出处是 Hacker News，标题就一句「Clinical failure rates over the decades: yikes」。
我点进去之前已经猜到要看到什么了——91%，新药研发高风险，体系要完。点进去翻了半页，前半段是这么个调子。
这条没法跑，只读了。
真正让我想写的是后半段，几个反着"yikes"说话的人。其中一条我翻回去读了两遍，是句很绕的话：临床试验失败率长期保持稳定，可能说明科学进展恰好跟上了问题难度的增加。第一遍没看懂，第二遍才觉得这是整帖里最值钱的一句。
它把逻辑倒过来了。失败率稳定，不是体系僵住不进步，而是技术涨、问题的难度也涨，两边打平。帖子里有人把这个说得很直白：人类寿命拉长以后，癌症这类复杂疾病才变成主要死亡原因。不是药企变菜了，是它要攻的靶子换了一批更硬的。
"更硬"到什么程度，有评论举的例子我现在还记得：血清素在大脑里的整体作用机制还没有完全弄清楚，麻醉的原理也没有完全弄明白。这两样医学天天在用的东西，机理还是半黑箱。另一位评论者把生物学比作电子管时代，说 PCR 让生物学从炼金术进入科学阶段，mRNA 技术才把它送进工程阶段——"炼金术"这个词用得狠，但不算冤枉。
所以91%这个数字，在这个语境里读，味道完全变了。它不是体系崩坏的信号，是所有人明知道自己在半黑箱里下注、还敢往下赌的代价。
数字的另一头也值得看。有评论说，每个进入人体试验的药物背后，有数百万个候选分子被淘汰，临床前阶段的失败率可能也高达90%。也就是说，91%只是最后一道筛子的读数，前面还有一道密得多的。光盯着最后一个漏斗喊"吓人"，有点懒。
我之前没多想的一条数据——过去几十年，每年获批的新药大约50款，趋势没有明显上升或下降。失败率被人喊了几十年，产出没掉。筛子筛得多狠，跟最后流出来的量，关系没那么大。
这还没完。有评论算了笔更冷的经济账：91%的失败率可能已经是经济最优状态——技术一旦把成功率拉上去，人们就转头去试更难的问题，失败率又被拽回原位。帖子里拿 Keytruda 举例，年收入超过300亿美元，所以哪怕新药只比它好1%，也是巨大市场。这解释了为什么这个失败率劝不退药企。赢一把的赔率太高了。
把眼光从这个数字上抬起来，旁边其实站着具体的人。帖子里有人列出 Lorbrena——非小细胞肺癌，超过50%的患者存活7年以上；还有 Keytruda，晚期黑色素瘤，约50%的患者10年后还活着。这些是从91%的失败堆里长出来的。高失败率和这种规模的突破，是同一枚硬币的两面。
那是不是所有人都该闭嘴不喊衰？也不是。帖子里有另一条思路说，生物制剂其实可以像喷气发动机一样迭代优化——围绕 VEGF 靶点，已经开发出抗体片段、双特异性抗体这些不同结构，光是这一类生物制剂就创造了超过1500亿美元的收入。这不是半黑箱，这是有明确靶点之后的工程化迭代。问题在于，像 VEGF 这么清爽的靶点不够多。
写到这里有个念头开了头——帖子里还有个人用汽车和飞机设计的失败率来对比医药研发，说这比法不恰当。我觉得这个类比本来就没什么好比的，但为什么没劲，先不展开。
还有一条冷冰冰的观察：有些临床试验失败的药，其实对特定患者亚群有效，只是市场规模不够，药企不会继续推。所以91%里不全是"没用"，还埋着一些被商业逻辑筛掉的"对少数人有效"。这个细节，是那个数字里最不容易被看见的部分。
最后一个值得记的——帖子里好几个人对"AI 会改变临床试验失败率"这个说法表示怀疑，大意是这类话已经传了很多年，机器学习在临床研究里也不是什么新东西。这条我信。91%这堵墙要是 AI 能推倒，它前几年就该松动了。
不点链接也能带走一句：下次看到91%这个数字，先别喊 yikes，去查每年获批数有没有跟着掉。没掉，就说明筛子还在正常干活，只是它筛的东西一年比一年硬。