AI如何改变数百万痴呆症患者的发现节奏

全球目前有5700万人患有痴呆症，每年新确诊的痴呆症病例超过1000万。过去15年间，美国国立卫生研究院（NIH）对该领域的资助增长了7倍，达到每年39亿美元（约合人民币280亿元），但至今仍没有找到能够阻止、预防或逆转阿尔茨海默病的治疗方法。问题不在于投入不够，而在于数据太多、能整合数据的专家太少，发现的速度跟不上疾病蔓延的速度。 为此，一个名为C-BRAIN（神经退行性疾病生物医学研究与AI联盟）的组织于2025年11月正式启动，联合英伟达及18家学术、慈善、制药和研究机构，试图用AI打破这一僵局。该联盟由华盛顿大学医学院神经学教授兰德尔·贝特曼博士领导，核心思路是把此前从未被AI工具或人类研究者触及的“暗数据”利用起来——包括未发表的研究结果、阴性实验数据以及各成员机构受管控的专有数据。C-BRAIN首席技术官阿德·奥杰沃勒博士直言，大量生命科学数据从未进入前沿AI模型，“我们等于把大量智慧留在了桌面上”。为了在不侵犯患者隐私和机构管理权限的前提下使用这些数据，该联盟采用了集中式与联邦式混合架构，AI模型可以直接在各机构内部的数据上学习，原始数据无需离开机构防火墙。 技术层面，C-BRAIN目前本地运行64块英伟达数据中心GPU，同时在微软Azure云上部署节点，未来还计划引入英伟达Blackwell系列系统。联盟正在将英伟达的BioNeMo开放开发者平台和MONAI框架整合进研究流程。目前已有两款工具落地：一款是与劳伦斯伯克利国家实验室合作开发的开源AI“联合科学家”OpenScientist，另一款是与387 Labs合作构建的InsightEngine。贝特曼将这套体系描述为“由科学家建造、为科学家服务的AI工具”。对跨境电商和AI从业者而言，这一案例的价值在于它展示了一种可复用的数据协作范式：当数据因隐私、合规或商业机密无法集中时，联邦学习加GPU加速的混合架构正在成为跨机构AI协作的可行路径，这一模式同样适用于供应链、医疗健康和金融风控等数据敏感场景。