前言¶

医药市场机会测算常见的做法是先估患者总数，再乘渗透率和年用药价，得到一个数。问题是中间那几步——多少人就诊、多少人符合治疗条件、多少人实际开始用药、多少人留在品牌上——通常被打包成一个含糊的转化率，漏点在哪儿、竞品在哪一阶截流，说不清楚。

「患者流模型生成器」处理的就是这件事：把任意一个「疾病—产品」对拆成 9 阶患者流，逐阶给转化率，找出最大的漏点，并自动跑完 Patient-Based Revenue Build（最终有效患者 × 年净价 = 年度峰值销售额）和敏感性分析，最后输出一个可以拖滑块实时重算的单文件交互式 HTML。

这是什么¶

一句话定位：基于 9 阶 Patient Flow / Buying Process 框架的医药市场机会测算与可视化技能。

• 出品方：百通AI服务平台（enterprise 来源）
• 坐标：@baitongai/patient-flow-model-generator
• 当前版本：2.0.1
• 分类：data-analysis
• 是否需要 API Key：否（requires_api_key=false）
• 官方页面：https://www.skillhub.cn/skills/baitongai/patient-flow-model-generator

它解决的是「从人群规模到峰值销售额之间那一层归因缺失」的问题。视角是市场部资深产品经理加商业分析，不是统计建模，也不是临床路径分析。

核心功能¶

9 阶患者流拆解¶

官方给出的 9 阶链条写作：

起因 → 诊断 → 治疗适用 → 治疗选择 → 类别 → 药物 → 品牌 → 依从

这串名称中列出了 8 个环节，官方口径统一称为 9 阶（9 阶 / 9-stage 出现在 Skill 名称、简介与触发词中）。逐阶需要输入或推断的是各阶之间的转化率，技能负责把漏点定位出来。

三种分析范式¶

1. 静态 9 阶漏斗：固定转化率下的分层测算，适合快速出数、培训课件、客户提案。
2. 动态时间轴：引入状态转移和时间窗，处理「同一患者在不同阶段停留多久」「窗口期前后的流失」这类问题。
3. AGENT 仿真（ABM）：异质智能体模拟，可加集采冲击等外部扰动，用于上市前市场测算和压力场景。

测算与输出¶

• Patient-Based Revenue Build：最终有效患者 × 年净价 = 年度峰值销售额。
• 敏感性分析：对关键转化率和价格假设做扰动，输出敏感度表。
• 行业基准：与内置基准对照，判断各阶转化率是否偏离行业水平。
• 杠杆点分析：找出哪一阶转化率改善带来的销售额增量最大。
• 竞品截流定位：在品牌阶前后识别竞品分流。

输出是单文件交互式 HTML，包含树状分流图、收入测算、敏感度表、行业基准、杠杆点分析五个部分，支持拖滑块实时重算。不需要额外前端环境，直接发给客户或放进课件即可。

安装与启用¶

官方资料中没有给出具体的安装命令或本地目录约定。已知信息只有：该 Skill 发布在 SkillHub，坐标 @baitongai/patient-flow-model-generator，版本 2.0.1，来源 enterprise，分类 data-analysis，标签 requires_api_key=false，即不需要 API Key。

参考官方页面获取安装方式：https://www.skillhub.cn/skills/baitongai/patient-flow-model-generator

启用方式与其他基于通用 SKILL.md 格式的 Skill 一致：在支持 Skill 的客户端中加载该 Skill 后，通过触发词唤起。

典型用法¶

技能的触发词覆盖了中文和英文常见说法，包括：

患者流、patient flow、buying process、市场机会测算、患者流模型、收入测算、revenue build、峰值销售、竞品截流、杠杆点、leverage point、可寻址市场、医生决策流、静态患者流、动态患者流、AGENT患者流、ABM仿真、集采冲击、9阶漏斗、购买决策流程

具体品种和疾病词见技能内的 references/案例库索引.md。

一段典型的调用思路是：

1、先给「疾病—产品」对和各阶转化率初值，技能生成静态 9 阶漏斗，输出树状分流图和峰值销售额。
2、需要看时间维度时，切到动态时间轴范式，补状态转移矩阵和时间窗。
3、需要压力测试时，切到 AGENT 仿真范式，加入集采冲击等扰动。
4、最后用敏感性分析和杠杆点分析，确定优先优化哪一阶。

适用场景与注意¶

适合的场景：培训课件、客户提案、JBP 机会诊断、上市前市场测算。

需要注意的限制：

• 这是市场机会测算工具，不是流行病学模型或真实世界数据产品。转化率初值需要使用者自己提供或从参考资料取，技能不会替你填数。
• 行业基准来自技能内置内容，具体覆盖哪些治疗领域、基准数值的口径和更新时间，官方简介中没有说明，引用前需要自行核对。
• AGENT 仿真（ABM）的可靠性强依赖于智能体规则设定，属于场景推演而非预测。
• 与「患者流漏斗分析」技能并列互补：后者是 STEPS-DF 六层归因版，本技能是市场机会测算版。两个 Skill 的拆解层次不同，不要混用。

结尾¶

这个 Skill 的价值在于把「市场有多大」这个问题拆成了可逐阶检验的 9 阶患者流，并把结果落到一个能现场拖滑块重算的 HTML 上，而不是一份静态 PPT 数字。适合需要反复向客户或内部解释「钱卡在哪一阶」的场景。

官方地址：https://www.skillhub.cn/skills/baitongai/patient-flow-model-generator

（说明：本文基于 SkillHub 官方页面资料撰写。安装命令、本地目录约定、API 调用方式等信息在官方公开资料中未提供，正文中已如实标注。）