立誌實現生物學領域首個AGI，醫療AI公司Owkin構建世界上最大癌症空間組學數據集

Owkin 解決了大眾最擔心的患者數據隱私問題，通過整合不同機構的多模態數據，加速生物標誌物的發現，為精準醫療提供了可靠的決策依據，助力乳腺癌、直腸癌等癌症的診斷和藥物研發，已與賽諾菲、BMS 和阿斯利康等製藥巨頭合作。

醫療 AI 並非新鮮話題，但近日方舟投資首席執行官兼投資總裁基斯爾·伍德 (Cathie Wood) 的表態再次點燃市場熱情。在她看來，醫療保健是當前最被低估的 AI 應用領域，其在精準診療和藥物研發方面的潛力尚未被充分挖掘，這一觀點不僅引發了資本市場的關注，還直接導致了醫療 AI 相關板塊的股價波動，凸顯了 AI 技術在醫療領域的巨大價值。

在這一波 AI 賦能精準醫療的浪潮中，Owkin 作為首個端到端人工智能生物技術公司，正以其領先的機器學習算法和聯邦學習技術，走在行業前沿。該公司解決了大眾最擔心的患者數據隱私問題，通過整合不同機構的多模態數據（如基因組學、空間組學、臨床數據等），幫助研究人員和醫生深度挖掘醫療數據的潛力，不僅加速了生物標誌物的發現，還為精準醫療提供了可靠的決策依據，助力乳腺癌、直腸癌等癌症的診斷和藥物研發。

自 2016 年成立以來，Owkin 獲得了超 1 億美元融資，得到了包括 Google Ventures 和賽諾菲在內的眾多機構支持。該公司還獲得法國 20 家值得關注的人工智能初創企業、2023 年最值得關注的醫療和技術初創公司之一、最佳醫療技術大獎、福布斯 AI 50 強等。

將患者的隱私放在首位，用集體智能破除數據孤島

Owkin 的成功離不開兩位創始人的專業背景和共同信念。創始人之一 Thomas Clozel 博士曾是臨床血液腫瘤學助理教授，這段經歷讓他對如何幫助患者有了更深刻的認知，也激發了他利用技術改善醫療效果的決心。另一位創始人 Gilles Wainrib 博士則長期在 AI 生物學領域探索，在神經網絡、機器學習、藥物發現和精準醫療等方面發表多篇論文。兩人秉持著對 AI 賦能醫療的共同信念，攜手創立了 Owkin。

Owkin 的核心使命是實現精準醫療，也就是根據每位患者的獨特生物特徵量身定製治療方案，避免傳統的「千人一方」治療模式。這種需求非常迫切，因為癌症在不同患者之間可能存在基因和症狀上的差異，但許多患者仍然接受相同的治療方案，治療效果嚴重受限。

讓 AI 技術在多模態患者數據中識別不同的生物標誌物，並對患者進行亞群分類，將每類患者與最佳治療靶點匹配，推動靶點藥物研發、優化疾病診斷工具，實現真正意義上的個性化醫療，這是 Owkin 公司正在走的路。而實現以上目標的關鍵在於——如何既能進行數據共享，又能保證患者的數據隱私？

過去，研究人員們往往在自己關注的特定領域進行探索，導致了「數據孤島」。Thomas Clozel 認為，真正的創新來源於跨學科的整合，如果能將臨床、單細胞、空間組學、組織學等多模態數據整合起來，並讓數據科學家、臨床醫生、學術界人士和製藥公司共同參與研究，將加速發現新的疾病機制，從而開發更具針對性的精準醫療方法。也就是說，數據共享是解決辦法之一。然而，醫療數據包含敏感的個人信息，數據共享往往伴隨著隱私泄露的風險，這使得許多醫療機構對此望而卻步。

針對此，Owkin 採用聯邦學習 (Federated Learning) 來解決，Thomas Clozel 將其簡單定義為，允許各大機構在無需共享數據的前提下，共同訓練人工智能模型。

具體來說，聯邦學習允許多個數據提供方（醫療中心、研究機構、生物製藥公司等）以分佈式方式協同訓練機器學習模型。也就是說，將患者數據始終保留在各自的服務器上，僅有算法和預測模型在服務器之間傳輸，即算法被發送到不同的數據中心並進行本地訓練。訓練完成後，僅算法返回中央位置，改進後的預測結果會被發送到每個本地數據集，並進一步優化。如下圖所示，通過這種方法，Owkin 已經整合了 83 個合作夥伴的 11 種模態患者數據。

簡而言之，聯邦學習在保證患者隱私的基礎上大規模解鎖了數據，與此同時，分析不同數據獲得的結論或研究成果可以被集體共享，從而加速醫學研究的進展。為了推動這一技術的普及，Owkin 開源了聯邦學習軟件 Substra ，可用於臨床研究、藥物研發等。

開源地址：https://github.com/substra

值得一提的是，2023 年 6 月，Owkin 曾發起了一項名為 MOSAIC（癌症多組學空間圖譜）的項目 ，公司與頂級癌症研究醫院等合作，針對 7 種難治性癌症（NSCLC，卵巢，膀胱，間皮瘤，膠質母細胞瘤，乳腺癌，DLBCL），徵集來自 7,000 名患者的多模態數據。據悉，這是全球最大的癌症空間組學數據集，比現有數據集大 100 倍。利用這些數據，Owkin 可以研發先進的人工智能算法，並提供治療建議。MOSAIC 地址：

https://www.mosaic-research.com/

立誌實現生物學領域的首個通用人工智能

今年 1 月，Owkin 宣佈要將其過去 8 年積累的方法論和 AI Agent 集成到一個系統中，推出 Owkin K1.0 Turbigo，旨在實現生物學領域的首個通用人工智能 (AGI)。Thomas Clozel 表示：「Owkin 的目標是讓 Owkin K 成為這一領域的標準操作系統。我們希望，每一家製藥公司、生物技術企業和學術研究機構都能借助我們的系統，革新他們的研究方式，從而打破長期存在的隔閡和數據壁壘」。

具體來說，K1.0 系統整合了超過 100 萬名患者的多模態數據，並利用基礎模型和大型多模態模型進行分析，為合作夥伴提供深入的生物學洞察。與此同時，Owkin 的濕實驗室會驗證 AI 生成的生物學洞察，並將新的實驗數據反饋至 K1.0，持續增強模型的性能，這種「數據-模型-實驗」的閉環設計，使得 K1.0 能夠不斷優化。

K1.0 系統的應用範圍十分廣泛，支持生物標誌物發現、靶點識別、患者人群篩選、臨床試驗優化和 AI 診斷開發等，所有功能都基於新發現的生物標誌物，旨在推動精準醫學的發展。

目前，該系統已為賽諾菲 (Sanofi)、百時美施貴寶 (BMS) 和阿斯利康 (AstraZeneca) 等製藥巨頭提供支持，系統的首個開發項目是針對實體瘤患者的 EP2/EP4/DP1 三重抑製劑 OKN4395，已在 I 期臨床試驗中對患者進行給藥。與此同時，Owkin 開發的靶點識別工具 TargetMATCH 和藥物定位工具 DrugMATCH 等，也在助力合作夥伴的管線開發。

除了在藥物研發領域的卓越表現，Owkin 在癌症診斷方面也取得了顯著進展。

在臨床實踐中，醫生往往難以準確預測哪些患者會復發，哪些患者的病情將保持穩定。然而，這種預測能力對於製定個性化治療方案至關重要。如果能夠精準識別高復發風險患者，醫生便可及時調整治療策略，強化治療強度。而對於病情穩定的患者，則可以減少不必要的治療干預，提高生活質量。

AI 技術不僅能夠提升生物標誌物篩查的效率，還可以優先處理緊急病例，深入分析患者預後及治療反應，幫助醫生更快、更準確地做出決策，這對於醫療資源有限的地區尤為重要。針對這一需求，Owkin 開發了多款癌症診斷工具，包括結直腸癌診斷工具 MSIntuit® CRC 和 MSIntuit® CRC v2，以及乳腺癌診斷工具 RlapsRisk® BC 等。

2024 年 11 月，Owkin 曾與 AI 腫瘤病理學公司 Proscia 合作，將其 MSIntuit® CRC v2 工具集成至 Proscia 的 Concentriq® 軟件平台，從而幫助病理學家對 MSS/pMMR 結直腸癌患者進行預篩查，推動精準醫學在結直腸癌診療中的深入應用。值得一提的是，MSIntuit® CRC v2 是在已獲得 CE-IVD 認證的 MSIntuit® CRC 工具上進行升級，其檢測敏感性高達 95%。公司還與伯明翰大學醫學院、Cerba Path 等機構合作優化結直腸癌的診斷，而在乳腺癌診斷方面，Owkin 也先後與 Aster Insights、Gustave Roussy、阿斯利康 (AstraZeneca) 等公司進行合作。

總而言之，Owkin 的創新性平台和廣泛的合作網絡，正在為全球患者帶來更多希望。未來，公司計劃開發一系列能夠自動分析多模態空間數據的 Agent，並將下一代 Owkin K2.0 操作系統與其實驗室整合，構建一個由 Agent 驅動的自動化機器人實驗室。可以預想，這些 Agent 或許有一天能夠獨立運行自己的研究項目，從而大幅提升醫學研究的效率。期待 Owkin 在 AI 與醫療融合的道路上繼續引領變革。

AI 無法取代醫生，合作才能共贏

Owkin 的戰略和營銷主管 Anna Huyghues-Despointes 曾指出：「通過與學術中心等研究機構合作，我們可以共同部署基礎設施、準備數據、訓練預測模型、驗證結果，並在頂級科學期刊上發表集體成果。我們始終相信，合作是推動醫學研究進步的關鍵。」這一觀點強調了合作在醫學研究中的重要性。

過去，醫生們對 AI 的態度普遍謹慎，比如擔心 AI 的診斷是否可靠，是否真的能幫助患者，甚至有人認為這隻是科技界的炒作。然而，隨著 AI 在影像識別、疾病預測和個性化治療等領域的不斷突破，大家逐漸認識到 AI 的潛力。例如，Google 推出的 Med-PaLM 2 模型在美國 USMLE 執業醫師資格考試中取得了 86.5 的高分，接近甚至超過了人類醫生的水平，這進一步證明了 AI 在醫療領域具備光明未來。

儘管 AI 發展迅猛，但首都醫科大學附屬北京天壇醫院黨委副書記、院長王擁軍卻表示，AI 不會取代醫生，而應被視為臨床工作的補充和提升。事實上，AI 主要在數據分析和輔助診斷方面發揮作用，而在面對臨床操作、突發事件等複雜情況時，醫生的經驗、專業判斷和應變能力仍然不可或缺。此外，醫療不僅僅是技術，更是關懷與共情，AI 在這一點方面仍有待進步。

未來，只有 AI 與醫生攜手合作，才能真正推動醫療行業的進步，為患者帶來更全面、更優質的醫療服務。

參考資料：

1.https://www.owkin.com/

2.https://www.mittrchina.com/news/detail/12974

3.https://hub.baai.ac.cn/view/37368

本文來自微信公眾號「HyperAI超神經」，作者：十九，36氪經授權發佈。