AI如何改变数百万痴呆症患者的探索速度

全球目前有5700万人患有痴呆症。对于致力于帮助他们的研究人员来说，障碍并不在于投入不够，而在于数据过多、能够整合这些数据的专家太少，而且研究发现的速度跟不上这种疾病的发展。

神经退行性疾病生物医学研究与人工智能联盟（C-BRAIN）正与NVIDIA合作，利用人工智能改变这一现状。

阿尔茨海默病是当今全球主要的健康挑战之一，每年有超过1000万例新发痴呆病例。尽管过去15年美国国立卫生研究院（National Institutes of Health）的资金增长了7倍，达到每年39亿美元，但至今尚未有任何治疗方法被证实能够阻止、预防或逆转该疾病。

瓶颈在于：具有重大影响的科学发现不足，大量数据被困在各机构的孤岛中，而且综合分析的速度跟不上已发表研究的增长速度。

C-BRAIN由Randall Bateman博士领导，由来自学术、慈善、制药和研究机构的18家成员机构组成的联盟于2025年11月成立，旨在通过加速促成新疗法的研究，帮助科学家更好、更快地取得发现。

“借助人工智能，我们迎来了一个机遇窗口，可以以前所未有的方式开展研究，加速发现，造福患者，”C-BRAIN创始人兼主任、圣路易斯华盛顿大学医学院Charles F. and Joanne Knight杰出神经病学教授Bateman说。他将该工作描述为“由科学家打造、为科学家服务的人工智能工具”。

该联盟正在构建一个系统，利用以往未被充分利用的阿尔茨海默病研究数据来支持科学家的工作。

将研究周期从数周缩短至数小时

阿尔茨海默病研究的关键资源，是那些从未向人工智能工具或人类研究人员公开开放的数据集。其中包括未发表的研究结果、阴性结果，以及成员机构拥有的受管控专有数据。

“很多生命科学数据无法进入前沿大模型，”C-BRAIN首席技术官Ade Ojewole博士说，“其结果是，我们白白浪费了大量的智力资源。”

C-BRAIN将这类数据称为“暗数据”，它正在拖慢阿尔茨海默病的研究进程。

部分暗数据被直接存入安全的计算机系统，供人工智能工具访问。为了在不损害患者隐私和机构治理的前提下使用这些数据，C-BRAIN采用了集中式与联邦式相结合的混合方法：人工智能模型在各机构本地学习数据，数据本身无需离开其所在机构。这类基础设施在构建和扩展上技术难度很高，这也正是NVIDIA为该合作带来的价值之一。

C-BRAIN目前在本地运行64块NVIDIA数据中心GPU，并在Microsoft Azure上运行基于云的计算节点。随着联盟目标的扩大，更多NVIDIA GPU算力（包括NVIDIA Blackwell系统）也即将到位。

为探索人工智能和加速计算如何在应对技术挑战的同时推进阿尔茨海默病研究，C-BRAIN正与NVIDIA合作，将包括NVIDIA BioNeMo开放开发者平台和MONAI框架在内的技术整合进C-BRAIN的研究流程。

“C-BRAIN与NVIDIA的合作旨在释放这些模型的潜力，使其能够产生极具影响力和重要意义的成果，”Bateman说。

“随着我们不断拓展当前空间组学机器学习架构的建模边界，将需要大量的优化工作，”Ojewole说，“NVIDIA的软件在这方面肯定会发挥作用。”

C-BRAIN的研究人员已经构建了两款工具：OpenScientist和InsightEngine。OpenScientist由劳伦斯伯克利国家实验室与研究科学家Justin Reese领导的团队共同开发；InsightEngine则由387 Labs共同开发。

OpenScientist是一款开源的智能体式人工智能“协同科学家”，它接收科学家提出的研究问题和数据集，然后半自主地生成假设、运行分析，并产出可验证、可审计的洞见。InsightEngine是一个开源研究平台，利用智能体式人工智能，将假设与科学文献进行比对，分析用户提供的数据集，探索生物医学知识图谱，并对每一项论断进行证据核查，以便在研究人员投入高昂的实验之前发现幻觉式错误。

在已发表的案例研究中，OpenScientist完成分析所需的时间仅为数分钟，而领域科学家估计这些分析需要数周至数月；每次运行成本低于10美元。以C-BRAIN目前覆盖的200多个研究团队计算，这一能力有望释放大量研究产能，在规模化应用后，每年可能节省超过100万小时。

从相关性到因果关系

展望未来，C-BRAIN计划基于其全部数据广度构建一个多模态生物学基础模型，这些数据包括神经影像、多组学、体液生物标志物和纵向临床测量。

到第三年，该联盟旨在发现脑衰老和阿尔茨海默病的全新因果机制，并利用现有的全部研究资源与数据，将其推进为可检验的科学原理。

Bateman表示：“能够思考和推理的人工智能，有潜力加速相关发现，进而为全人群带来强有力、可落地的预防和治疗方法。”