Keunikan dan Praktik Terbaik Penilaian Biotek

Ringkasan bisnis plan

pengantar

Jika Anda tertarik atau memiliki pengalaman di bidang biotek, tidak mengherankan jika perusahaan biotek dengan sedikit atau tanpa pendapatan masih bisa bernilai miliaran. Pertimbangkan kesepakatan M&A biotek 2017 yang paling menonjol ketika Gilead membeli Kite Pharma seharga hampir $12 miliar. Pada saat kesepakatan, Kite masih merugi, dengan akumulasi defisit lebih dari $600 juta, tetapi secara signifikan, Kite juga memiliki jalur terapi sel CAR-T, yang mengobati kanker. Layang-layang belum tentu anomali. Hampir 80% perusahaan konstituen dari perusahaan Nasdaq Biotech Index (NBI) tidak memiliki pendapatan; lebih dari 150 perusahaan yang mewakili lebih dari $250 miliar dalam kapitalisasi pasar. Dan, rata-rata investasi VC di bidang biotek telah meningkat lebih dari dua kali lipat selama dekade terakhir, dari $4,6 miliar pada tahun 2005 menjadi $12,9 miliar pada tahun 2015. Sebagai investor ekuitas institusional, jelas bahwa hal ini tidak dapat dijelaskan begitu saja oleh kegembiraan investor. Sebaliknya, ini dimaksudkan untuk menunjukkan bahwa saluran pipa sering kali membenarkan nilai perusahaan.

Artikel ini membahas bagaimana menilai saluran pipa perusahaan biofarmasi tersebut, dengan fokus pada perusahaan farmasi secara khusus (dan bukan perusahaan yang tidak fokus pada pengembangan obat tetapi pada perangkat kesehatan lainnya). Kita akan mulai dengan bagaimana penilaian perusahaan biotek berbeda dari penilaian aset lainnya. Kemudian, kami akan fokus pada metodologi penilaian NPV yang disesuaikan dengan risiko, dan menutup dengan diskusi tentang beberapa topik yang relevan: (i) bagaimana seseorang dapat memikirkan portofolio beberapa kandidat obat, dan (ii) bagaimana nilai dapat dipengaruhi oleh karakteristik investor atau pengakuisisi.

Mengapa Kita Perlu Memahami Penilaian Pipa Biotek?

Pengembangan obat itu mahal. Satu studi terkemuka memperkirakan bahwa total biaya pengembangan obat yang berhasil (yang biasanya melibatkan banyak upaya yang gagal) melebihi $2,5 miliar. Studi lain (lihat tabel di bawah) menunjukkan biaya total sekitar $1,4 miliar. Angka ini lebih rendah dari perkiraan $2,5 miliar di atas karena yang terakhir juga mencakup perkiraan biaya peluang dari modal yang diinvestasikan, sedangkan yang pertama hanya mewakili pengeluaran sendiri.

Oleh karena itu, pengembangan obat membutuhkan banyak modal sejak awal. Sederhananya, hampir tidak mungkin untuk mem-bootstrap perusahaan obat dan dengan demikian membutuhkan investor sejak awal serta di berbagai titik selama siklus pengembangan. Investor ini dapat mencakup pemodal ventura (orang-orang seperti misalnya, Domain, HCV, MPM, dan banyak lainnya), investor strategis (yaitu, perusahaan farmasi lain), dan juga investor pasar publik (itulah sebabnya kami berakhir dengan begitu banyak perusahaan di BI). Penggalangan dana untuk biotek mudah menjadi artikel tersendiri, tetapi baik investor maupun pendiri/eksekutif biotek perlu menguasai penilaian—bahkan jika produk yang dapat dipasarkan mungkin membutuhkan waktu bertahun-tahun di masa depan.

Catatan tepat waktu: Jika Anda membaca ini dari Asia, Anda mungkin menyadari bahwa Bursa Efek Hong Kong baru-baru ini mengizinkan perusahaan biotek terdaftar tanpa pendapatan atau keuntungan, penilaian yang memerlukan apa yang akan kita bahas dalam artikel ini.

Mengapa Penilaian Pipa Biotek Berbeda

Perusahaan biotek bukanlah produsen widget standar yang Anda pelajari untuk dihargai dalam kursus MBA dan/atau CFA Anda. Baca terus untuk memahami beberapa ciri unik khusus untuk industri ini.

Pendapatan apa?

Seperti yang telah kita catat, banyak perusahaan biotek belum memiliki pendapatan, apalagi profitabilitas atau ukuran arus kas. Faktanya, arus kas sebelum persetujuan obat akan sangat negatif. Itu berarti kelipatan penilaian "standar" seperti EV/EBITDA atau P/E kurang relevan. Ada beberapa kelipatan alternatif seperti EV / R&D yang diinvestasikan, yang pada dasarnya adalah penilaian berbasis biaya. Metodologi penilaian komparatif adalah metodologi populer lainnya yang menggunakan perbandingan pasar publik atau transaksi M&A yang sebanding. Ini sering tidak dapat diterapkan karena sebagian besar perusahaan biotek bersifat idiosinkratik, sehingga memberikan analisis komparatif untuk penggunaan yang terbatas. Kami akan meninjau metode penilaian alternatif di bawah ini.

Bahkan untuk perusahaan biotek yang lebih mapan, pendapatan historis mereka biasanya cukup istimewa sehingga perkiraan masih harus dibangun dari awal daripada mengandalkan pengalaman/data intra-perusahaan masa lalu atau bahkan dari perusahaan lain yang sebanding sebagai rel panduan untuk proyeksi. Dengan kata lain, pendekatan tipikal untuk proyeksi mengekstrapolasi tren masa lalu cukup banyak. Sebagai contoh, lihat di bawah ini untuk perusahaan riset farmasi Swiss Idorsia saat ini dan perhatikan kisaran dan variasi dari mekanisme aksi (proses dimana obat menghasilkan efek farmakologis) dan indikasi target (penggunaan obat tersebut untuk mengobati penyakit tertentu).

Proses Pengembangan Terstruktur

Perusahaan biotek juga menghadapi periode perkembangan yang panjang yang unik untuk industri ini. Jangka waktu tipikal untuk obat baru dari pengajuan Obat Baru Investigasi (IND di AS) hingga masuk pasar, setelah persetujuan peraturan, adalah sekitar delapan tahun, seperti yang diilustrasikan pada grafik di bawah ini. Selama delapan tahun itu, prosesnya mengikuti fase terstruktur penelitian, pengujian, dan tinjauan FDA, di mana obat itu bisa gagal.

Roulette Narkoba: Merah atau Hitam?

Secara sederhana dikatakan, suatu obat pada akhirnya efektif atau tidak dalam pengobatan. Bahkan jika itu efektif, itu mungkin atau mungkin tidak disetujui oleh badan pengatur. Sebelum disetujui, obat-obatan melewati proses terstruktur (uji pra-klinis dan klinis), kapan pun mereka bisa gagal—dan begitu gagal, prosesnya sering kali tidak dapat diubah. Itu mewakili profil risiko yang berbeda dari kebanyakan bisnis lain, di mana distribusi hasilnya kurang biner. Dalam bahasa Silicon Valley, biasanya sangat sulit untuk "memutar" obat yang gagal. Benar, pada tahap awal, startup non-biotek, kegagalan juga merupakan hasil yang mungkin terjadi, tetapi jika startup tidak gagal, ada distribusi hasil yang cukup luas: Aplikasi seluler baru itu mungkin mendapatkan ribuan unduhan atau puluhan juta unduhan , dengan dampak konsekuensial pada pendapatan, arus kas, dan nilai. Dan, ketika startup non-biotek menghadapi kesulitan, mereka hampir secara rutin menyesuaikan model bisnis mereka untuk bertahan hidup. Kembalikan kenangan Anda ke saat Netflix adalah perusahaan pesanan surat DVD sebelum layanan streaming, atau ketika Instagram adalah aplikasi check-in dengan elemen game dan foto sebelum berubah menjadi aplikasi foto dominan saat ini.

Akibatnya, kami perlu mencerminkan profil risiko yang berbeda ini dalam analisis penilaian kami, seperti saat membuat arus kas diskonto (DCF) dan memilih tingkat diskonto yang sesuai. Secara garis besar, ada dua cara yang bisa kita lakukan:

• Pertama, kita dapat mengasumsikan hasil yang positif (yaitu, obat berhasil, disetujui, dan pendapatan diperoleh), tetapi mencerminkan risiko melalui penggunaan tingkat diskonto yang tinggi (semakin awal tahap, semakin tinggi tingkat diskonto karena risiko yang lebih tinggi). Ini pada dasarnya adalah "metode modal ventura," yang juga digunakan dengan startup non-biotek.
• Atau, kita dapat mencerminkan ketidakpastian hasil secara eksplisit dengan membangun sejumlah skenario hasil dan pembobotan probabilitasnya. Skenario ini dapat mencakup "gagal selama fase I", "gagal selama fase II", dan seterusnya. Karena dalam pengembangan obat kami memiliki proses terstruktur dengan skenario yang cukup jelas, metode ini memungkinkan kami untuk memperhitungkan risiko jauh lebih tepat daripada metode VC, yang secara efektif memasukkan semua risiko ke dalam tingkat diskonto yang tinggi. Oleh karena itu, metode ini, NPV yang disesuaikan dengan risiko , adalah fokus dari sisa artikel ini.

Metodologi Penilaian Biotek yang Direkomendasikan: NPV yang disesuaikan dengan risiko

NPV yang disesuaikan dengan risiko mencakup dua komponen utama: proyeksi arus kas dan probabilitas untuk skenario. Kami pertama-tama akan mendekati memproyeksikan arus kas untuk skenario terlebih dahulu, kemudian probabilitas untuk berbagai skenario.

Proyeksi Arus Kas

Seperti yang kami catat sebelumnya, obat-obatan cukup unik sehingga kami harus membangun proyeksi arus kas ini dari awal. Pertama-tama mari kita lihat profil arus kas yang khas dan bergaya dan kemudian menelusuri masing-masing penggerak arus kas.

Fase Pengembangan

Pada tahun-tahun awal, hanya ada arus keluar, karena biaya R&D obat. Biaya ini akan berbeda untuk setiap obat, tergantung pada faktor-faktor seperti jumlah iterasi selama fase penemuan dan pra-klinis, desain eksperimental yang diperlukan selama uji pra-klinis dan klinis, dan banyak lagi. Ini pada dasarnya terdiri dari tahun-tahun yang menunjukkan arus keluar pada grafik di atas.

Fase Pendapatan/Pasar

Ketika obat telah mencapai pasar, berikut adalah pendorong utama yang perlu kita perkirakan untuk memperoleh proyeksi pendapatan (dan laba). Perhatikan bahwa kami jelas dapat mengembangkan kerangka kerja ini menjadi sub-driver yang semakin rumit, tetapi akan fokus pada driver yang paling penting dalam artikel ikhtisar ini. Di bagian berikut, untuk memperkirakan pendapatan, kami secara kasar akan mengikuti langkah-langkah yang diuraikan dalam buku Arthur Cook, Peramalan untuk Industri Farmasi (kami akan menggunakan beberapa penggerak yang ditunjukkan dalam kotak abu-abu):

Jumlah Pelanggan/Pasien Potensial

Jumlah pelanggan potensial pada suatu obat adalah bagian dari orang-orang yang menderita kondisi target—kami sampai pada perkiraan kasar dengan menjalankan serangkaian filter dalam corong, sekali lagi kira-kira mengikuti Arthur Cook:

• Pertama, Anda perlu memahami berapa banyak orang yang menderita kondisi yang ingin diobati oleh terapi (prevalensi kondisi. Berhati-hatilah untuk memisahkan ini dari insiden, yang merupakan tingkat terjadinya kasus baru). Anda dapat menemukan perkiraan di internet, dari sumber seperti Organisasi Kesehatan Dunia (WHO) atau Pusat Pengendalian dan Pencegahan Penyakit AS (CDC).
• Kedua, Anda perlu membuat asumsi tentang berapa banyak pasien yang benar-benar akan menggunakan obat untuk kondisi mereka. Ini mengharuskan pasien untuk didiagnosis dengan kondisi tersebut (dan untuk didiagnosis, biasanya pasien harus menunjukkan gejala), untuk menerima pengobatan, dan berada dalam jangkauan obat.
• Ketiga, Anda perlu membatasi alam semesta pasien hanya untuk yang berbasis di wilayah di mana obat tersebut benar-benar memiliki persetujuan peraturan (lembaga pengatur utama termasuk FDA AS, EMA Uni Eropa, dan PMDA Jepang).
• Keempat, Anda perlu membuat asumsi untuk pangsa pasar obat, jika ada pilihan terapi yang bersaing. Seperti biasa, pencarian di internet (seperti di situs CDC) akan memberi Anda pilihan pengobatan yang ada (jika ada).

harga

Penetapan harga sangat penting dan akan bergantung, antara lain, pada kebutuhan perusahaan farmasi untuk menghasilkan pengembalian yang memadai atas investasi R&D dalam terapi serta pada nilai terapi vs. pilihan pengobatan yang bersaing (jika ada).

Bahkan untuk obat-obatan yang ada, informasi harga yang dapat dipercaya sangat sulit didapat, tetapi Anda dapat menemukan beberapa informasi di situs web seperti Drugbank atau dari sejumlah penyedia data berbayar. Ingatlah bahwa biasanya ada perbedaan yang signifikan antara harga daftar obat dan harga sebenarnya rata-rata yang dibayarkan (setelah diskon rata-rata—misalnya, diperkirakan 45% oleh anggota panel konferensi ini) sebagai akibat dari (sebagian besar negosiasi non-publik) antara para pemangku kepentingan termasuk perusahaan farmasi, PBM, asuransi, dan CMS. Mencoba mencari tahu harga rata-rata sebenarnya yang dibayarkan agak mirip dengan berjalan ke pesawat terbang dan mencoba mencari tahu berapa rata-rata penumpang membayar ongkosnya—dan mengetahui harga tiket penuh resmi tidak banyak membantu Anda!

Akan lalai jika saya tidak menyebutkan sudut makro pada penetapan harga obat sebagai faktor potensial, khususnya debat politik yang tampaknya permanen tentang penetapan harga obat di AS—jelas, investor dan eksekutif biotek perlu mengawasi perkembangan di sini.

Dari Pendapatan Menjadi Untung

Margin kotor untuk obat-obatan biasanya sangat tinggi—sebuah studi Stern School terhadap ratusan perusahaan farmasi/biotek menempatkan mereka di bawah tujuh puluhan sebagai rata-rata dan untuk seluruh perusahaan. Secara individual, bagaimanapun, margin kotor mungkin setinggi 90%. Studi Stern yang sama menunjukkan pengeluaran rata-rata penjualan, umum, dan administrasi (SG&A) sekitar 26-28% dari pendapatan tetapi, tentu saja, SG&A juga mencakup bagian "G&A", termasuk banyak biaya non-penjualan dan pemasaran. Tabel Statista ini menunjukkan biaya pemasaran murni untuk beberapa perusahaan farmasi besar berada di bawah hingga pertengahan dua puluhan sebagai persentase pendapatan. Namun, ini adalah angka rata-rata untuk keseluruhan, besar, perusahaan farmasi yang terdiversifikasi. Seperti yang ditunjukkan artikel ini, untuk setiap obat tertentu, kisaran biaya pemasaran bisa luas dan bergantung pada sejumlah faktor, seperti seberapa banyak persaingan yang dihadapi obat tersebut.

Naik turunnya Pendapatan

Bentuk kurva pendapatan/arus kas akan sering mengikuti bentuk kurva di atas pada Gambar XYZ. Ramp-up dapat bergantung pada faktor-faktor seperti persetujuan peraturan di berbagai wilayah, implementasi manufaktur, dan pelaksanaan strategi pemasaran. Ramp-down dapat dipengaruhi, misalnya, dengan munculnya pilihan terapi bermerek yang bersaing.

Perhatikan bahwa kurva bergaya di atas memiliki pendapatan menjadi nol pada akhirnya. Hal ini disebabkan dampak dari habisnya masa paten dan persaingan selanjutnya dengan obat generik. Di AS, periode perlindungan paten standar adalah dua puluh tahun. Namun, perlu diingat bahwa obat baru biasanya dipatenkan di awal proses—misalnya, selama uji coba hewan pada fase pra-klinis, yang biasanya masih membutuhkan waktu 8-10 tahun hingga obat tersebut benar-benar mencapai pasar, sehingga Fase pendapatan "dilindungi" mungkin hanya sekitar 10 tahun. Setelah paten berakhir, penurunan harga obat biasanya cepat dan signifikan:

Ada beberapa faktor yang berpotensi meringankan yang bisa ditunjukkan:

• Di AS, produsen obat generik pertama memiliki eksklusivitas enam bulan dalam penjualan obat generik; produsen bermerek juga dapat menjadi produsen generik pertama dan karenanya secara efektif memperpanjang masa perlindungannya. Ada juga bukti bahwa membayar produsen bermerek untuk menjadi penggerak awal dengan obat generik bahkan jika itu bukan yang pertama — misalnya, artikel ini menyebutkan contoh produsen bermerek yang dapat mengklaim 30-50% dari penjualan produk versi generik dari obat mereka.
• Ada hambatan lain yang mungkin terjadi selain paten, misalnya, rahasia dagang dalam proses pembuatan atau penguncian pasokan yang diperlukan (misalnya, vektor virus), yang dapat digunakan perusahaan untuk melindungi posisi obatnya. Namun, ini seringkali sulit untuk diidentifikasi/diperkirakan dan karenanya sulit untuk dimasukkan dalam analisis.
• Produsen bermerek juga dapat mencoba memperluas pendapatan dari obat dengan membuat penyesuaian pada produk asli yang dapat dipatenkan (misalnya, menggunakan sistem pengiriman yang berbeda). Lihat juga artikel ini untuk strategi bagaimana memeras lebih banyak pendapatan dari obat meskipun patennya kadaluwarsa.

Namun demikian, proyeksi arus kas untuk obat-obatan seringkali tidak mengasumsikan arus kas (dan karenanya nilai terminal) setelah masa berlaku paten berakhir.

Faktor-Faktor Lain yang Mempengaruhi Proyeksi Arus Kas

Pada topik proyeksi arus kas, kita juga harus mengingat setiap penyesuaian potensial pada kurva pendapatan/arus kas yang khas, yang akan saya sebutkan hanya dua contoh yang menonjol.

• Kemitraan. Ketentuan kemitraan (dengan perusahaan farmasi lain) dapat memengaruhi arus kas pada tahap apa pun. Misalnya, mitra strategis dapat membantu dengan R&D dan/atau pengeluaran pemasaran dengan imbalan bagi hasil, yang secara efektif meratakan profil arus kas dari bawah dan atas. Gambar di bawah ini menunjukkan kutipan dari pipa CRISPR Therapeutics, di mana orang dapat melihat dua pengaturan kemitraan. Salah satunya adalah dengan Vertex yang, antara lain, memungkinkan Vertex Pharmaceuticals untuk terapi berlisensi dari CRISPR Therapeutics (memungkinkan Vertex untuk menjual obat/terapinya) dengan imbalan pembayaran “pencapaian pengembangan, regulasi, dan penjualan di masa depan hingga $420 juta per target, serta pembayaran royalti dalam satu digit ke remaja rendah pada penjualan calon produk komersial di masa mendatang.”

• Tinjauan regulasi yang dipercepat. Baik FDA dan EMA menawarkan potensi proses persetujuan yang dipercepat ("Jalur Cepat"/"Terapi Terobosan"/"Accelerated Approval"/"Tinjauan Prioritas" penunjukan di FDA dan penunjukan "Accelerated Assessment" di EMA) untuk obat yang memenuhi syarat kandidat, dalam hal ini kurva arus kas dikompresi, atau diperpendek. Misalnya, baru-baru ini, FDA mengizinkan pengembangan Lenti-D yang dipercepat, yang mengobati adrenoleukodystrophy (CALD), kelainan neurologis yang langka dan mengancam jiwa. Tak perlu dikatakan, kita harus menyesuaikan proyeksi arus kas kapan pun diperlukan ketika, katakanlah, obat yang bersaing dalam pengembangan menunjukkan hasil yang menguntungkan dan karenanya kita mungkin harus menyesuaikan asumsi pangsa pasar di masa depan.

Bagaimana Dengan Obatnya?

Bagaimana jika calon terapi mengusulkan untuk menyembuhkan suatu kondisi sepenuhnya daripada mengobati atau mengelolanya melalui pemberian berulang (apa yang kita asumsikan secara implisit di atas)? Terutama dengan munculnya terapi gen pertama yang disetujui, sekarang kemungkinan ini semakin relevan. Ini menyajikan beberapa konsekuensi menarik untuk proyeksi arus kas kami, seperti yang diuraikan di bawah ini:

• Kurva pendapatan mungkin terlihat berbeda. Ini karena, secara teori, terapi pada awalnya harus bekerja melalui semua pasien (yang dapat dijangkau) yang menderita kondisi tersebut, tetapi kemudian (dengan asumsi terapi tersebut dapat mencapai seluruh pasien yang ada selama masa perlindungan paten) turun ke kasus baru saja ( tingkat kejadian). Berapa lama fase awal ini berlangsung akan tergantung pada banyak faktor, termasuk kondisi itu sendiri. Mungkin ada beberapa preseden sampai saat ini tetapi, sebagai contoh, Anda dapat mempertimbangkan bahwa program WHO yang sukses untuk memberantas cacar berlangsung dari 1966-1980. Sebagai poin tambahan, terkadang ada teori konspirasi atau setidaknya kekhawatiran bahwa perusahaan obat mungkin tidak diberi insentif untuk menemukan obatnya, seperti yang ditunjukkan di utas ini (yang mencakup tanggapan yang membuat tandingan).
• Penetapan harga dan struktur penetapan harga menjadi lebih menantang. Apakah perusahaan obat membebankan biaya satu kali di muka (dan, jika demikian, apakah ada "pembalikan" jika pasien kambuh) atau mungkin rencana pembayaran cicilan multi-tahun, dengan syarat pasien tidak kambuh? Dan, apakah opsi terakhir ini bahkan layak dari sudut pandang hukum di yurisdiksi penjualan? Selain itu, harga untuk pengobatan satu kali ini menjadi sangat tinggi karena, tentu saja, harga tersebut pada dasarnya mencerminkan NPV dari penghematan untuk perawatan lanjutan. Perusahaan obat mungkin berpendapat bahwa harga seharusnya/bahkan dapat juga mencerminkan nilai potensi eksternalitas sosial positif dari orang yang disembuhkan, karena, misalnya, orang yang disembuhkan dari kebutaan mungkin dapat memberikan kontribusi yang lebih tinggi kepada masyarakat (dalam hal PDB) daripada yang buta. Pada contoh khusus ini, pengobatan Spark Therapeutics untuk kebutaan yang diturunkan ("Luxturna") berharga $850.000 per pasien/perawatan.

Sekarang kita telah meninjau pertimbangan dalam proyeksi arus kas, mari kita beralih ke probabilitas yang akan kita gunakan untuk menimbang arus kas ini.

Probabilitas Skenario

Jadi, berapa probabilitas keberhasilan yang harus diasumsikan seseorang untuk kandidat obat? Sebagai prinsip umum, kita harus menjadi "orang Bayesian yang baik", dimulai dengan tingkat keberhasilan dasar yang masuk akal dan kemudian terus menyesuaikan diri untuk bukti baru.

Tabel di bawah ini, gabungan dari berbagai penelitian tentang topik tersebut, menunjukkan perkiraan probabilitas keberhasilan setiap tahap, mulai dari klinis, dalam proses pengembangan obat (baris atas) serta probabilitas kumulatif untuk mendapatkan obat yang disetujui (baris bawah— jadi, misalnya, kemungkinan melewati fase I kira-kira 65%, tetapi probabilitas keseluruhan untuk membuatnya dari awal fase I menjadi obat yang disetujui adalah 90% × 65% × 40 × 65% = 15% , seperti yang ditunjukkan di baris bawah). Perhatikan bahwa NDA adalah singkatan dari aplikasi obat baru dan persentase mengacu pada NDA yang berhasil.

Ini, tentu saja, adalah tarif dasar paling umum yang dapat kami gunakan dan kami harus dan dapat ditingkatkan dengan mempertimbangkan area terapeutik atau kebaruan kandidat obat, seperti yang ditunjukkan pada grafik berikut dari Bank of America Merrill Lynch:

Ada kemungkinan penyesuaian lebih lanjut terhadap tarif dasar yang dapat dibuat, bahkan yang tidak ada hubungannya dengan obat itu sendiri, seperti rekam jejak perusahaan (tim R&D dan regulatornya) dalam mendapatkan persetujuan obat.

Seseorang kemudian perlu melakukan penyesuaian pada tarif dasar setiap kali bukti yang relevan tersedia. Contoh yang paling jelas adalah melewati tahap uji klinis dan tabel seperti di atas sudah memberikan probabilitas baru yang disesuaikan (tetapi, untungnya bagi kami, perhitungan Bayes cocok dengan nomor tabel, misalnya, untuk melewati fase I: 15% × 100% / 65% = 23% ). Ada lebih sedikit penyesuaian sepele; misalnya, bayangkan obat pesaing, menargetkan mungkin jalur yang sama, mengalami masalah dalam uji klinis.

Mengembangkan Pohon Skenario

Meskipun tarif dasar sangat membantu, dengan asumsi hanya dua skenario (berhasil/gagal) seringkali terlalu sederhana. Jika kita memiliki kandidat obat yang memasuki fase I, setidaknya kita menghadapi skenario yang digambarkan dalam pohon skenario di bawah ini—jelas ada banyak hasil lain yang tidak terekam dalam pohon ini. Perhatikan bahwa jumlah dolar AS dalam jutaan dan mewakili, pada setiap node, NPV yang diharapkan. Anda akan melihat bahwa probabilitas keberhasilan di sini tidak cocok dengan yang ada di tabel ringkasan kami di atas, yang menggambarkan bahwa ada berbagai perkiraan.

Pertama, perhatikan bahwa jelas penting ketika obat gagal—semakin lama, semakin banyak uang yang akan dihabiskan untuk R&D. Dengan kata lain, itu (secara harfiah) membayar untuk merangkul mantra Lembah Silikon itu: "gagal cepat, sering gagal." Hal ini relevan dalam konteks sektor yang mengalami penurunan ROI pada pengeluaran R&D (misalnya, dari 10,1% pada tahun 2010 menjadi 3,7% pada tahun 2016 dalam studi Deloitte terhadap dua belas perusahaan biofarmasi terkemuka). Bagaimana seseorang secara efektif gagal dengan cepat dan seringkali akan menjadi artikel dengan sendirinya — lihat artikel Toptal ini tentang bagaimana data besar dapat mengatasi masalah ini.

Kedua, pohon skenario ini berhenti setelah persetujuan NDA, tetapi orang dapat mengembangkan skenario untuk tahap pasca-persetujuan—yaitu, pendapatan—juga. Namun, distribusi hasil pada fase itu diharapkan akan lebih berkelanjutan sehingga seseorang sering dapat bekerja secara sederhana dengan satu skenario menggunakan nilai yang diharapkan.

Diskon Kembali ke NPV yang disesuaikan dengan Risiko

Setelah kita mengembangkan skenario dan arus kas serta probabilitasnya masing-masing, kita perlu mendiskontokan arus kas kembali ke masa sekarang. Di satu sisi, kita harus sadar bahwa kita telah menangkap beberapa ketidakpastian/risiko melalui skenario, jadi kita tidak boleh menggunakan tingkat diskonto (gaya metode modal ventura) yang terlalu tinggi. Di sisi lain, pada tahap awal kita berada, semakin banyak risiko residual (tidak ditangkap melalui skenario), yang membenarkan tingkat diskonto yang lebih tinggi. Berikut adalah beberapa contoh tingkat diskonto untuk perusahaan biotek pada berbagai tahap kedewasaan:

Penting untuk menafsirkan dengan benar NPV yang disesuaikan dengan risiko ini: Ini adalah nilai yang diharapkan, menutupi distribusi hasil yang mendasari yang dapat sesederhana mendekati biner (misalnya, perusahaan dengan satu obat fase III dalam proses) atau jauh lebih kompleks dalam kasus perusahaan dengan banyak obat dalam jalur pengembangannya—yang membawa kita ke topik berikutnya: bagaimana mengelola banyak kandidat obat.

Beberapa Kandidat Obat: Pandangan Portofolio

Mari kita gunakan contoh untuk memahami bagaimana saluran satu obat mungkin berbeda dari satu dengan beberapa obat. Dalam perjalanan ke konferensi investasi biotek, seorang penipu jalanan menangkap Anda dan menawarkan permainan lempar koin: Anda memenangkan $100; ekor Anda tidak mendapatkan apa-apa—berapa banyak yang akan Anda bayar untuk bermain? Kemudian, penipu jalanan lain datang dan menawarkan Anda permainan yang sedikit berbeda: Dia akan melempar koin sepuluh kali dan Anda memenangkan $10 setiap kali muncul—berapa banyak yang akan Anda bayarkan untuk bermain dalam kasus ini? Mari kita periksa distribusi hasil potensial—secara matematis, distribusi Bernoulli di sebelah kiri dan distribusi binomial di sebelah kanan:

Kemenangan yang Anda harapkan sebenarnya adalah $50 di kedua game; namun, Anda dapat dengan mudah melihat dan memahami secara intuitif bahwa permainan flip 1 koin itu “lebih berisiko”. Untuk mengukur risiko ini, kita dapat melihat standar deviasi dari kemenangan Anda—$50 untuk permainan lemparan 1 koin dan sekitar $16 untuk permainan lemparan 10 koin. Oleh karena itu, jika Anda dipaksa untuk bermain dan membayar harga yang “adil” sebesar $50, kebanyakan orang akan memilih game kedua—pengembaliannya yang disesuaikan dengan risiko lebih unggul daripada game pertama, poin yang akan kami bahas di bawah.

Tentu saja, sekarang Anda telah memahami bahwa kita dapat mengganti "pembalikan koin" dengan (misalnya) "obat fase III" dan mengatur probabilitas ke yang sesuai, dalam hal ini, katakanlah 65% sesuai tabel di atas (mengabaikan yang berikutnya tahap NDA)—koin yang bias mendukung kami! Satu koin flip case akan menjadi perusahaan dengan hanya satu obat fase III seperti itu di jalurnya, sedangkan sepuluh koin flip case mungkin satu perusahaan dengan sepuluh obat fase III, atau (dari, misalnya, sudut pandang investor biotek) beberapa 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!—eg, 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—eg, 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—eg, 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? Belum tentu. 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, eg, 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.

What Is the Pipeline Worth to Somebody Else?

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:

• Operational synergies—eg, on R&D, manufacturing, or marketing
• “Strategic” synergies
• Financial synergies—eg, the other company may have a lower hurdle rate due to lower cost of capital. (think a big, diversified pharma company)
• The de-risking impact we discussed in the previous section—ie, improving the acquiring company's risk-adjusted expected returns

Pikiran Perpisahan

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!