人工智能如何加快数百万痴呆症患者的疾病发现进程

截至2026年10月27日，神经退行性疾病生物医学研究与人工智能联盟（C-BRAIN）已将代理式AI接入阿尔茨海默病研究流程。该联盟于2025年11月启动，由Randall Bateman牵头，汇集学术、慈善、制药和研究领域的18家成员机构。它带来的核心变化，是让分散、未公开或受治理限制的数据进入可审计的研究链路；在项目材料引用的案例中，原本可能需要数周至数月完成的部分分析被压缩至分钟级。

资料显示，全球约有5700万人患有痴呆症，每年新增痴呆症病例超过1000万。尽管美国国立卫生研究院近15年的投入增至原来的7倍、达到每年39亿美元，迄今仍没有能够阻止、预防或逆转阿尔茨海默病的治疗方案。研究面临的核心障碍不只是算力不足，还包括数据封闭、专家数量有限，以及海量文献和实验结果无法及时综合。

让分散数据进入同一条研究链路

• C-BRAIN把未发表的发现、阴性结果以及成员机构受治理的专有数据统称为“暗数据”。这些资料过去难以被前沿模型充分利用，也很少进入跨机构综合分析。
• 联盟采用集中式与联邦式结合的架构：部分数据部署在安全计算系统中，部分模型则在各机构本地学习数据，避免原始数据离开机构边界，同时保留统一的研究流程。
• 两个开源工具已经投入使用。OpenScientist接收研究问题和数据集，半自主生成假说、执行分析并输出可核验、可审计的结果；InsightEngine则用于比对科学文献、分析数据集、探索生物医学知识图谱，并检查论述是否有证据支持。

适合先做证据整理和候选筛选

这类工具更适合承担数据清理、跨文献比对、候选机制筛选和重复分析，而不是直接给出患者治疗方案。C-BRAIN覆盖200多个研究组后，估计在更大规模下每年可能释放超过100万小时研究产能；这是项目方的潜力测算，并非已经实现的节省。

基础设施也在同步扩展。C-BRAIN披露，其本地运行64块NVIDIA数据中心GPU，并连接Microsoft Azure云端节点，同时正整合BioNeMo平台和MONAI框架，以处理空间组学等复杂任务。后续扩容计划包括更多NVIDIA GPU及Blackwell系统，但实际部署规模仍需继续核实。

效率提升不能替代科学验证

• 项目材料所引案例称，OpenScientist能在数分钟内完成领域专家估计需要数周至数月的分析，但这类结果主要来自合作方披露，不能直接等同于独立基准测试或临床收益。
• C-BRAIN计划训练整合神经影像、多组学、体液生物标志物和纵向临床数据的多模态基础模型，并在第三年发现脑衰老及阿尔茨海默病的因果机制。这个目标仍处于研发阶段，现阶段不能把相关性直接解释为因果关系。
• 混合式架构的扩展并不轻松。机构治理、患者隐私、模型偏差、证据遗漏及“幻觉”都需要逐项控制；空间组学模型也仍需大量优化。联邦学习和集中计算各有成本，没有一种架构可以消除全部难题。

因此，AI在现阶段更现实的价值是扩大研究人员能够处理的数据范围、缩短部分分析时间，并帮助形成可追溯的证据链。它能否真正把研究转化为有效的预防与治疗方案，仍要取决于因果验证、独立复现和临床转化能否持续推进。

资料来源：How AI Is Changing the Pace of Discovery for Millions Living With Dementia（2026-10-27）。