NVIDIA 与 C-BRAIN 如何用 AI 加速阿尔茨海默病研究

如今，全球有5700万人患有痴呆症。对于致力于帮助他们研究人员来说，障碍并非努力不足——而是数据太多、能综合这些数据的专家太少，以及发现的速度跟不上疾病的发展。 

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AI来改变这一现状。

阿尔茨海默病是当今全球主要的健康挑战之一，每年新诊断的痴呆症病例超过1000万例。尽管过去15年美国国立卫生研究院（NIH）的资助增长了7倍——达到每年39亿美元——但迄今尚未找到能够阻止、预防或逆转该疾病的治疗方法。 

瓶颈在于高影响力的科学发现不足、大量数据困于机构孤岛之中，以及综合整理的速度太慢，无法跟上已发表研究的步伐。 

C-BRAIN由Randall Bateman博士领导，由18家成员机构组成，涵盖学术、慈善、制药和研究组织，于2025年11月启动，旨在通过加速使新疗法成为可能的研究，帮助科学家实现更好、更快的发现。 

“人工智能为我们提供了一个机会窗口，让我们能够以与以往根本不同的方式开展研究，从而加速发现以帮助患者，”Bateman说道。他是C-BRAIN的创始人兼主任，也是圣路易斯华盛顿大学医学院的Charles F. and Joanne Knight神经病学杰出教授。他将他们的工作描述为“由科学家构建、为科学家服务的AI工具”。

该联盟正在构建一个系统，利用此前未被开发的阿尔茨海默病研究数据来支持科学家的工作。

将研究速度从数周缩短至数小时

阿尔茨海默病研究中的重要资产是那些从未对AI工具或人类研究人员公开开放的数据集。这包括未发表的研究结果、阴性结果以及来自成员机构的受治理专有数据。 

“许多生命科学数据并未进入前沿模型，”C-BRAIN首席技术官Ade Ojewole博士说道。“其后果是我们浪费了大量智能。” 

C-BRAIN将其称为“暗数据”，它拖慢了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AI工具访问。为了在不损害患者隐私或机构治理的前提下使用这些数据，C-BRAIN采用集中式与联邦式相结合的方法——AI模型在各机构本地从数据中学习，而数据无需离开机构内部。这类基础设施的构建和扩展在技术上要求很高，这也是NVIDIA为此次合作带来的部分贡献。

C-BRAIN目前本地运行64块NVIDIA数据中心GPU，同时使用Microsoft Azure上的云端节点，随着联盟雄心扩大，未来还将增加NVIDIA GPU容量，包括NVIDIA Blackwell系统。

为了探索 AI 和加速计算如何在应对其技术需求的同时推动阿尔茨海默病研究，C-BRAIN 正与 NVIDIA 合作，将包括 NVIDIA BioNeMo 开放开发者平台和 MONAI 框架在内的技术纳入 C-BRAIN 的研究流程。

Bateman 表示：“C-BRAIN 与 NVIDIA 的合作旨在释放这些模型的潜力，使其能够带来极具影响力和重要价值的成果。” 

Ojewole 表示：“随着我们不断突破当今空间组学机器学习架构所能建模的边界，将需要大量的优化工作。NVIDIA 的软件肯定会在其中发挥作用。” 

C-BRAIN 的研究人员已经构建了两款工具：OpenScientist——由 劳伦斯伯克利国家实验室在研究科学家 Justin Reese 领导的努力下共同构建——以及 InsightEngine，后者与 387 Labs 共同构建。 

OpenScientist 是一个开源的智能体式 AI 联合科学家，它接收科学家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 AI 对照科学文献检验假设，分析用户提供的数据集，探索生物医学知识图谱，并对照证据核查每一项主张，从而在研究团队投入昂贵的实验之前发现幻觉。

在已发表的案例研究中，OpenScientist 在几分钟内完成了领域科学家估计需要数周至数月才能完成的分析，每次运行成本低于 10 美元。以 C-BRAIN 目前覆盖 200 多个研究组的规模，这一能力可释放大量研究产能，规模化后每年可能超过一百万小时。

从相关性到因果性

展望未来，C-BRAIN 旨在构建一个多模态生物基础模型，基于其全部数据范围进行训练——包括神经影像、多组学、体液生物标志物和纵向临床指标。 

到第三年，其目标是发现大脑衰老和阿尔茨海默病的新因果机制，利用全部可用的研究和数据转向可检验的科学原理。 

Bateman 表示：“能够思考和推理的 AI 有潜力加速发现，从而为全体人群带来强大且可实施的预防和治疗方案。”