数据厚度反驳BIC自称-ApexStride-万例对百例两个时代差

核心方法：当某新进竞品自称 BIC（Best-in-Class），不去对比 PFS / ORR 这些试验中读出的”窄而新”的数字，而是直接看真实世界累计治疗病例数的数量级差距——这是判读 CAR-T / 细胞疗法竞争格局时被低估的硬护城河。

应用到 CARVYKTI vs Anito-cel：

1. CARVYKTI 真实世界累计 10,000+ 例。
2. Anito-cel 当前 150 例左右。
3. 这不是 1.5 倍、2 倍的差距，是两个数量级 / 两个时代——任何投资人在两者之间选信谁，事先就有压倒性偏好。

为什么病例数比试验数据更重要：

• 临床试验数字是预设入组、严格执行下的”理想态”——出试验后实际真实世界（MRD、长期 OS、不同医生水平、合并症患者）才暴露真问题。
• 万例规模意味着已穿越多种人群、多种使用场景的”压力测试”；百例规模无论数字多漂亮，没经过真实世界的统计复检。
• FDA / EMA 说明书写入 OS 获益、5 年随访”功能性治愈”等都依赖这种规模累积，不是百例能复刻的。

lens 迁移：评估任何”重资产 + 定制化 + 长周期使用”的医药产品（CAR-T、基因疗法、复杂手术机器人）时，首先看真实世界累计样本量——只有当后来者达到同一数量级，BIC 自称才值得讨论；否则可以直接 derate”宣称同类最佳”的论点权重。这条与 CART重资产壁垒论-LTLyra-40亿美金加定制化无法仿制 的产品形态壁垒互补——重资产决定难复制，数据厚度决定难超越。[1449994841]（雪球）