医疗 AI 并非新鲜话题，但近日方舟投资首席执行官兼投资总裁凯西·伍德 (Cathie Wood) 的表态再次点燃市场热情。在她看来，医疗保健是当前最被低估的 AI 应用领域，其在精准诊疗和药物研发方面的潜力尚未被充分挖掘，这一观点不仅引发了资本市场的关注，还直接导致了医疗 AI 相关板块的股价波动，凸显了 AI 技术在医疗领域的巨大价值。
在这一波 AI 赋能精准医疗的浪潮中，Owkin 作为首个端到端人工智能生物技术公司，正以其领先的机器学习算法和联邦学习技术，走在行业前沿。该公司解决了大众最担心的患者数据隐私问题，通过整合不同机构的多模态数据（如基因组学、空间组学、临床数据等），帮助研究人员和医生深度挖掘医疗数据的潜力，不仅加速了生物标志物的发现，还为精准医疗提供了可靠的决策依据，助力乳腺癌、直肠癌等癌症的诊断和药物研发。
自 2016 年成立以来，Owkin 获得了超 1 亿美元融资，得到了包括 Google Ventures 和赛诺菲在内的众多机构支持。该公司还获得法国 20 家值得关注的人工智能初创企业、2023 年最值得关注的医疗和技术初创公司之一、最佳医疗技术大奖、福布斯 AI 50 强等。
将患者的隐私放在首位，用集体智能破除数据孤岛
Owkin 的成功离不开两位创始人的专业背景和共同信念。创始人之一 Thomas Clozel 博士曾是临床血液肿瘤学助理教授，这段经历让他对如何帮助患者有了更深刻的认知，也激发了他利用技术改善医疗效果的决心。另一位创始人 Gilles Wainrib 博士则长期在 AI 生物学领域探索，在神经网络、机器学习、药物发现和精准医疗等方面发表多篇论文。两人秉持着对 AI 赋能医疗的共同信念，携手创立了 Owkin。
左侧：Gilles Wainrib 右侧：Thomas Clozel 图源：FRENCH MORNING
Owkin 的核心使命是实现精准医疗，也就是根据每位患者的独特生物特征量身定制治疗方案，避免传统的「千人一方」治疗模式。 这种需求非常迫切，因为癌症在不同患者之间可能存在基因和症状上的差异，但许多患者仍然接受相同的治疗方案，治疗效果严重受限。
让 AI 技术在多模态患者数据中识别不同的生物标志物，并对患者进行亚群分类，将每类患者与最佳治疗靶点匹配，推动靶点药物研发、优化疾病诊断工具，实现真正意义上的个性化医疗，这是 Owkin 公司正在走的路。而实现以上目标的关键在于——如何既能进行数据共享，又能保证患者的数据隐私？
过去，研究人员们往往在自己关注的特定领域进行探索，导致了「数据孤岛」。Thomas Clozel 认为，真正的创新来源于跨学科的整合，如果能将临床、单细胞、空间组学、组织学等多模态数据整合起来，并让数据科学家、临床医生、学术界人士和制药公司共同参与研究，将加速发现新的疾病机制，从而开发更具针对性的精准医疗方法。也就是说，数据共享是解决办法之一。然而，医疗数据包含敏感的个人信息，数据共享往往伴随着隐私泄露的风险，这使得许多医疗机构对此望而却步。
针对此，Owkin 采用联邦学习 (Federated Learning) 来解决，Thomas Clozel 将其简单定义为，允许各大机构在无需共享数据的前提下，共同训练人工智能模型。
具体来说，联邦学习允许多个数据提供方（医疗中心、研究机构、生物制药公司等）以分布式方式协同训练机器学习模型。也就是说，将患者数据始终保留在各自的服务器上，仅有算法和预测模型在服务器之间传输，即算法被发送到不同的数据中心并进行本地训练。训练完成后，仅算法返回中央位置，改进后的预测结果会被发送到每个本地数据集，并进一步优化。如下图所示，通过这种方法，Owkin 已经整合了 83 个合作伙伴的 11 种模态患者数据。
简而言之，联邦学习在保证患者隐私的基础上大规模解锁了数据，与此同时，分析不同数据获得的结论或研究成果可以被集体共享，从而加速医学研究的进展。为了推动这一技术的普及，Owkin 开源了联邦学习软件 Substra ，可用于临床研究、药物研发等。
开源地址： https://github.com/substra
值得一提的是，2023 年 6 月，Owkin 曾发起了一项名为 MOSAIC（癌症多组学空间图谱）的项目 ，公司与顶级癌症研究医院等合作，针对 7 种难治性癌症（NSCLC，卵巢，膀胱，间皮瘤，胶质母细胞瘤，乳腺癌，DLBCL），征集来自 7,000 名患者的多模态数据。据悉，这是全球最大的癌症空间组学数据集， 比现有数据集大 100 倍。利用这些数据，Owkin 可以研发先进的人工智能算法，并提供治疗建议。
MOSAIC 地址：
https://www.mosaic-research.com/
立志实现生物学领域的首个通用人工智能
今年 1 月，Owkin 宣布要将其过去 8 年积累的方法论和 AI Agent 集成到一个系统中，推出 Owkin K1.0 Turbigo，旨在实现生物学领域的首个通用人工智能 (AGI)。 Thomas Clozel 表示：「Owkin 的目标是让 Owkin K 成为这一领域的标准操作系统。我们希望，每一家制药公司、生物技术企业和学术研究机构都能借助我们的系统，革新他们的研究方式，从而打破长期存在的隔阂和数据壁垒」。
具体来说，K1.0 系统整合了超过 100 万名患者的多模态数据，并利用基础模型和大型多模态模型进行分析，为合作伙伴提供深入的生物学洞察。与此同时，Owkin 的湿实验室会验证 AI 生成的生物学洞察，并将新的实验数据反馈至 K1.0，持续增强模型的性能，这种「数据-模型-实验」的闭环设计，使得 K1.0 能够不断优化。
K1.0 系统的应用范围十分广泛，支持生物标志物发现、靶点识别、患者人群筛选、临床试验优化和 AI 诊断开发等，所有功能都基于新发现的生物标志物，旨在推动精准医学的发展。
目前，该系统已为赛诺菲 (Sanofi)、百时美施贵宝 (BMS) 和阿斯利康 (AstraZeneca) 等制药巨头提供支持，系统的首个开发项目是针对实体瘤患者的 EP2/EP4/DP1 三重抑制剂 OKN4395，已在 I 期临床试验中对患者进行给药。与此同时，Owkin 开发的靶点识别工具 TargetMATCH 和药物定位工具 DrugMATCH 等，也在助力合作伙伴的管线开发。
OKN4395 靶标之一的 3D 重建图 图源：Owkin
除了在药物研发领域的卓越表现，Owkin 在癌症诊断方面也取得了显著进展。
在临床实践中，医生往往难以准确预测哪些患者会复发，哪些患者的病情将保持稳定。然而，这种预测能力对于制定个性化治疗方案至关重要。如果能够精准识别高复发风险患者，医生便可及时调整治疗策略，强化治疗强度。而对于病情稳定的患者，则可以减少不必要的治疗干预，提高生活质量。
AI 技术不仅能够提升生物标志物筛查的效率，还可以优先处理紧急病例，深入分析患者预后及治疗反应，帮助医生更快、更准确地做出决策，这对于医疗资源有限的地区尤为重要。针对这一需求，Owkin 开发了多款癌症诊断工具，包括结直肠癌诊断工具 MSIntuit® CRC 和 MSIntuit® CRC v2，以及乳腺癌诊断工具 RlapsRisk® BC 等。
乳腺癌研究 图源：Owkin
2024 年 11 月，Owkin 曾与 AI 肿瘤病理学公司 Proscia 合作，将其 MSIntuit® CRC v2 工具集成至 Proscia 的 Concentriq® 软件平台，从而帮助病理学家对 MSS/pMMR 结直肠癌患者进行预筛查，推动精准医学在结直肠癌诊疗中的深入应用。值得一提的是，MSIntuit® CRC v2 是在已获得 CE-IVD 认证的 MSIntuit® CRC 工具上进行升级，其检测敏感性高达 95%。公司还与伯明翰大学医学院、Cerba Path 等机构合作优化结直肠癌的诊断，而在乳腺癌诊断方面，Owkin 也先后与 Aster Insights、Gustave Roussy、阿斯利康 (AstraZeneca) 等公司进行合作。
总而言之，Owkin 的创新性平台和广泛的合作网络，正在为全球患者带来更多希望。 未来，公司计划开发一系列能够自动分析多模态空间数据的 Agent，并将下一代 Owkin K2.0 操作系统与其实验室整合，构建一个由 Agent 驱动的自动化机器人实验室。可以预想，这些 Agent 或许有一天能够独立运行自己的研究项目，从而大幅提升医学研究的效率。期待 Owkin 在 AI 与医疗融合的道路上继续引领变革。
图源：Owkin
AI 无法取代医生，合作才能共赢
Owkin 的战略和营销主管 Anna Huyghues-Despointes 曾指出：「通过与学术中心等研究机构合作，我们可以共同部署基础设施、准备数据、训练预测模型、验证结果，并在顶级科学期刊上发表集体成果。我们始终相信，合作是推动医学研究进步的关键。」这一观点强调了合作在医学研究中的重要性。
过去，医生们对 AI 的态度普遍谨慎，比如担心 AI 的诊断是否可靠，是否真的能帮助患者，甚至有人认为这只是科技界的炒作。然而，随着 AI 在影像识别、疾病预测和个性化治疗等领域的不断突破，大家逐渐认识到 AI 的潜力。例如，Google 推出的 Med-PaLM 2 模型在美国 USMLE 执业医师资格考试中取得了 86.5 的高分，接近甚至超过了人类医生的水平，这进一步证明了 AI 在医疗领域具备光明未来。
尽管 AI 发展迅猛，但首都医科大学附属北京天坛医院党委副书记、院长王拥军却表示，AI 不会取代医生，而应被视为临床工作的补充和提升。事实上，AI 主要在数据分析和辅助诊断方面发挥作用，而在面对临床操作、突发事件等复杂情况时，医生的经验、专业判断和应变能力仍然不可或缺。此外，医疗不仅仅是技术，更是关怀与共情，AI 在这一点方面仍有待进步。
未来，只有 AI 与医生携手合作，才能真正推动医疗行业的进步，为患者带来更全面、更优质的医疗服务。
参考资料：
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。