以 AI 應對阿茲海默症

阿茲海默症是醫學界至今最難解決的問題之一，也是其中一種最具破壞性的疾病。阿茲海默症奪去數以百萬計人的生命，為家庭帶來沉重負擔，而現今醫學仍未能有效應對。在 OpenAI Foundation，我們希望透過先進 AI 加快預防和治療這種疾病的科研進展，改變這個局面。^1⁠作為第一步，我們正於本月推進向六間研究機構提供總額超過 1 億美元的資助，以支持並加快阿茲海默症研究。我們期望能透過研究產生新數據、協助設計新藥，並拓展更多可行治療途徑。

這些資助只是我們工作的開始；而未來需要做的工作還有很多。我們預期會在 2026 年及之後繼續提供更多阿茲海默症相關資助，支持更多科學家及研究機構，讓我們最終能夠共同預防和治療阿茲海默症。

為甚麼要重點關注阿茲海默症？

我們的使命是確保 AGI 能造福全人類。阿茲海默症是一個非常嚴重的問題，而且隨著人口老化，情況正不斷惡化，而這種疾病的複雜性亦非常適合以 AI 應對。

阿茲海默症影響的不只是數以百萬計確診患者，也包括其配偶、子女和其他照顧者。這種疾病為家庭帶來沉重的情緒和財政壓力。

過去數十年間，人類已在四大致命疾病中的三類（心臟病、傳染病及部分癌症）取得進展，降低了任何特定年齡的死亡風險：

然而，對於第四大致命疾病，即阿茲海默症等神經退化性疾病，雖然人類最頂尖的科學家已作出努力，至今仍大致難以攻克：

這是因為阿茲海默症似乎並非由單一原因所致，而是由基因風險因子、蛋白質錯誤摺疊、炎症、突觸功能障礙等多種因素互相作用所致，再加上環境因素在數十年間持續影響，而一切都發生在大腦之中；而大腦本身既難以研究，也難以把藥物有效送達。傳統研究方法一直難以理清這些關係。

對於應對這種複雜性，AI 特別大派用場：AI 能跨越不同類型的資料進行推理，包括病人的臨床症狀、疾病的生物標記、候選藥物篩選結果等，為理解這些因素如何互動、找出合適藥物靶點，以及提早數十年為病人診斷可採取行動的風險，提供一種根本嶄新的方法。

我們的目標，是協助科學家發明新工具，最終預防和治療阿茲海默症。由於這個目標至今一直極難實現，我們視之為 AI 能否改變人類健康領域可能性的明確考驗。我們希望為面臨阿茲海默症風險的人及其家人帶來有意義的改變。

我們的初步方向

我們衷心感謝外部科學評審為我們的初步策略提供支持。雖然我們對每一個資助方向都感到非常振奮，但我們並不預期能夠一下子達成預防和治療阿茲海默症的目標。有些實驗將會得出負面結果，過程中亦難免會遇到挫折，而這正正就是科學的本質；我們會盡快從中學習，並隨着結果陸續出現，持續更新我們的方向。

作為起點，我們初步假設如何能以補足現有工作的方式支持研究生態系統，並善用 AI 當下能做到的事。整體而言，這形成了於頂尖研究機構推進的「五層架構」活動：

1. 運用 AI 建立阿茲海默症的「因果地圖」，以驗證介入靶點。現時有一點已相當明確：導致阿茲海默症的因素很多，而非單一原因。這意味着我們應該繪製完整的因果因素網絡，找出對不同人而言最有效的治療介入節點。透過與 Arc Institute⁠ 等 AI 生物學前沿研究人員合作，我們希望了解模擬大腦「類器官」對不同基因和環境風險因素組合的反應。這類大規模實驗數據可用於訓練 AI 模型，為未來實驗提供指引。透過這種混合引擎，研究人員可以在研究過程中分享發現，讓其他人能在此基礎上繼續發展，並提出具機制性依據的藥物靶點以作進一步測試。

阿茲海默症之所以一直難以治療，部分原因在於阿茲海默症是典型的複雜疾病，是數以百計基因和環境風險因素在不同細胞類型之間、歷經數十年互相作用的結果。在 Arc，我們正建立可真正大規模描繪這些互動的實驗和計算技術。

—Arc Institute 共同創辦人兼核心研究員 Patrick Hsu 博士

我們希望找到一些擾動，能夠像按住滑鼠拖曳一樣，把細胞由疾病狀態帶回健康狀態。為此，我們運行一個主動學習循環：以病人資料為指引，有系統地擾動人體組織模型，然後量度病人的反應，並利用結果反覆改進我們的阿茲海默症 AI 模型。每一輪循環都讓我們更清晰掌握疾病途徑在何處匯聚，以及應在哪裡介入。

—Arc Institute 聯合創辦人兼執行總監 Silvana Konermann 博士

2. 在 AI 協助下設計新藥，並在實驗室中測試 – 與 Institute for Protein Design（蛋白質設計研究所）⁠等合作夥伴，以及其他研究機構的頂尖神經科醫生與神經科學家攜手進行。自 2000 年以來，已有超過 100 種阿茲海默症藥物接受臨床試驗，但幾乎全部不是無效，就是會帶來不良副作用。我們相信，借助 AI 生物學工具設計的分子，長遠而言成功機率會更高。但要判斷這是否屬實，研究人員首先必須能夠在細胞、組織和動物中驗證這些數碼設計成果。

在華盛頓大學醫學體系蛋白質設計研究所，我們致力建立協作流程，以為全球福祉帶來最大的正面影響為目標。我們運用最新的 AI 驅動蛋白質設計模型，已成功設計出能夠與對阿茲海默症病情進展最重要的靶點結合、加以改變並促使其降解的分子。未來我們其中一項最優先的工作，是進一步擴展、改良及分享這套工具，讓神經科學家能夠運用我們設計的蛋白質來預測並解決神經退化問題。

—華盛頓大學蛋白質設計研究所所長、諾貝爾獎得主 David Baker 博士

3. 支持建立開放資料集，以預測藥物活性，並描繪疾病在有干預和沒有干預下的進展。這包括與 Focused Research Organisation 非牟利機構 EvE Bio⁠ 合作，建立與阿茲海默症相關的新開放資料集。這亦包括支持擴展現有的縱向和流行病學資料集，以及以負責任的方式開放由生物科技公司收集的現有資料集的機會，讓所有研究人員受益。

4. 建立新的疾病生物標記，改善診斷方式和臨床試驗運作方式，並與 UCSF 等合作夥伴協作。去年⁠首個阿茲海默症驗血測試獲批，讓專科醫生可以用侵入性較低的方式，獲得更多評估病人狀況的工具。血液和其他生物標記，亦讓研究人員能夠量度藥物在臨床試驗中可能對疾病進程帶來的影響，包括作為主要針對其他疾病試驗中的次要量度指標（如 這項近期有關心血管疾病的試驗⁠所示）。隨着 AI 現已能夠理解更複雜的生物訊號，加上現代蛋白質體學和其他病人樣本採集方法的發展，我們仍有更多機會更進一步。

阿茲海默症仍然是醫學界最迫切的挑戰之一，而要取得進展，關鍵在於連結科學突破與病人護理。這項合作讓我們可以把世界領先的工作串連起來：由蛋白質設計的進展，到 UCSF 在臨床及生物學方面的深厚見解，從而更深入理解這種疾病，並找出新的治療途徑。借助 AI 以整合這些分析見解，同時理解龐大複雜的資訊，我們便有機會加快發現，為病人的生活帶來真正有意義的改變。

—UCSF 神經學教授兼系主任、UCSF Weill Institute for Neurosciences 成員 S. Andrew Josephson 醫生

5. 測試已過專利期的治療方法，並運用 AI 盡可能理解匿名病人資料和網上回報的經驗。目前有一些介入方式已有初步跡象顯示可能有效，例如 lithium orotate（乳清酸鋰）⁠ 和已過專利期的帶狀疱疹疫苗⁠。但我們仍需要更多高質素的證據，而私營市場亦缺乏動力支付臨床試驗成本。

我希望，生理劑量的乳清酸鋰在阿茲海默症小鼠模型中逆轉病理變化並恢復記憶的能力，也能適用於日漸老化的人口。鋰正是驅動我們的手機、手提電腦和電動車的元素。我猜，大腦可能早在我們之前，已經運用了鋰這種獨特的電化學特性。

—哈佛醫學院遺傳學及神經學教授、哈佛 Glenn 老年生物學研究中心聯席主任 Bruce Yankner 醫生

反覆調整學習

我們會同時在這五個方向全面推進，以補足研究生態系統中的其他工作。隨着我們從研究社群獲得更多意見反映，我們預期會在現有方向上繼續擴展，讓大家一同找出如何預防和治療阿茲海默症。

透過正面迎戰阿茲海默症，我們不僅希望有助改變這種疾病的發展軌跡，也希望建立能加快多種其他疾病研究進展的工具和知識。

* * *

如果你有興趣接收 OpenAI Foundation 的最新消息，請在這裡⁠訂閱通訊。如果你想聯絡我們的生命科學與疾病治療團隊，可電郵至 [email protected]⁠。

除了學術文章外，我們亦十分感謝能看到關於 AI 與科學的報告、長篇文章和網誌文章；雖然我們並不認同這些文章中的所有觀點，其中包括這份 National Academies report⁠、這篇有關阿茲海默症藥物研發管線的綜述文章⁠、類似這篇有關心血管疾病死亡率的文章⁠的高層次醫學進展摘要、這篇 Science 網誌文章⁠（談及 AI 在醫學進展上的困難），以及 IFP 提出的這個臨床數據構思⁠。

我們鼓勵你公開發表分析，如你認為當中觀點對我們有幫助，歡迎把連結電郵給我們。