MAIC间接对比识别me-too-徐大宝李二狗-小N加间接调整等于换个法子说不输

核心方法：当一款新进创新药用 MAIC（Matching-Adjusted Indirect Comparison，匹配调整间接对比） 而非直接 head-to-head 试验数据来宣称 BIC（Best-in-Class），并且自家 N 只有几十人级别时——这是 me-too 包装成 BIC 的常见手法，应直接对宣传论点 derate，回看原始 PFS / OS / ORR 的赤裸数字与样本规模。

应用到 ACLX（Anito-cel）vs CARVYKTI[6786155615]（雪球）：

• ACLX 仅 38 人数据；
• 原始 PFS 不如 CARVYKTI；
• 用 MAIC 方法做间接对比号称 best-in-class——实际是 me-too；
• 项目落后 4 年半；乐观估计 10 年后仅能获约 25% 市场份额。

为什么 MAIC 容易被滥用：

1. 匹配调整本身就是自由度——选什么基线协变量做匹配、用什么权重，都是 sponsor 可调参数；
2. 小 N 放大调整方差——38 人的有效样本经过权重调整后等效样本量更小，置信区间宽到几乎不能拒绝任何假设；
3. 永远没有共同对照组——MAIC 是用别人的对照来比，方法学上无法证伪”两药真实差异为零”。

lens 迁移：评估任何后来者宣称”BIC / 同类最佳”时，先问三件事：

1. 是否有 head-to-head 直接对比试验？没有 → 警觉；
2. 间接对比方法（MAIC / ITC / Bucher）的样本规模是否足以让 CI 收敛？小 N → derate；
3. 真实世界累计病例数与对手相差几个数量级？相差两个数量级 → 见 数据厚度反驳BIC自称-ApexStride-万例对百例两个时代差，BIC 自称基本无效。

三项都打出”警觉/derate/无效”信号 → 该后来者对在位龙头的威胁应折到很低权重。

估值含义：CARVYKTI 的竞品风险（市场常用以压低传奇估值）很大程度是宣传层面而非临床层面。把 ACLX 的 BIC 叙事还原为 me-too 后，10 年后份额估算从市场默认的”不确定”收敛到”约 25%“——这是 CARVYKTI 峰值销售估算可以更敢用 75%+ 份额做基准的方法学依据。

适用边界：本规则适用于”在位龙头有大样本（千例以上）+ 后来者用 MAIC 自报 BIC”的场景。若两药样本量都还在百例以下、且后来者 head-to-head 临床已规划，则不应直接判 me-too，需等读出。