如今，全球有5700万人患有痴呆症。对于那些致力于帮助他们的研究人员而言，面临的障碍并非缺乏努力，而是数据过于庞大、能够整合这些数据的专家严重不足，以及研究发现的速度远远跟不上疾病发展的步伐。
神经退行性疾病生物医学研究与人工智能联盟（C-BRAIN）正与英伟达合作，利用人工智能改变这一现状。
阿尔茨海默病是当今全球面临的重大健康挑战之一，每年新增超过1000万例痴呆症病例。尽管美国国立卫生研究院在过去15年间的经费增加了7倍，目前已达每年39亿美元，但迄今仍未找到能够阻止、预防或逆转该疾病的有效疗法。
瓶颈在于缺乏足够具有重大影响力的科学发现、机构间的数据孤岛现象过于严重，以及知识整合的速度跟不上新发表的研究进展。
C-BRAIN由兰德尔·贝特曼博士及来自学术界、慈善机构、制药企业和研究机构的18个成员机构组成的联盟共同领导，于2025年11月启动，旨在通过加速推动能够带来新疗法的研究，帮助科学家实现更优质、更快速的科学发现。
“借助人工智能，我们迎来了一个难得的机遇，能够开展与以往截然不同的研究，以更快的速度推动科学发现，从而造福患者，”C-BRAIN创始人兼主任、圣路易斯华盛顿大学医学院查尔斯·F·和乔安·奈特神经学杰出教授贝特曼表示。他将他们的工作形容为“由科学家打造、服务于科学家的人工智能工具”。
该联盟正在构建一个系统，以利用此前尚未被充分挖掘的阿尔茨海默病研究数据，支持科学家的研究工作。
将研究周期从数周缩短至数小时
阿尔茨海默病研究中的关键资产是那些从未向人工智能工具或人类研究人员公开的数据集。这其中包括尚未发表的研究成果、阴性结果，以及来自成员机构的受监管的专有数据。
“许多生命科学数据并未被纳入前沿模型，”C-BRAIN首席技术官阿德·奥杰沃勒博士表示，“其后果就是我们错失了大量潜在的洞察。”
C-BRAIN将此称为“暗数据”，这拖累了阿尔茨海默病的研究。
一些暗数据被直接存入安全的计算机系统，供人工智能工具访问。为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 采用了一种集中式与联邦式相结合的混合方法——即人工智能模型可在各机构本地基于数据进行学习，而无需将数据移出其所在环境。这种基础设施在技术上构建和扩展都颇具挑战性，而这正是英伟达为此次合作带来的价值之一。
C-BRAIN 目前在本地部署了 64 块 NVIDIA 数据中心级 GPU，并与 Microsoft Azure 上的云端节点协同运行；随着该联盟的业务规模不断扩大，未来还将进一步扩充 NVIDIA GPU 算力，包括 NVIDIA Blackwell 系统。
为探索人工智能与加速计算如何在应对技术挑战的同时推动阿尔茨海默病研究，C-BRAIN正与英伟达合作，将包括NVIDIA BioNeMo开放开发者平台以及用于C-BRAIN研究流程的MONAI框架在内的多项技术纳入其中。
“C-BRAIN与NVIDIA的合作旨在以一种能够带来切实而重要成果的方式，解锁这些模型，”贝特曼表示。
“随着我们不断突破当前空间组学机器学习架构的建模极限，将需要进行大量优化，”奥杰沃勒表示。“NVIDIA 的软件无疑将在其中发挥重要作用。”
C-BRAIN 的研究人员已经开发了两款工具：OpenScientist——由研究科学家贾斯汀·里斯牵头，与劳伦斯伯克利国家实验室合作打造——以及 InsightEngine，由 387 Labs 开发。
OpenScientist 是一款开源的智能体 AI 共同科学家，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、执行分析，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 AI 对科学文献中的假设进行检验，分析用户提供的数据集，探索生物医学知识图谱，并对照证据逐一核查每一项主张，从而在研究人员开展代价高昂的实验之前及时发现并纠正幻觉。
在已发表的案例研究中，OpenScientist 在数分钟内完成了领域科学家预计需耗时数周至数月的分析，且每次运行的成本低于10美元。在 C-BRAIN 目前覆盖的200多个研究团队中，这一能力有望释放出巨大的科研计算资源，在规模化应用下，每年甚至可节省超过一百万小时的计算时间。
从相关性到因果关系
展望未来，C-BRAIN旨在构建一个基于其全量数据（包括神经影像、多组学、体液生物标志物以及纵向临床指标）训练的多模态生物学基础模型。
到第三年时，该项目旨在揭示大脑衰老与阿尔茨海默病的全新因果机制，并借助现有研究与数据的全貌，将其转化为可检验的科学原理。
贝特曼表示：“能够思考与推理的人工智能有望加速各项发现，从而为全人群带来强大且可落地的预防与治疗方案。”