英格兰的病理科正在成为癌症诊疗链条上最安静、也最危险的瓶颈。2026年5月，超过55,000名英格兰人等待癌症确诊的时间超过了NHS四周标准；同期，只有3%的英国组织病理科室报告人手足以满足临床需求。更残酷的换算来自结直肠癌：辅助化疗每延迟四周，死亡风险增加13%。这意味着，病理医生在显微镜前少看的每一分钟，都可能被翻译成更晚的治疗窗口和更差的生存曲线。

问题并不只是“看得太慢”。一张常规H&E切片上，病理医生通常只会抽样观察少数区域，据此估计肿瘤细胞密度、有丝分裂数量和免疫细胞浸润程度。这种抽样天然携带选择偏差——选哪几个视野、由哪位医生来选、当天的工作负荷如何，都会影响结果。Octopath AI的联合创始人兼首席科学官Dr Zhuoyan Shen对此有一个直接判断：“通过采样几个区域来测量一张切片，继承了这种选择的所有变异性；计数每一个细胞则消除了它。”这家从伦敦大学学院（UCL）医学物理与生物医学工程系衍生出的公司，正试图把“计数每一个细胞”从一句口号变成可交付的软件。

2026年11月，Octopath AI以150万英镑的种子投资与资助合计金额启动，由TwinPath Ventures领投。这笔钱包含两个性质完全不同的部分：一笔来自TwinPath Ventures的股权种子投资，以及一笔来自Innovate UK Growth Catalyst的50万英镑资助。后者按匹配方式由种子轮解锁，意味着公司必须先完成股权融资，才能拿到这笔政府资金。UCL Ventures页面显示，TwinPath Ventures的种子投资为100万英镑；UCL官方新闻稿则只给出合计150万英镑的口径。两者并不矛盾，但指向一个关键事实：这不是一笔单纯的150万英镑股权融资，而是一个由股权与公共资助拼合而成的启动资金包。

字段 内容
公司 Octopath AI
轮次 种子轮（股权）与Innovate UK资助合计
金额 150万英镑
投资方 TwinPath Ventures（领投）；Innovate UK（资助方）
总部 英国（UCL医学物理与生物医学工程系衍生）
创始人 Dr Esther Bär、Dr Zhuoyan Shen、Dr Charles-Antoine Collins Fekete
官网 https://octopath.ai/

两个基础模型，试图把“玻璃片上的信息”变成可计算的数字

Octopath AI的产品核心是两个基础模型：Kraken和Nemo。据公司通稿披露，Kraken分析常规H&E切片，负责计数和分类细胞与组织结构；Nemo则针对免疫组化（IHC）切片，对每张切片上每一个细胞的染色阳性与强度进行评分。两者的训练数据来自空间组学——一种在保留分子空间位置的前提下测量RNA、蛋白质或代谢物的技术。公司称，Kraken在14种癌症类型的1410万个单独标注细胞上训练。平台的应用范围包括有丝分裂检测、肿瘤分级、免疫细胞图谱、血管分析，以及PD-L1、Ki-67等生物标志物评分。

“两分钟内以单细胞分辨率分析样本”是公司披露的核心性能指标。这个速度的意义需要放在真实工作流中理解：据Pathology in Practice报道，病理医生手工估计一张切片的肿瘤细胞密度大约需要20分钟。如果Octopath AI的软件确实能在两分钟内返回全切片、逐细胞的定量结果，那么它改变的不仅是效率，而是病理报告的信息结构——从“估计”变成“计数”。但需要明确的是，这一性能数据目前来自公司和UCL通稿口径，尚无独立第三方验证。两分钟指的是计算时间还是包含切片扫描、染色质控在内的端到端时间，来源材料未披露；单细胞分辨率在不同组织类型、不同切片质量下的稳定性，也未被本次来源覆盖。

Dr Esther Bär，Octopath AI联合创始人兼首席执行官，同时也是UCL医学物理与生物医学工程系放射治疗助理教授，对公司的定位有一个清晰的表述：“病理医生被要求用同样的切片和同样的时间做更多的事。我们需要的信息已经在玻璃片上了；它只是从未被提取出来。我们创立Octopath AI，就是要把这些信息取出来，以一种病理医生可以信任并据以行动的形式，而不增加他们的工作日。”这段话把产品价值锚定在“提取已有信息”而非“替代医生判断”上，是一种刻意与临床工作流保持兼容的姿态。

从ARISTOTLE三期试验到UCLH神经病理科：证据链的两端

Octopath AI的差异化叙事建立在两项发表于eBioMedicine的同行评审研究上。其中一项分析了ARISTOTLE三期直肠癌试验的414例活检。据UCL新闻稿描述，研究团队用AI测量肿瘤细胞密度后，识别出一个患者亚组，其结局因接受的放化疗方案不同而存在显著差异，而这一差异在试验整体层面不可见。Dr Zhuoyan Shen对此的解释是：“在我们的ARISTOTLE分析中，这种精度浮现出了试验整体无法看到的患者组间差异。重点不是AI更快——而是它测量了肉眼从未可测的东西。”

另一项伴随研究发现，AI测量的免疫细胞密度与生存相关，并且在加入标准临床变量后提高了预后准确性；验证队列来自UCLH和The Cancer Genome Atlas。这两项研究构成了公司科学叙事的主干：不是“AI比医生准”，而是“全切片逐细胞测量能揭示抽样方法看不到的亚组差异”。这是一个有实质意义的科学主张，但它目前停留在回顾性研究层面。414例活检来自已完成的临床试验档案，不等同于前瞻性验证；AI测量指标与治疗决策之间的因果关系，也未被这两项研究证明。

在临床部署端，公司披露技术已在五个站点运行，包括UCLH的神经病理科，每天处理约200张匿名切片。据Pathology in Practice报道，在UCLH神经病理科，软件计数脑肿瘤样本中的分裂细胞并测量其他特征，帮助神经病理专科医生节省时间并判断肿瘤可能的生长速度。同时，公司正在分析四项临床试验的样本，包括SCOPE2和PET-NECK。这些部署点表明，Octopath AI的产品不是停留在论文里的算法，而是已经在真实临床环境中接触日常切片。但“部署”与“用于临床决策”之间仍有距离：来源材料未说明这些站点的使用是否影响实际诊断报告，也未披露任何收入或商业合同。

监管沙盒与资助结构：一条被精心设计的验证路径

Octopath AI入选了MHRA AI Airlock第二阶段，成为七家入选公司之一。这是英国药品和健康产品管理局为AI医疗器械设立的监管沙盒，入选本身意味着公司需要与监管机构共同探索审批路径，而不是已经获得任何形式的上市许可。对一家2026年才成立的公司来说，进入Airlock第二阶段是一个有分量的早期信号——它说明监管机构认为这家公司的产品值得被纳入沙盒讨论，但同时也说明产品距离获批还有实质距离。

资金用途的表述同样透露出公司所处的阶段。公司通稿称，本轮资金将支持临床评估、监管与质量管理工作、产品开发及商业化活动，以推进监管审批。把“监管与质量管理”放在“商业化”之前，是医疗器械公司的典型排序。Octopath AI目前没有披露任何监管批准、CE标志或UKCA标志，也没有披露收入。它的商业化路径必须穿过监管审批这道门，而这道门的时间表和成本，在来源材料中均未披露。

Innovate UK的50万英镑资助以匹配方式解锁，这一结构值得注意。它意味着TwinPath Ventures的100万英镑股权种子投资是触发公共资金的先决条件，也意味着公司实际可支配的150万英镑中，有三分之一来自非稀释性公共资金。对一家早期深科技公司来说，这种结构降低了股权稀释压力，但也带来了额外的合规义务：Innovate UK资助通常附带项目里程碑和报告要求，公司需要在产品开发与资助方期望之间保持平衡。TwinPath Ventures合伙人John Spindler在通稿中的表态——“其基于空间组学的方法可以生成一个产品家族，而不是单一用途工具”——揭示了投资方的核心逻辑：押注平台的可扩展性，而非单一检测产品的市场空间。

病理AI的竞争现实：Octopath AI没有披露竞品，但竞品不会因此消失

本次来源材料没有列出Octopath AI的直接竞品，这是一个信息缺口，而不是竞争真空。数字病理和AI病理分析是一个拥挤的赛道：从大型医疗科技公司到专门的病理AI初创企业，都在争夺病理科的工作流入口。Octopath AI的差异化主张集中在两点：一是空间组学训练数据带来的单细胞分辨率，二是Kraken与Nemo覆盖H&E和IHC两类主要切片格式的平台化设计。这两点是否足以构成护城河，取决于一个尚未回答的问题：在常规临床病理场景中，单细胞分辨率的全切片测量，相比更成熟的区域采样或热图方法，能否带来足够大的诊断或预后增益，以证明其额外的计算成本和验证负担。

从已披露的信息看，Octopath AI目前最强的证据来自ARISTOTLE试验的回顾性亚组分析。这类证据对学术发表有价值，对监管审批和临床采纳来说只是起点。病理AI产品要进入临床，通常需要证明其输出在真实工作流中可重复、可解释，并且不会因为切片染色差异、扫描仪型号或组织类型变化而失效。Octopath AI在五个站点的部署，包括UCLH每天约200张切片的处理量，是积累这类证据的合理路径，但来源材料没有披露这些部署点是否覆盖不同的扫描仪、不同的组织处理流程，以及不同病理医生对软件输出的接受度。

另一个竞争维度是商业模式。公司通稿称，Octopath AI面向病理服务、制药公司和临床试验团队提供定量分析平台。这三个客户群体的采购逻辑差异巨大：病理服务关注工作流集成和监管合规，制药公司关注生物标志物分析的标准化和可审计性，临床试验团队关注跨中心一致性和数据可追溯性。一个平台同时服务三类客户，意味着产品路线图需要同时满足多种需求，这对一家种子轮公司的资源分配构成压力。来源材料未披露公司是否已有付费客户、合同金额或收入，也未披露三类客户中哪一类是当前优先方向。

150万英镑能走多远：资金、时间与验证假设的算术

150万英镑对一家需要同时推进临床评估、监管审批、产品开发和商业化的医疗器械AI公司来说，是一个紧凑的数字。公司通稿列出的资金用途覆盖四个方向，但没有给出各方向的分配比例。如果参照英国医疗器械AI初创企业的典型成本结构，监管咨询、质量管理体系建设和临床评估往往在早期占据最大份额，而产品开发和商业化活动在种子阶段通常只能做最小可行投入。Octopath AI的股权部分为100万英镑，按英国初创企业标准，这大约相当于一支5至8人团队12到18个月的运营成本，前提是不发生大规模临床验证费用。

公司的验证路径可以拆解为三个假设：第一，全切片逐细胞测量在临床相关任务上优于抽样估计，且这种优势能被前瞻性研究复现；第二，基于空间组学训练的基础模型在不同站点、不同切片条件下保持性能稳定；第三，病理医生和临床试验团队愿意为“更多定量信息”付费，而不是仅将其视为研究工具。第一个假设有eBioMedicine论文的回顾性支持，但缺乏前瞻性验证；第二个假设需要跨站点、跨扫描仪的性能数据，来源材料未披露；第三个假设目前完全没有商业数据支撑。这三个假设的验证进度，将决定Octopath AI下一轮融资的估值逻辑和投资者结构。

MHRA AI Airlock的入选提供了一个监管验证的加速通道，但它不是审批的替代品。英国在AI医疗器械监管上采取沙盒模式，意味着公司可以在监管机构监督下测试产品，但最终仍需提交完整的临床证据和技术文档。Octopath AI没有披露预期的审批时间表，也没有披露产品将首先以何种适应症或用途申报。对投资者而言，这意味着回报周期存在显著不确定性；对公司而言，这意味着150万英镑的消耗速度必须与监管里程碑严格对齐。

一个尚未被回答的问题：单细胞分辨率是否真的改变临床决策

Octopath AI的科学叙事有一个隐含前提：更多的测量精度会自动转化为更好的临床决策。Dr Zhuoyan Shen在通稿中说得更直接：“计数每一个细胞消除了采样变异。”从统计角度看，这是对的——全切片计数确实消除了抽样带来的随机误差。但从临床角度看，消除测量变异只是第一步。一个更精确的Ki-67评分或PD-L1评分，只有在医生知道如何据此调整治疗方案时，才具有临床价值。如果治疗指南仍然基于旧的抽样评分阈值，那么更精确的测量反而可能制造新的解释困难：一个全切片计数得到的Ki-67值，与指南中基于抽样估计的阈值之间，并不存在自动的对应关系。

这正是Octopath AI面临的最深层的待验证假设。公司的技术能力——两分钟内单细胞分辨率分析、1410万细胞训练集、空间组学基础模型——来自公司和UCL通稿口径，尚无独立第三方验证。但即便这些技术指标全部成立，产品要跨越从“测量精度”到“临床效用”的鸿沟，还需要回答一系列问题：新的测量指标如何与现有治疗指南对接？病理医生如何理解并信任一个他们无法用肉眼验证的全切片计数结果？监管机构要求什么样的临床证据来证明这种新测量方式的临床意义？这些问题没有在来源材料中得到回答，也不是一家种子轮公司能够在一轮融资中解决的。

从已披露的部署情况看，Octopath AI选择了一条务实的路径：先在UCLH神经病理科处理日常切片，同时分析四项临床试验的样本。这种“临床部署+试验分析”的双轨策略，可以在不立即承担诊断责任的情况下积累真实世界数据。但这也意味着，公司目前的产品角色更接近“研究工具”或“决策支持工具”，而非“诊断设备”。从研究工具到诊断设备的跨越，是病理AI领域最艰难的一段路，也是Octopath AI接下来必须用资金、数据和监管里程碑去证明的命题。

RecodeX 极客视：Octopath AI的故事真正值得关注的地方，不在于它又一家UCL衍生企业拿到了种子轮，而在于它把“全切片逐细胞测量”从一个统计理想推到了临床部署的边缘。五个站点、四项临床试验、414例回顾性活检，这些数字构成了一条从实验室到病理科的证据链。但这条链上最脆弱的一环，恰恰是公司最核心的主张：更精确的测量是否真的会改变医生和试验团队的决定。150万英镑可以验证技术稳定性，可以启动监管对话，但很难同时证明临床效用和商业意愿。Octopath AI的下一轮融资，大概率不会由“两分钟单细胞分析”这个性能指标来定价，而会由它能否拿出第一个前瞻性临床证据来决定。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。