AI 助力攻克阿尔茨海默病

阿尔茨海默病是医学界最具挑战性且尚未攻克的难题之一，其破坏性不言而喻：它夺走了数百万人的生命，给无数家庭带来了沉重负担，而现有医学手段仍难奏效。OpenAI 基金会希望改变这一现状。我们的目标是通过先进的 AI 技术，加速疾病预防与治疗的科学进程。^1⁠作为计划的第一步，我们将在本月内完成总额超过 1 亿美元的资助安排，覆盖六家研究机构，以期在数据构建、新药设计以及治疗路径拓展等方面实现突破。

这些资助仅仅是我们工作的开端，未来任重道远。我们预计在 2026 年及以后，将持续向更多的科学家和研究机构提供资金支持。我们坚信，通过各方的共同努力，人类终将实现预防并治愈阿尔茨海默病的愿景。

为什么关注阿尔茨海默病？

我们的使命是确保通用人工智能 (AGI) 惠及全人类。随着全球老龄化加剧，阿尔茨海默病已成为日益严峻的挑战；其病理的高度复杂性，也恰恰是 AI 技术大显身手的领域。

阿尔茨海默病的影响远不止数以百万计的确诊患者，它还波及他们的配偶、子女及看护者，给无数家庭带来沉重的精神负担与经济压力。

在过去几十年里，人类在应对四大“头号杀手”中的三类（心血管疾病、传染病及部分癌症）上已取得显著进展，有效降低了各年龄段的死亡风险：

然而，面对第四大“头号杀手”（以阿尔茨海默病为代表的神经退行性疾病），尽管全球顶尖科学家付出了巨大努力，有效的治疗手段至今依然难求：

究其原因，阿尔茨海默病并非由单一因素所致，而是多种机制交织的结果：遗传风险因子、蛋白质错误折叠、炎症反应、突触功能障碍等，在数十年间与环境因素相互作用。更复杂的是，这一切都发生在大脑中，而大脑是极难研究且药物难以送达的器官。面对如此错综复杂的变量，传统的科研范式已难以理清其中的逻辑。

面对这种复杂性，人工智能具有得天独厚的优势。AI 能够跨越患者临床症状、生物标志物、候选药物筛选等多维数据进行深度推理。这种能力为我们理解复杂因素间的相互作用提供了一种全新的路径，有助于精准锁定药物靶点，并让提前数十年诊断潜在风险成为可能。

我们的目标是助力科学家开发出全新的工具，彻底攻克阿尔茨海默病的预防与治疗难题。鉴于这一目标长期以来进展缓慢，我们将其视为衡量 AI 能否突破人类医疗极限的一块试金石。我们志在为阿尔茨海默病高风险人群及其家庭带来实质性的改变。

我们的初步方案

在制定初始策略的过程中，我们得到了外部科学评审专家的悉心指导，对此深表感谢。尽管我们对这些资助领域充满期待，但我们也深知，阿尔茨海默病的预防与治疗绝非一蹴而就。科学探索的本质意味着，挫折与失败在所难免，某些实验或许会得出负面结果。但我们将秉持科学精神，在实践中快速学习，并根据最新的研究成果不断迭代方案。

作为起步，我们就如何支持现有的科研生态、并发挥 AI 的独特优势提出了初步设想。具体而言，我们与顶尖研究机构合作，构建了一个“五层架构”的行动蓝图：

1. 利用 AI 绘制阿尔茨海默病“因果图谱”，验证干预靶点。目前可以明确的是，阿尔茨海默病是由多种因素而非单一诱因所致。这意味着我们需要绘制完整的因果网络，以便为不同人群精准锁定最有效的治疗干预节点。通过与 Arc Institute⁠ 等生物学领域的 AI 前沿机构合作，我们旨在探究大脑“类器官 (organoid)”模型对不同遗传与环境风险因子组合的反应。此类大规模实验数据将用于训练 AI 模型，从而为未来的科学实验提供决策参考。依托这一“混合引擎”，研究人员能够实时共享阶段性研究成果，供同行参考借鉴。同时，他们还能基于机制研究，识别更具针对性的药物靶点，以开展进一步的临床测试。

阿尔茨海默病之所以久攻不克，部分原因在于它是极其复杂的典型疾病。它是成百上千种遗传与环境风险因子在长达数十年的时间里，跨越不同细胞类型相互作用的产物。在 Arc，我们正致力于开发实验与计算技术，旨在真正实现对这些复杂交互的大规模测绘。

— Patrick Hsu 博士，Arc Institute 联合创始人兼核心研究员

我们希望找到特定的干预手段，就像“点击并拖动”一样，将细胞从病理状态拉回到健康状态。为了实现这一目标，我们启动了一个主动学习循环：在患者数据的引导下，系统地对人体组织模型进行干预并观测反应，随后利用所得结果不断迭代、优化我们的阿尔茨海默病 AI 模型。每一次循环都能让我们更清晰地掌握疾病路径的汇聚点，从而精准锁定干预时机。

—Silvana Konermann 博士，Arc Institute 联合创始人兼执行主任

2. 在 AI 辅助下设计新药，并开展实验室测试 — 与蛋白质设计研究所⁠ (IPD) 深度合作，并携手其他研究机构的顶尖神经专家与科学家共同推进。自 2000 年以来，已有超过 100 种阿尔茨海默病药物进入临床试验阶段，但几乎均以失败告终，或因副作用过大而折戟。我们坚信，随着 AI 生物学工具的演进，由 AI 辅助设计的分子在未来将拥有更高的成功率。然而，要验证这一设想，研究人员首先必须在细胞、组织及动物模型中，对其数字化的设计成果进行严谨的实验验证。

在华盛顿大学医学院蛋白质设计研究所 (IPD)，我们致力于构建协作管线，以期对全球福祉产生深远的影响。利用我们最新的 AI 驱动蛋白质设计模型，我们已成功开发出能够与阿尔茨海默病演变的关键靶点结合、并对其进行修饰和降解的分子。目前，我们的首要任务之一是不断扩展、完善这一工具包，并将其分享给神经科学家，由他们利用这些定制蛋白质来预测并阻断神经退行性病变。

—David Baker 博士，诺贝尔奖得主、华盛顿大学蛋白质设计研究所 (IPD) 所长

3. 支持构建开放数据集以预测药物活性，并描绘干预前后的疾病演变轨迹。这包括与 EvE Bio⁠ 等非营利性“聚焦研究组织”（FRO) 合作，创建与阿尔茨海默病相关的全新开放数据集；同时也包括支持扩展现有的纵向研究与流行病学数据集。此外，我们还将探索如何以负责任的方式，开放生物技术公司现有的、可能令全体科研人员受益的数据。

4. 为疾病建立新的生物标志物，改进诊断方式和临床试验开展方式，并与 UCSF 等合作伙伴携手推进。首个阿尔茨海默病血液检测于去年⁠获批，这为专科医生以侵入性更低的方式评估患者病情提供了更多工具。此外，血液及其他生物标志物使研究人员能够精准衡量药物对疾病进展的影响；即便是在针对其他病症（如近期一项关于心血管疾病的试验⁠）的临床研究中，这些标志物也可作为次要衡量指标发挥关键作用。随着 AI 展现出理清复杂生物信号的能力，现代蛋白质组学以及其他临床样本采集技术，正为我们开启更多深入研究的契机。

阿尔茨海默病依然是医学界最紧迫的挑战之一，而研究的突破关键在于将科学进展与临床护理紧密结合。通过此次协作，我们得以汇聚世界领先的研究力量 — 从蛋白质设计的最新进展，到加州大学旧金山分校 (UCSF) 深刻的临床与生物学洞察 — 从而更深入地探索病理，开拓全新的治疗路径。借助 AI，我们能够整合这些多元见解，理清其中的复杂逻辑。这为我们提供了加速科研发现的良机，进而切实改变患者的生活。

—S. Andrew Josephson 医学博士，加州大学旧金山分校 (UCSF) 以及 UCSF Weill 神经科学研究所神经学教授兼系主任

5. 测试已过专利期疗法，并利用 AI 深入分析匿名患者数据及患者在线报告的信息。目前已有一些干预手段显示出潜在疗效 — 例如乳清酸锂⁠和已过专利期带状疱疹疫苗⁠。然而，这些疗法仍需更高质量的证据支撑，且由于缺乏商业激励，私营部门往往没有动力为其临床试验注资。

我希望，生理剂量的乳清酸锂在阿尔茨海默病小鼠模型中逆转病理、恢复记忆的能力，也能成功转化到老年人群体中。锂驱动着我们的手机、电脑和电动汽车；我推测，早在人类将锂用于电池之前，大脑或许就已经在利用其电化学特性了。

—Bruce Yankner 医学博士、哲学博士，哈佛医学院遗传学与神经病学教授，哈佛格伦衰老生物学研究中心共同主任

迭代学习

我们将同步推进这五个方向的工作，以弥补现有科研生态中的空白。随着研究界的反馈不断涌现，我们也将持续优化现有策略，与各方携手探索攻克阿尔茨海默病预防与治疗的有效方案。

通过直面阿尔茨海默病的挑战，我们的目标不仅是改写这一疾病的发展进程，更是为了构建一套能够通用化的工具与知识体系，从而加速人类对抗更多疾病的科研步伐。

* * *

如果你希望获取 OpenAI 基金会的最新动态，欢迎在此订阅⁠。若需联系我们的“生命科学与疾病防治”(Life Sciences & Curing Diseases) 团队，请致信 [email protected]⁠。

除了学术论文，我们也广泛研读有关 AI 与科学领域的各类报告、深度长文及博客文章，并从中获益良多。尽管我们并不完全认同其中的所有观点，但这些参考资料对我们极具启发，包括：美国国家科学院 (National Academies) 的专项报告⁠、关于阿尔茨海默病药物研发管线的综述文章⁠、如心血管疾病死亡率分析⁠等高水平医学进展总结、探讨 AI 在医学领域进展困境的 Science 杂志博客文章⁠，以及来自 IFP 关于临床数据的理念⁠。

我们鼓励研究人员公开发表相关分析成果。如果你认为其中的视角对我们有所启发，也欢迎随时将链接发送至我们的邮箱。