Owkin 将 K Pro 与患者数据授权给 Servier 用于肿瘤学研究

Owkin 在 2026 年 9 月 11 日 宣布达成协议，将其用于生物制药研究的 AI 科学家 K Pro 以及多模态患者数据授权给 Servier——一家由基金会治理的独立国际制药集团，以推动 Servier 的肿瘤学研究。

授权范围

根据协议，Owkin 将其 MOSAIC 网络中的多模态患者数据提供给 Servier 的研究团队，在 K Pro 中进行分析。该公告以纽约和巴黎为发稿地点，将此次授权定位为双方合作的下一章节；此前两家公司在患者亚群识别方面已有合作，也涉及肿瘤学。

Owkin 将自己描述为一家具备主动性的 AI 公司，称 K Pro 将多模态患者数据与专门的生物 AI 代理相结合，以支持药物价值链每个环节的决策。公司表示，该平台能够实现分子优化、靶点发现、生物标志物识别、亚群优化以及临床试验设计，并基于真实世界患者数据以及 Owkin 的湿实验室进行训练和验证。Owkin 还称，该系统借助专门的生物工具以及通过制药合作和 AI 研究积累的十年知识。

Thomas Clozel, Owkin 的联合创始人兼首席执行官，表示: “我们的 AI 科学家正在改变生物制药的工作方式。将 K Pro 与 Owkin 的多模态患者数据相结合，Servier 的科学家能够研究难治性癌症的生物学，并获得仅靠手工分析无法得到的答案。”

Claude Bertrand，Servier 的研发执行副总裁表示，通过 K Pro 在同一平台获取高质量患者数据和 AI 驱动的分析，有助于他的团队更快速、更有信心地生成和验证假设。他说 Servier 期待在其肿瘤学研究中广泛应用这些能力。

K Pro 的已记录能力

Owkin 的 产品文档 将 K Pro 描述为一种 AI 代理，能够通过分析多模态患者数据来回答自然语言问题，并提供公司称之为严谨、可直接发表的答案。文档指出，该平台利用 TCGA 和 MOSAIC 数据集的统计证据对治疗靶点和基因候选进行排名，使用精心整理的数据库评估靶点的可成药性、安全性概况和治疗潜力，并依据多组学特征和临床结果识别不同的患者群体。

文档称，K Pro 在整体 RNA‑seq、单细胞、空间以及临床数据上检验生物标志物和假设，并整合基因组、转录组和免疫数据，以发现治疗机会并预测治疗响应。它还能够生成涵盖基因和靶点评估、生物标志物优先级排序以及专利格局分析的统计报告。

Owkin 表示，平台中心有一个智能编排器，能够动态选择并组合专门的 AI 技能，使用户只需与单一代理交互，而无需切换多个工具。公司称，该代理会持续从真实世界数据、用户反馈和临床验证中学习。

根据文档，K Pro 提供两种层级: 免费层用于在 19 个公开数据集上进行探索和演示；专业层则加入 Owkin 的专有数据集以及 MOSAIC 空间和多组学数据集，支持数据上传、更高的使用限额，并可部署为 SaaS 或在客户自有环境中运行。

MOSAIC 数据集

本次授权涉及的患者数据来源于 MOSAIC——Owkin 的一项计划，该计划在 其网站上描述其数据集是全球最大的肿瘤学空间多组学数据集。该计划称，通过绘制肿瘤微环境中细胞之间的相互作用，旨在揭示新的疾病生物学，识别更精确的患者亚型，并发现可实现更个性化治疗的生物标志物和药物靶点。

MOSAIC 网站报告称，覆盖 11 个治疗领域的患者总数为 2,725 人，涉及六种数据模态，每位患者拥有 100 项临床变量。平台为 2,371 名患者生成了空间组学数据，为 2,168 名患者提供了单细胞组学数据。各模态的具体数量包括 2,666 份数字化 H&E 样本、2,266 份全外显子测序样本、2,114 份整体 RNA‑seq 样本、2,371 份空间转录组样本以及 2,168 份单细胞 RNA‑seq 样本，此外每位患者均配有临床数据。

按适应症划分，网站列出 532 名非小细胞肺癌患者、472 名卵巢癌患者、386 名乳腺癌患者、315 名胶质母细胞瘤患者、269 名膀胱癌患者、192 名弥漫性大 B 细胞淋巴瘤患者、177 名胰腺癌患者、159 名头颈部鳞状细胞癌（HNSCC）患者、100 名结直肠癌患者、96 名间皮瘤患者以及 23 名胃癌患者。MOSAIC 的创始合作伙伴包括 Owkin、Gustave Roussy、Charité、CHUV、Universitätsklinikum Erlangen 以及匹兹堡大学。

2023 年 10 月的合作伙伴关系

该授权延伸了两家公司在 2023 年 10 月 17 日正式建立的合作关系，当时他们宣布将 AI 应用于多个疾病领域（包括肿瘤学）的更精准疗法。双方当时表示，首阶段将着手解决转化医学和数字病理学的两项挑战，Owkin 将利用机器学习对 Servier 的临床数据进行分析，以识别最有可能受益于 Servier 新疗法的患者群体。

根据当时的公告，第一个项目旨在识别肿瘤类型、肿瘤微环境以及可能对 Servier 某项资产产生最佳响应的去标识化患者亚群，随后双方分析肿瘤演化，以确定可作用于其他免疫检查点或肿瘤细胞内在机制的药物组合。第二个项目则探索数字病理学，以加速筛查并实现对组织基因标志物的更广泛分析。来自两家公司的一支跨学科团队——包括科学家、计算医学专家和临床医生——在巴黎和波士顿之间开展合作，Bertrand 当时担任研发执行副总裁兼首席科学官。