NVIDIA 携手 C-BRAIN 用开源 AI 工具加速阿尔茨海默病研究

当今全球有5700万人患有失智症。对于致力于帮助他们的研究人员来说，障碍不在于努力不足，而在于数据太多、能够综合分析的专家太少，以及跟不上疾病发展的发现速度。 

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，每年新增失智症确诊病例超过1000万例。尽管美国国立卫生研究院的资助在过去15年中增长了7倍——达到每年39亿美元——但至今仍未找到能够阻止、预防或逆转该病的治疗方法。 

瓶颈在于高影响力科学发现不够多，数据大量分散在各个机构的孤岛中，而且综合分析的步伐太慢，跟不上已发表的研究。 

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个成员机构组成，于2025年11月成立，旨在通过加速研究来帮助科学家做出更好、更快的发现，从而让新疗法成为可能。 

“我们拥有一个利用人工智能开展全新研究的机遇窗口，可以以前所未有的方式进行研究，从而加速发现、帮助患者，”圣路易斯华盛顿大学医学院 Charles F. and Joanne Knight 杰出神经学教授、C-BRAIN 创始人兼主任 Bateman 说。他将他们的工作描述为“由科学家为科学家打造的 AI 工具”。

该联盟正在构建一个系统，利用此前未被挖掘的阿尔茨海默病研究数据来支持科学家的研究工作。

将研究周期从数周缩短至数小时

阿尔茨海默病研究的重要资产是那些从未向 AI 工具或人类研究者公开的数据集，包括未发表的发现、阴性结果以及来自成员机构的受管专有数据。 

“很多生命科学数据并没有进入前沿模型，”C-BRAIN 首席技术官 Ade Ojewole 博士说，“结果就是我们浪费了大量潜在的智能价值。” 

C-BRAIN 将这类数据称为“暗数据”，它们拖慢了阿尔茨海默病研究的进程。

部分暗数据会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混合方案——AI 模型在各机构的数据上学习，而数据本身始终不出各机构的门户。这类基础设施在构建和扩展方面技术要求很高，而这正是 NVIDIA 为此次合作带来的部分价值。

C-BRAIN 目前在本地运行64块 NVIDIA 数据中心 GPU，同时结合 Microsoft Azure 上的云端节点，随着联盟规模的扩大，还将引入更多 NVIDIA GPU 算力，包括 NVIDIA Blackwell 系统。

为了探索 AI 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 正在与 NVIDIA 合作，将包括 NVIDIA BioNeMo 开发者开放平台和 MONAI 框架在内的技术纳入其研究流程。

“C-BRAIN 与 NVIDIA 的合作旨在释放这些模型的潜力，使它们能够带来相当有影响力和重要的成果，”Bateman 说。 

“当我们突破当今空间组学机器学习架构所能建模的边界时，将需要大量的优化，”Ojewole 说，“NVIDIA 的软件肯定会在这方面发挥作用。”

C-BRAIN 的研究人员已经构建了两个工具：OpenScientist——与劳伦斯伯克利国家实验室合作构建，由研究科学家 Justin Reese 领导——以及与 387 Labs 合作构建的 InsightEngine。 

OpenScientist 是一个开源的智能体式 AI 协作科学家，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、可审计的洞察。InsightEngine 是一个开源研究平台，利用智能体式 AI 针对科学文献检验假设，分析用户提供的 datasets，探索生物医学知识图谱，并对每一个论断进行证据核查，以在研究人员投入昂贵实验之前发现幻觉。

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到数月的分析，每次运行成本不到 10 美元。以 C-BRAIN 目前覆盖的 200 多个研究团体计算，这一能力可以释放大量研究产能，规模化后每年可能超过一百万小时。

从相关性到因果

展望未来，C-BRAIN 旨在基于其全部数据——神经影像、多组学、液体生物标志物和纵向临床测量——训练一个多模态生物基础模型。 

到第三年，它计划利用现有研究和数据的全部范围，发现脑老化和阿尔茨海默病新的因果机制，进而形成可检验的科学原理。 

Bateman 说：“能够思考和推理的 AI 有潜力加速科学发现，为全人类带来强大且可落地的预防与治疗手段。”