Owkin K Pro白空间识别：一个提问让AI智能体扫千项试验找低竞争适应症

一句话结论

Owkin 这支 95 秒的演示讲清了 AI 智能体在数据分析任务上最有价值的一种用法：目标是给一个 CTLA4 靶向抗体找”白空间”适应症——生物学证据强但竞争少的领域。用户只输入一个问题，K Pro 自动化编排多个领域专用工具，扫描数千项在研临床试验、探索 MOSAIC 多组学数据集，最终锁定头颈癌，并沿着单细胞、空间组学、临床结局三层证据链完成验证。

任务定义：什么叫”白空间”

药物定位里最难的一步是选战场。“白空间”的定义演示里说得很清楚：生物学证据强、但竞争密度低的适应症。前者决定药物有没有效的潜力，后者决定商业化空间——两个条件必须同时满足，缺一个都不值得投入。这个双条件筛选本质上是个多目标优化问题，过去需要分析师分别评估再人工合并结论。

一个问题驱动全套工具链

传统做法里，“找适应症”这项研究任务意味着分析师分别去查临床试验库、拉组学数据、跑分析脚本，再把结果拼在一起。演示里的关键变化是：用户一句”为这个抗体找白空间适应症”，K Pro 的工作流编排层自动决定调用哪些领域工具——先扫数千项-active 临床试验评估竞争密度，再进 MOSAIC 多组学数据集看生物学信号，两个维度交叉对比后给出答案：头颈癌，竞争低、生物学有前景。

三层证据链逐级验证

找到候选只是开始，K Pro 接着展示生物学验证的完整路径。

第一层，单细胞转录组：在多个尺度上确认 CTLA4 在目标细胞中真实表达，不只在组织层面看到信号，而是定位到具体细胞类型。

第二层，空间组学：在组织切片上看靶点表达的具体位置，做到患者级别的可解释性——这是空间转录组技术的价值，信号不再是一个平均数，而是有空间坐标的分布。

第三层，临床结局连接：高 CTLA4 表达的患者生存期显著更长——这个信号在 MOSAIC 专有数据和公开的 TCGA 数据库中同时成立。K Pro 自动对比两个独立数据源，同一信号双重验证，可信度大增。

验证完毕后，K Pro 把全部发现合成一份战略报告，可以直接分享给团队。

对从业者的启示

值得注意的还有验证顺序的设计：先单细胞确认表达存在，再空间组学确认表达位置，最后临床数据确认表达与生存相关——三步各回答一个独立问题（有没有、在哪里、有没有用），层层递进又互不重复。这种验证链设计本身就是方法论资产。

这条演示的骨架是”提出目标 → 智能体编排工具 → 多源证据交叉 → 输出决策文档”。任何做市场选择、机会评估的团队都可以映射：试验库对应竞品数据，组学数据对应自有业务数据，双源验证对应内部与外部数据交叉。智能体的价值不是替代分析，而是把分析师从工具切换和手工拼接中解放出来。

原文信息

• 原视频标题：Conversation with K | Identify white space and prioritize indications
• 频道：Owkin
• 讲者：Owkin 官方演示
• 发布日期：2026-05-18
• 视频时长：约 2 分钟