医药立项正面临四大痛点：
① 靶点同质化竞争激烈，导致创新药物研发效率低下；
② 临床需求评估不精准，难以有效识别未满足的医疗需求；
③ 数据碎片化且分析效率低，影响决策的科学性和时效性；
④ 专家资源匮乏，临床需求、审评风险，技术可行性等相关权威洞见难以获得；
此外，耐药机制复杂和罕见突变缺乏有效治疗手段，进一步加剧了研发挑战。
DeepSeek凭借其强大的数据挖掘与分析能力，可帮助医药立项人员高效率的搜集资料，整理资料，并给出建议，为医药立项提供科学依据。
正所谓“工欲善其事，必先利其器”，DeepSeek像一个擅长思考的伙伴，但如果我们说不清楚自己想要什么，它也只能给出模糊不清的答案。
换句话说，AI 是一个强大的工具，但工具的使用效果取决于使用者的能力。通过不断练习和保持警惕，我们才能真正发挥AI的价值。
接下来，我们就结合实例分享3个使用DeepSeek的技巧：
技巧一：分解复杂任务由于AI模型问题，如果我们直接输入一个笼统的问题，很难得到满意的答案，所以第一步就需要我们帮AI拆解任务，然后再把每一个具体的数据需求发给deepseek，往往会得到比较好的答案。
在立项的工作中，我们的关键环节可以拆解为：
① 调研尚未满足的临床需求（流行病学数据、现有药物及其疗效）
② 市场潜力分析（患者数量、价格、支付体系、同类产品销售额等）
③ 竞品分析（技术壁垒、专利壁垒等）
④ 可行性分析（资金投入、工艺可行性、申报路径、生产能力等）
技巧二：四步提问模版推荐这个简单但超级实用的“四步提问法”：角色 +背景 + 指令 + 补充。
【角色】告诉DeepSeek你的角色，有利于AI理解你的处境，更好的判断你的需求
【背景】为AI提供必要的上下文信息，让它能够更准确地理解和执行任务
【指令】具体、简洁的指令更有利于AI执行
【补充】可添加重要细节，如风格、字数、日期等限定
举个例子：
【角色】我是一位医药立项专员
【背景】需要评估非小细胞肺癌领域未满足的临床需求，为非小细胞肺癌药物立项提供参考
【指令】请详细分析非小细胞肺癌不同靶点分型人群比例，目前已有的药物和治疗效果，从而判断哪些分型的患者还没有有效的治疗药物
【其他补充】请根据最新的审评审批和研发数据分析
技巧三：激活联网搜索功能，必要时补充相关的数据我们都知道医药立项是一项时效性很高的工作，我们需要实时地分析同类靶点/产品/治疗领域的研发动态。但DeepSeek的知识库截止日期是2023年12月，这意味着在此之后的新事件、研发进展或实时数据，它是无法直接获取或验证的。
我们如果对时效性要求很高，那提问时要点击“联网搜索”，给DeepSeek提供自主搜索查找信息的权力；
如果结果还是不理想，那我们应该给DeepSeek补充必要知识或数据：可以通过上传文档、在提示词中提供充足的信息之后，再让DeepSeek去执行任务；
我们以非小细胞肺癌领域未满足的临床需求分析为例，看看DeepSeek 实战结果：
从结果来看，内容正确率高，概括分析能力强，大大节省了立项人员搜集信息的时间。但我们也发现虽然联网搜索，对于2024年的最新信息，结果仍然不够立项，这时候如果我们给DeepSeek补充必要知识或数据，那它的分析将更加全面和准确。
比如在提到KRAS这个靶点的时候，只提到了FDA批准上市的两款药物，那国内该靶点的研发情况呢？
我们通过摩熵医药中国药品审评数据库可一键获取看到目前有两款国产创新药：益方生物的格索雷塞片和信达生物的氟泽雷塞片均已获批上市，加科思格来雷塞片也处于申报上市阶段。
再比如，在Deepseek结果中尚未提到ALK靶点相关的药物和为满足的临床需求，通过摩熵医药中国药品审评数据库和全球药物研发数据库可以获得该靶点最新的审批动态和竞争格局的分析。
总结DeepSeek通过其强大的AI驱动数据分析能力，能够快速整合海量多源数据（如流行病学、临床研究、文献和真实世界数据），精准识别高潜力靶点和未满足的临床需求，为医药立项研究人员节约了大量的时间。但我们也看到AI强大的数据分析能力是基于数据，我们只有更及时、更全面的数据提供，才能发挥其价值，助力医药项目立项评估。
<END>
