NVIDIA与C-BRAIN用开源AI工具加速阿尔茨海默病研究

全球目前有5,700万人患有痴呆症，每年新确诊的痴呆症病例超过1,000万。NVIDIA在10月27日的博客中指出，对研究者而言，障碍不是投入不足，而是数据太多、能综合分析数据的专家太少，发现的速度赶不上疾病本身。

由华盛顿大学医学院Randall Bateman博士牵头、18家学术、慈善、药企与研究机构组成的“神经退行性疾病生物医学研究与AI联盟”（C-BRAIN）正在与NVIDIA合作，用AI改变这一局面。该联盟于2025年11月启动。

阿尔茨海默病研究长期受制于两类问题：高影响力成果不足，以及数据被困在机构孤岛中。C-BRAIN把那些从未向AI工具或人类研究者开放的未发表结果、阴性结果和受治理的专有数据称为“暗数据”。

在不泄露患者隐私、不破坏机构治理的前提下使用这些数据并不容易。C-BRAIN采用集中式与联邦式混合的架构：模型在各机构的数据所在地学习，数据本身不必离开机构围墙。这类基础设施的建设与扩展难度很高，也是NVIDIA介入的部分原因。

硬件上，C-BRAIN目前在本地运行64块NVIDIA数据中心GPU，并在微软Azure上使用云端节点，未来还计划引入包括Blackwell系统在内的更多GPU容量。软件层面，联盟正把NVIDIA BioNeMo开源开发者平台和MONAI框架纳入研究流水线。

联盟已产出两个开源工具：与劳伦斯伯克利国家实验室合作、由研究科学家Justin Reese主导的OpenScientist，以及与合作方387 Labs打造的InsightEngine。前者是一个开放的智能体“联合科学家”，接收研究问题和数据集后，半自主地生成假设、运行分析并输出可核查、可审计的结论；后者用智能体把假设放到科学文献中检验，分析用户提供的数据集、探索生物医学知识图谱，并逐条核对证据，以便在昂贵实验之前发现幻觉。

在已发表的案例中，OpenScientist完成了一些领域科学家估计需要数周到数月的分析，单次运行成本低于10美元。按C-BRAIN目前覆盖的200多个研究组计算，这一能力在规模化后每年可能释放超过100万小时的研究人力。

下一步，联盟计划构建一个多模态生物基础模型，训练数据覆盖神经影像、多组学、体液生物标志物和纵向临床指标；到第三年，它希望找到脑衰老与阿尔茨海默病的新因果机制。Bateman表示，具备思考与推理能力的AI有可能加速发现，从而为全体人群带来可实施的预防与治疗手段。