 个 Apify actor。每个 actor 查询其各自的政府数据库 —— ClinicalTrials.gov, openFDA FAERS, FDA approvals, FDA enforcement, PubMed, USPTO 全文搜索和 EMA 产品数据库 —— 分配 256 MB 内存和每个 actor 120 秒超时。如果任何单个 actor 失败，其他 actor 正常完成，评分模型为失败的来源接收空数组，防止单个 API 中断破坏整个报告。
### 评分模型 1：Pipeline Threat Score
Pipeline Threat 模型评估治疗领域的竞争压力。Phase 3 试验竞争对手具有最高权重 —— 每个 Phase 3 试验增加 8 分，上限为 40（5 个 Phase 3 竞争对手 = 此部分的最高分）。模型检测阿拉伯数字格式（Phase 3）和罗马数字格式（Phase III）的分期标签，以处理 ClinicalTrials.gov 命名不一致。试验量最多增加 20 分（每个试验 2 分）。同类中近期的 FDA 批准最多增加 15 分（每次批准 5 分）。EMA 授权最多增加 10 分（每次授权 3 分）。竞争对手药物召回作为负面压力，最多减少 15 分（每次召回 5 分）—— 竞争对手在召回中失败的市场代表较低的威胁。原始分数被限制在 0-100。
### 评分模型 2：First-Mover Advantage Index
First-Mover 模型评估目标药物的防御地位。专利组合广度贡献最高 30 分（每项专利 6 分）。独占期时长为剩余保护的每年增加 2.5 分（最高 25 分），根据 USPTO 数据中发现的专利到期日期使用所有专利中最早的到期日计算。如果剩余独占期少于 2 年，模型会发出专利悬崖警告。试验分期领先（发现试验中的最高临床分期）贡献最高 25 分（每个分期级别 6.25 分）。现有的 FDA 批准每个增加 10 分，最多 20 分，代表最大的先发地位。First-Mover 分数然后在综合公式中 **反转**（100 - 分数），因此强大的先发地位降低整体风险。
### 评分模型 3：Adverse Event Divergence
Adverse Event 模型分析药物的 FDA FAERS 报告。死亡报告具有最高权重：每份 7 分，上限为 35 —— 5 例或更多死亡触发最高组件分数。严重事件比率使用归类为严重的总报告比例，评分最高 25 分（比率 × 50）；比率超过 30% 触发信号，因为这超过了典型药物类别平均值。住院负担最多增加 20 分（每份住院报告 4 分）。对数归一化体量评分使用 log₂(totalReports) × 3 最多增加 20 分，捕获报告量中的信号而不过度加权多产报告者。MedDRA 反应术语从嵌套的 `patient.reaction[].reactionmeddrapt` 字段中提取并按频率聚合。差异等级：NORMAL (0-24), ELEVATED (25-49), CONCERNING (50-74), CRITICAL (75-100)。
### 评分模型 4：Literature Momentum
Literature Momentum 模型使用 PubMed 数据测量出版物加速度。按年份的出版物计数从 `publicationDate`, `pubDate` 和 `date` 字段中提取。加速度测试将当年和前一年计数的总和与之前两年进行比较 —— 当近期 2 年总数超过之前 2 年总数 20% 或更多时标记加速度。体量分数贡献最高 30 分（每份出版物 3 分）。近期分数最多增加 30 分（每份近期出版物 5 分）。加速度比率最多增加 25 分。期刊多样性 —— 所有出版物中唯一期刊的数量 —— 贡献最高 15 分（每本唯一期刊 3 分），捕获在一种期刊中研究的利基药物与产生广泛跨学科兴趣的药物之间的差异。
### 综合评分公式
四个子模型分数以固定权重组合：Pipeline Threat 30% + Adverse Event Divergence 25% + Literature Momentum 25% + (100 − First-Mover Advantage) 20%。First-Mover 组件被反转是因为具有强大专利保护和现有批准的药物面临较低的整体风险。综合分数四舍五入到最接近的整数并分类为 LOW (0-25), MODERATE (26-50), HIGH (51-75) 或 CRITICAL (76-100)。
## 获得最佳结果的提示
1. **不良事件查询使用特定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"）索引。使用 INN 显著提高 FAERS 匹配率。
2. **当您需要特定领域的试验数据时，向 `generate_pipeline_threat_report` 添加适应症。** 没有适应症时，搜索仅限药物名称。添加 `indication: "type 2 diabetes"` 会将其附加到 ClinicalTrials.gov 查询并检索更相关的竞争对手。
3. **如果 FAERS 信号深度很重要，单独运行 `detect_adverse_event_signals`。** 综合报告将 FAERS 限制为 100 条记录。单独运行 `detect_adverse_event_signals` 并使用更高的 `limit`（高达 500）可为药物警戒工作提供更丰富的不良事件图景。
4. **方向性地而非绝对地解释 Pipeline Threat Score。** 65 分（HIGH）意味着治疗领域具有竞争性 —— 它并不意味着药物会失败。用它来确定哪些领域需要更深入的手动研究优先级。
5. **在运行探索性 AI 会话之前设置支出限制。** 当使用带有此 MCP 的 AI 助手时，助手可能会自主链接多个工具调用。在 Apify Console 中设置每次会话上限，以防止扩展研究会话产生意外费用。
6. **将 `track_patent_exclusivity` 与 `monitor_drug_recalls` 结合用于仿制药进入定位。** 剩余独占年限较少且原研产品近期有召回的药物代表比单独的 Pipeline Threat Score 显示的更高优先级仿制药机会。
7. **比较多个药物的 `yearlyTrend` 数据以识别新兴治疗领域。** 出版物趋势平坦或下降的药物表明市场成熟；加速趋势信号表明吸引新研究投资和可能未来竞争的领域。
## 与其他 Apify actor 结合
| Actor | 如何结合 |
|-------|----------------|
| [FDA Drug Approvals](https://apify.com/ryanclinton/fda-drug-approvals) | 提取药物类别的历史批准时间线，然后将其作为 AI 的上下文输入到此 MCP 的竞争格局分析中 |
| [Clinical Trial Tracker](https://apify.com/ryanclinton/clinical-trial-tracker) | 按疾病预筛选试验以在通过此 MCP 运行评分分析之前了解原始数据 |
| [PubMed Research Search](https://apify.com/ryanclinton/pubmed-research-search) | 下载药物的完整出版物元数据，导出为 CSV，并与此 MCP 的热度分数进行比较以进行手动验证 |
| [USPTO Patent Search](https://apify.com/ryanclinton/patent-search) | 提取竞争对手化合物的完整专利格局，然后使用 `track_patent_exclusivity` 对组合图景进行评分 |
| [OpenFDA Drug Events](https://apify.com/ryanclinton/openfda-drug-events) | 使用自定义过滤器运行深度 FAERS 提取，然后与 `detect_adverse_event_signals` 输出进行比较以验证差异模型 |
| [EMA Medicines Search](https://apify.com/ryanclinton/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` 输出一起提供 |
[SEC EDGAR Filing Analyzer](https://apify.com/ryanclinton/sec-edgar-filing-analyzer) | 将管线威胁分数与 10-K/10-Q 披露结合用于制药公司尽职调查 —— MCP 识别管线风险；EDGAR 揭示管理层如何沟通它 |
## 限制
- **数据时效性取决于来源更新频率。** ClinicalTrials.gov 由研究申办方更新，可能会延迟数天到数周。FAERS 数据反映自愿报告，存在已知的漏报。专利到期计算是基于 USPTO 记录中发现的申请日期的估算，可能无法捕获补充保护证书 或专利期限延长。
- **Phase 3 计数衡量该领域的竞争，而非针对特定机制。** 如果您的药物针对特定受体亚型，试验分期计数可能包括同一广泛适应症中机制上不相关的化合物。
- **Adverse Event Divergence Score 是相对的，而非绝对的。** 40 分意味着信号模式升高 —— 它不表示监管行动迫在眉睫。此工具补充但不能替代符合 CIOMS 的药物警戒系统或 MedWatch。
- **专利组合评分使用基于计数的启发式方法。** 模型计算文本搜索返回的专利，不进行自由运营 (FTO) 分析或权利要求映射。高 First-Mover 分数不是关于专利覆盖范围的法律意见。
- **EMA 数据覆盖范围限于集中授权产品。** 欧盟成员国的国家授权药品不包括在 EMA 数据库查询中。
- **Literature Momentum 加速度使用简单的比率测试。** 20% 阈值是经验法则，而非统计验证的阈值。对于临床研究策略决策，辅以手动期刊审查。
- **`generate_pipeline_threat_report` 工具将大多数来源限制为每个 actor 50 个结果。** 对于具有大量 FAERS 或 ClinicalTrials.gov 足迹的药物，分数反映样本。使用更高的限制运行单独工具以进行详尽分析。
- **无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。对于商业市场数据，与商业情报来源配对。
## 集成
- [Apify API](https://docs.apify.com/api/v2) —— 从任何管线以编程方式调用此 MCP；为生产药物警戒工作流包装重试逻辑
- [Webhooks](https://docs.apify.com/platform/integrations/webhooks) —— 在每次管线威胁报告完成后触发下游 CRM 或 Slack 通知
- [Zapier](https://apify.com/integrations/zapier) —— 自动化每周竞争格局扫描并将结果推送到 Google Sheets 或 HubSpot
- [Make](https://apify.com/integrations/make) —— 构建无代码药物警戒监控工作流，每日触发 FAERS 信号检查
- [Google Sheets](https://apify.com/integrations/google-sheets) —— 随时间导出 Pipeline Threat Scores 以跟踪跨治疗领域组合的竞争地位漂移
- [LangChain / LlamaIndex](https://docs.apify.com/platform/integrations) —— 使用结构化 MCP 输出作为构建制药研究助手的 RAG 管线的接地上下文
## ❓ 常见问题
**此 MCP 返回的临床试验数据有多新？**
临床试验数据在您每次调用工具时从 ClinicalTrials.gov 实时获取。ClinicalTrials.gov 由研究申办方持续更新，但协议变更与其在数据库中出现之间可能存在数天到数周的延迟。对于时间关键的监管提交，直接在 ClinicalTrials.gov 上验证数据。
**药物管线竞争评分如何工作，综合分数意味着什么？**
综合 Pipeline Threat Score 结合四个子模型：竞争试验密度 (30%)、不良事件差异 (25%)、文献热度 (25%) 和反转的先发优势 (20%)。70 分（HIGH）意味着治疗领域竞争激烈，有多个 Phase 3 竞争对手和加速的研究 —— 它不预测药物会失败。用它来确定哪些项目需要更深入的战略分析优先级。
**不良事件分析是否替代药物警戒系统？**
不。不良事件差异评分使用公共 FDA FAERS 数据，该数据有记录在案的漏报偏差。它仅提供来自公共数据的快速信号检测层。它不替代企业药物警戒系统、符合 CIOMS 的安全数据库或监管级信号检测平台。
**专利独占期计算有多准确？**
模型从 USPTO 专利记录中提取到期日期并从当前日期计算剩余年限。它不考虑专利期限延长、补充保护证书 或儿科独占权。将输出视为竞争情报目的的估算 —— 而非法律建议或 FTO 分析。
**我可以随时间跟踪药物的竞争地位吗？**
可以。每周或每月对同一药物调用 `generate_pipeline_threat_report` 并随时间比较综合分数。分数上升趋势信号表明竞争环境正在收紧。您可以使用 Apify Scheduler 自动化此操作并将结果导出到 Google Sheets 以构建时间序列视图。
**这与 Citeline Pharma R&D 或 Clarivate Cortellis 有何不同？**
像 Citeline 和 Cortellis 这样的商业平台提供经过策划、分析师审查的数据，具有专有丰富功能，通常每年花费 $15,000–$50,000。此 MCP 提供对相同底层公共数据库（FDA, EMA, ClinicalTrials.gov, USPTO, PubMed）的直接访问，并在其之上构建量化评分。对于需要回答特定问题而不是维护长期研究订阅的团队来说，它更快且成本大幅降低。
**哪种类型的药物查询效果最好？**
活性成分名称（INN 格式）比品牌名称在数据源中返回更一致的结果。例如，"semaglutide" 将比 "Ozempic" 更可靠地匹配 ClinicalTrials.gov、FAERS 和 PubMed。像 "GLP-1 agonist" 或 "JAK inhibitor" 这样的药物类别查询适用于格局分析工具。公司名称查询适用于专利和文献搜索。
**我可以将此 MCP 与 Claude Projects 或自定义 GPTs 一起使用吗？**
可以。任何兼容 MCP 的 AI 客户端都可以连接到此服务器。对于 Claude Desktop 或 Claude Projects，将服务器 URL 和您的 Apify token 添加到 MCP 配置。对于 OpenAI GPTs 或其他工具调用框架，从自定义操作或插件直接调用 HTTP 端点。
**将此制药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共数据库：FDA, NIH (PubMed), USPTO, EMA 和 ClinicalTrials.gov。出于商业研究目的访问和分析公共政府数据是合法的。有关在特定上下文（金融研究、监管提交）中使用数据的指导，请咨询法律顾问。请参阅 [Apify's guide on web scraping legality](https://blog.apify.com/is-web-scraping-legal/)。
**如果 7 个底层 actor 之一在报告期间失败会发生什么？**
`generate_pipeline_threat_report` 工具使用 `Promise.allSettled`，因此任何单个 actor 的失败不会中止运行。失败 actor 的数据被替换为空数组，评分模型使用剩余来源继续。综合分数将低于往常（输入较少），但您仍会收到报告。单独的工具调用是单 actor 的，如果底层 actor 失败将返回错误。
**在免费的 Apify 计划上我可以运行多少管线威胁报告？**
Apify 免费计划包含 $5 的每月平台额度。按每次工具调用 $0.045 计算，这仅靠免费额度就覆盖了大约 111 次单独工具调用或 111 份综合管线威胁报告，因为所有工具定价相同。
**我可以在没有人工审查每次调用的自动化工作流中使用此 MCP 吗？**
可以。HTTP 端点接受标准 JSON-RPC 2.0 请求并返回适合编程解析的结构化 JSON。在 Apify Console 中设置支出限制以控制自动化管线中的成本，并使用 `riskLevel` 字段作为过滤器，仅针对 HIGH 或 CRITICAL 分数触发下游操作。
## 帮助我们改进
如果您遇到问题，可以通过在 Apify 账户中启用运行共享来帮助我们更快地调试：
1. 转到 [Account Settings > Privacy](https://console.apify.com/account/privacy)
2. 启用 **Share runs with public Actor creators**
这让我们在出现问题时可以看到您的运行详情，以便我们更快地修复问题。您的数据仅对 actor 开发者可见，不公开。
## 故障排除
**管线威胁报告在子模型中大部分返回零。** 这通常意味着药物名称查询从一个或多个底层来源没有返回结果。尝试使用活性成分名称（INN）而不是品牌名称。通过直接搜索两个数据库来验证药物在 ClinicalTrials.gov 和 PubMed 中被索引。如果药物非常新，它可能尚未出现在所有七个来源中。
**不良事件差异显示 NORMAL 但已知该药物有安全问题。** FAERS 依赖自愿不良事件报告。漏报是该系统记录在案的限制。高调的安全信号可能得到充分代表；上市后、长期或罕见事件可能无法在公共 FAERS 快照中捕获。
**专利独占年限显示 0，尽管药物仍在专利期内。** 专利搜索使用文本查询，如果化合物以化学名称、SMILES 字符串或受让人变体索引，可能无法返回正确的药物专利。尝试在 `track_patent_exclusivity` 工具中同时查询受让人公司名称和药物名称或作用机制。
**工具调用缓慢或超时。** 综合报告工具并行运行 7 个 actor，每个 actor 超时 120 秒。如果 Apify 平台负载过高或上游政府 API 缓慢，个别 actor 可能超时。服务器使用 `Promise.allSettled`，因此仍会返回部分结果。对于时间敏感的用例，运行单独工具而不是综合报告。
**几次调用后达到支出限制错误。** 每次工具调用收费 $0.045。如果您的 Apify 账户设置了较低的每月或每次运行支出限制，在多工具 AI 研究会话期间将很快达到。在 Apify Console 的 actor 运行设置下增加支出限制。
## 负责任的使用
- 此 MCP 查询公开可用的政府数据库：FDA, EMA, ClinicalTrials.gov, USPTO 和 NIH PubMed。
- 来自 FAERS 的不良事件数据代表自愿报告，不应用作临床或监管决策的唯一依据。
- 专利分析输出仅用于竞争情报目的，不构成法律建议或自由运营意见。
- 不要将管线威胁分数用作投资建议，而应与主要来源、财务分析和专业判断相佐证。
- 有关网页抓取和公共数据使用合法性的指导，请参阅 [Apify's guide](https://blog.apify.com/is-web-scraping-legal/)。
## 支持
发现错误或有功能请求？在此 actor 页面的 [Issues tab](https://console.apify.com/actors/pharma-pipeline-intelligence-mcp/issues) 中提出问题。对于自定义集成、企业药物警戒工作流或额外的评分模型要求，请通过 Apify 平台联系。
标签：AI数据分析, Apify Actor, API集成, Claude集成, Cursor, EMA数据, FDA数据, MCP服务器, PubMed文献, USPTO, Windsurf, 不良事件监测, 专利分析, 临床数据, 制药企业, 制药情报, 医疗AI, 医疗事务, 医药管道分析, 可观测性, 合规分析, 市场授权, 投资决策支持, 模型上下文协议, 生物技术投资, 竞争情报, 管线威胁评分, 药物审批, 药物警戒