track-28

项目提案 (Specs) — Wave 1

滴水湖全球OPC人工智能挑战赛

数智OPC加速赛 · 数字产业赛道（AI+医疗）

---

一、项目基本信息

项目	内容
项目名称	Pharma Intelligence System（生物医药战略情报系统）
参赛赛道	数字产业赛道（AI+医疗）
所属赛区	数智场景赛区
OPC定位	AI驱动的单人生物医药情报与分析公司
项目标语	一人公司，全栈情报——让AI为生物医药战略决策赋能

---

二、项目概述

Pharma Intelligence System 是一个以 "一人公司 (OPC) + AI多智能体协同" 为核心模式的生物医药战略情报系统。系统通过自动化采集全球9大公开数据源（PubMed、ClinicalTrials.gov、openFDA、EMA、bioRxiv/medRxiv等），运用AI大模型进行深度情报分析、竞争格局推演和前瞻性预测，最终生成专业级战略决策报告。

系统完美实现了 "人类主导战略方向，AI负责数据采集、分析、报告生成全流程" 的 OPC 核心理念——一个创始人即可运营一家覆盖全球生物医药情报的全栈AI公司。

---

三、应用场景

场景一：生物医药企业研发战略决策

• 痛点：生物医药企业CEO/CSO需要持续监控全球竞争格局、FDA监管动态、最新科研突破，但传统情报服务（如Evaluate Pharma、IQVIA）年费高达数十万美元，且更新周期长。
• 解决方案：系统每日自动采集9大公开数据源，24小时内生成定制化竞争分析报告，成本仅为传统方案的1%。
• 用户价值：每年节省情报采购费用50万+，决策响应速度从周级提升至小时级。

场景二：生物医药投资尽职调查

• 痛点：投资人在评估生物医药项目时，需要综合分析目标公司的管线竞争力、靶点热度、监管风险、学术背书等多个维度，传统尽调耗时2-4周。
• 解决方案：一键生成目标公司/靶点的全景分析报告，涵盖临床试验管线、FDA安全性记录、学术前沿热度。
• 用户价值：尽调周期从2-4周缩短至1天，覆盖信息维度提升300%。

场景三：科研机构前沿追踪

• 痛点：科研人员需要从海量文献中识别新技术趋势和潜在合作机会，个人难以覆盖所有顶刊。
• 解决方案：系统自动追踪58种高影响力期刊，通过关键词聚类和跨源验证识别新兴技术信号（如PROTAC、分子胶、ADC新一代技术）。
• 用户价值：科研方向决策有数据支撑，早期识别技术转折点。

场景四：监管合规早期预警

• 痛点：FDA药品召回和不良事件信息分散，企业难以及时获取与自己管线相关的安全性信号。
• 解决方案：系统实时监控FDA召回、不良事件数据，与企业自身管线进行交叉比对，触发早期预警。
• 用户价值：安全性风险管理从被动响应升级为主动预警。

---

四、产品需求 (Product Requirements)

4.1 功能需求

编号	功能模块	优先级	描述
FR-01	多源数据自动采集	P0	从9+个公开数据源自动采集结构化/非结构化情报数据
FR-02	药物实体归一化	P0	500+药物同义词库，自动识别同一药物的不同命名（商品名/通用名/代号）
FR-03	知识图谱构建	P0	Neo4j图数据库，存储药物-靶点-疾病-企业的多维关联网络
FR-04	靶点竞争格局分析	P0	自动分析各靶点的在研药物数量、竞争等级（红海/蓝海）
FR-05	FDA监管信号分析	P0	药品召回分类统计、不良事件趋势、审批动态追踪
FR-06	临床试验管线聚合	P0	按企业/靶点/适应症聚合全球临床试验数据
FR-07	学术前沿信号识别	P0	从58种顶刊论文中识别新兴技术趋势
FR-08	前瞻性预测生成	P0	基于多源数据交叉验证的行业趋势预测（含置信度评分）
FR-09	专业级报告生成	P0	自动生成图文并茂的HTML战略报告，含Plotly交互图表
FR-10	交互式知识图谱浏览	P1	D3.js力导向图可视化，支持搜索/点击/关联探索

4.2 非功能需求

编号	需求	指标
NFR-01	数据时效性	PubMed/ClinicalTrials数据采集周期 < 24小时
NFR-02	数据质量	无模拟/伪造数据，所有数据源可追溯至原始API
NFR-03	API合规	尊重各数据源API速率限制（PubMed 10req/sec, openFDA等）
NFR-04	报告完整度	每次运行生成3,000+条分析文档，7章节深度分析报告
NFR-05	运行效率	完整流水线（采集→分析→报告）< 30分钟

4.3 技术栈

层次	技术选型	说明
数据采集	Python + NCBI E-utilities + openFDA + ClinicalTrials.gov v2	异步/同步HTTP请求
数据存储	SQLite + Neo4j（图数据库）	关系数据 + 知识图谱
实体归一化	500+药物同义词库 + 模式匹配	自定义引擎，非LLM依赖
知识图谱查询	Cypher (9大分析查询API)	竞争格局/关联网络/热点分析
报告生成	Python + string.Template + Plotly.js	纯HTML，无外部依赖
知识库	Obsidian Markdown（91+笔记）	可导入Obsidian浏览
可视化	D3.js + Plotly	交互式图谱 + 统计图表

---

五、OPC模式实现

5.1 人类与AI分工

角色	人类（创业者）	AI（系统）
战略方向	✅ 设定分析主题、靶点优先级	—
数据采集	—	✅ 自动采集9大源，尊重API限制
数据处理	—	✅ 清洗、归一化、去重
知识建模	—	✅ Neo4j图谱构建
竞争分析	—	✅ 靶点矩阵、红海/蓝海识别
监管信号	—	✅ FDA召回/不良事件/审批趋势
趋势预测	—	✅ 多源交叉验证的置信度评分
报告生成	—	✅ 7章节专业报告 + 4交互图表
决策判断	✅ 最终决策和战略选择	✅ 提供数据支撑的分析建议

5.2 OPC杠杆效应

• 人力杠杆：1人（创业者）运营，AI替代传统情报团队8-12人（数据工程师×2、分析师×3、报告撰写×2、领域专家×1-2、QA×1）
• 成本杠杆：运营成本仅为年度云的算力成本，无人工薪资支出
• 时间杠杆：日级报告更新 vs 传统周级/月级更新
• 覆盖杠杆：同时监控9个数据源 vs 传统人工2-3个源

---

六、评测标准 (Evaluation Criteria)

6.1 AI评审维度

维度	权重	评测标准	自评得分依据
创新性与技术含量	30%	核心技术：AI多智能体协同模式、500+药物同义词库、跨源交叉验证	自研归一化引擎、Neo4j知识图谱、跨源三重验证
AI+OPC模式可行性	30%	单人+AI高效协同，人力/AI分工合理	1人运维，AI覆盖全流程数据采集→分析→报告
市场潜力与社会价值	30%	市场规模、成长性、社会经济效益	全球药企情报市场$50亿+，替代传统高成本方案
落地临港可行性	10%	与临港产业政策契合度	数据跨境、AI基础设施、生物医药三大政策方向吻合

6.2 技术评测指标

评测项	通过标准	当前状态
数据源覆盖数	≥5个	✅ 9个（PubMed, ClinicalTrials, openFDA, EMA, bioRxiv/medRxiv, arXiv, News）
文档采集量	≥1,000条	✅ 5,317条
知识图谱节点	≥1,000	✅ 大型知识图谱（Neo4j）
报告生成	自动生成，图文并茂	✅ 48KB HTML报告，4个Plotly图表
药物实体归一化	支持同义词映射	✅ 500+药物，多策略归一化
无伪造数据	所有数据可追溯	✅ 已验证无模拟数据

---

七、项目里程碑

阶段	完成状态	交付物
Wave 1 - Specs	✅ 已完成	本项目提案
Wave 2 - Skills/Prototype	✅ 已完成	采集→归一化→图谱构建全流程工作流
Wave 3 - Agents/Demo	✅ 已完成	9大分析Agent、报告生成Agent
Wave 4 - Application	✅ 已完成	全栈应用：采集→分析→报告→可视化
年度总决赛	待推进	产品部署上线，开放市集体验

---

八、团队信息

角色	人数	说明
创始人/CEO	1人	一人公司（OPC）模式运营
AI智能体	8+	数据采集Agent×5、分析Agent×3、报告生成Agent×1