運用 AI 對抗阿茲海默症

阿茲海默症是醫學中最難解的問題之一，也是最具破壞性的疾病之一。這種疾病每年奪走數百萬人的生命，對家庭造成沉重負擔，至今仍超出當前醫學的應對能力。OpenAI Foundation 希望運用先進 AI，加速預防與治療該疾病的科學研究，改變現況。^1⁠第一步，我們正於本月敲定總額超過 1 億美元的補助，提供給六家研究機構，用於推動研究加速，包括產生新資料、協助設計新藥，以及拓展更多治療途徑。

以上補助只是起步，後續仍有大量工作要完成。我們預期在 2026 年及之後持續提供更多阿茲海默症相關補助，支持更多科學家與研究機構，共同推動預防與治療阿茲海默症。

為何聚焦阿茲海默症？

我們的使命是確保 AGI 造福全人類。阿茲海默症是一項重大的挑戰，隨著人口老化而不斷惡化，而這種疾病的複雜性也正適合由 AI 處理。

阿茲海默症影響的不只是數百萬名確診患者，還包括他們的配偶、子女，以及其他提供照護的照護者。這種疾病為家庭帶來沉重的情感與經濟壓力。

過去幾十年間，人類在對抗四大致命疾病中的其中三種，包括心臟病、傳染病和部分癌症方面已取得進展，降低了各年齡層的死亡風險：

然而，儘管頂尖科學家已投入大量努力，對於第四大殺手，也就是神經退化性疾病（如阿茲海默症）至今仍難以開發出有效療法：

這是因為阿茲海默症並非由單一原因造成，而是遺傳風險、蛋白質錯誤摺疊、發炎、突觸功能失調等多種因素長期交互作用的結果，這些因素與環境影響交織數十年，且全都發生在大腦中，而大腦是一個難以研究、也不易將藥物送達的器官。傳統研究方法一直難以釐清如此錯綜複雜的因素。

AI 特別適合應對這種複雜性。AI 能跨不同類型的資料進行推理，包括患者的臨床症狀、疾病的生物標記、候選藥物的篩選結果等，提供一種全新的方式來理解這些因素如何互動、找出合適的藥物標的，並讓患者能提前數十年辨識可採取行動的風險。

我們的目標，是幫助科學家發明新工具，最終預防及治療阿茲海默症。由於這個目標至今仍極難達成，我們將其視為檢驗 AI 是否能改變人類健康領域可能性的明確試金石。我們希望為阿茲海默症高風險族群及其家人帶來實質改變。

我們的初步作法

我們感謝外部科學審查專家的支持，協助我們制定初步策略。儘管我們對各項捐助領域都深感振奮，但不預期能一蹴可幾地實現阿茲海默症的預防與治療。部分實驗可能會得到負面結果，過程中也難免遭遇挫折。這正是科學的本質，我們會盡快從中學習，並隨著結果逐步調整研究方向。

首先，我們提出一些初步構想，說明如何在與既有研究相互配合的前提下支援研究生態系，並善用 AI 目前可實現的能力。綜合來看，這將形成頂尖研究機構中的「五層活動架構」：

1. 利用 AI 建立阿茲海默症的「因果圖譜」，以驗證介入目標。目前已可明確看出，阿茲海默症的成因並非單一因素，而是多重驅動因素共同作用的結果。因此，我們需要描繪完整的因果網絡，找出對不同族群最有效的治療介入節點。透過與 Arc Institute⁠ 等生物學 AI 前沿的研究團隊合作，我們希望了解腦部類器官模型在不同基因與環境風險因素組合下的反應。這類大規模實驗數據可用於訓練 AI 模型，進一步指引後續實驗。有了這套結合實驗與模型的機制，研究人員可在過程中共享成果，讓他人接續深化，並提出具機制依據的藥物標的以供進一步驗證。

阿茲海默症之所以難以治療，部分原因在於它是一種典型的複雜性疾病。它是數百種遺傳與環境風險因子在不同細胞類型中，歷經數十年交互作用的結果。在 Arc，我們正建立實驗與運算技術，真正以大規模方式描繪這些互動關係。

—Patrick Hsu 博士，Arc Institute 共同創辦人暨核心研究員

我們希望找出能將細胞從疾病狀態拉回健康狀態的干預方式。為了做到這一點，我們會執行主動學習循環：以病患資料為依據，有系統地擾動人體組織模型，觀察其變化，並根據結果反覆優化阿茲海默症的 AI 模型。每一輪循環都讓我們更清楚掌握疾病路徑在何處匯聚，以及應在何處介入。

— Silvana Konermann 博士，Arc Institute 共同創辦人暨執行董事

2. 借助 AI 設計新藥，並在實驗室中進行測試，與蛋白質設計研究所⁠等合作夥伴，以及麻省總醫院頂尖的神經科醫師與神經科學家攜手進行。自 2000 年以來，已有超過 100 種阿茲海默症藥物在臨床試驗中接受測試，但幾乎全部都未見療效，或出現不良副作用。我們相信，在 AI 生物學工具協助下設計的分子，隨時間推進將具備更高的成功機率。但要驗證這一點，研究人員必須先在細胞、組織與動物中測試這些數位設計的成果。

在蛋白質設計研究所，我們致力建立協作流程，目標是為全球福祉帶來最大的正面影響。我們運用最新的 AI 驅動蛋白質設計模型，已成功設計出能結合、調控並降解對阿茲海默症病程進展關鍵的標的分子。我們的優先任務之一，是持續擴展、優化並分享這套工具，讓神經科學家能運用這些蛋白質來預測並解析神經退化問題。

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

3. 支援開放資料集，用於預測藥物活性，並描繪在有無介入情況下的疾病進程。這包括與專注型研究組織 EvE Bio⁠ 等非營利機構合作，建立與阿茲海默症相關的新開放資料集。這也包括支持擴充現有的縱向與流行病學資料集，以及提供機會，以負責任的方式開放由生技公司蒐集的現有資料集，讓所有研究人員受益。

4. 建立新的疾病生物標記，改善診斷方式與臨床試驗的執行，並與 UCSF 等合作夥伴協作。去年⁠核准的首項阿茲海默症血液檢測，讓專科醫師能以較低侵入性的方式，運用更多工具評估病患狀況。血液及其他生物標記也讓研究人員能夠在臨床試驗中衡量藥物可能對疾病進展產生何種影響，包括在主要針對其他疾病的試驗中作為次要評估指標時（如這項近期心血管疾病試驗⁠所示）。隨著 AI 能夠解析更複雜的生物訊號，現代蛋白質體學與其他來自患者的檢體採樣，也有更多機會進一步發展。

阿茲海默症仍是醫學上最迫切的挑戰之一，而要推動進展，關鍵在於將科學突破與病人照護結合。這項合作讓我們得以串聯世界領先的研究成果，從蛋白質設計的進展，到 UCSF 在臨床與生物領域的深厚洞察，進而更深入理解疾病，並找出新的治療途徑。在 AI 協助整合這些洞察、釐清高度複雜性的情況下，我們有機會加速發現，為病人的生活帶來實質改變。

— S. Andrew Josephson，MD，加州大學舊金山分校（UCSF）神經學系主任暨教授，UCSF Weill 神經科學研究所

5. 測試已過專利期的療法，並運用 AI 解析匿名化的病患資料與線上回報的經驗。有一些介入措施已出現初步證據，顯示可能具有效果，例如，乳清酸鋰⁠與已過專利期的帶狀疱疹疫苗⁠，但仍需要更多高品質證據，且民間部門缺乏投入臨床試驗資金的誘因。

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並恢復記憶的能力，也能延伸至高齡人類族群。鋰為我們的手機、筆記型電腦與電動車提供動力。我推測，大腦或許早在我們之前就已運用這種獨特的電化學機制。

—Bruce Yankner 醫學博士，哈佛醫學院遺傳學與神經學教授、哈佛葛蘭中心老化生物學研究共同主任

迭代學習

我們將同時推進這五個面向，與研究生態系中的其他努力相互補強。隨著從研究社群獲得越來越多的回饋，我們預期會在現有方法上持續調整與擴展，攜手找出預防與治療阿茲海默症的可行途徑。

透過正面應對阿茲海默症，我們的目標不僅是改變這種疾病的發展軌跡，也希望建立相關工具與知識，進一步加快其他疾病的研究進展。

* * *

如果你有興趣接收 OpenAI Foundation 的最新消息，請在此訂閱⁠。如果你想聯絡生命科學與疾病治療團隊，可透過 [email protected]⁠ 與我們聯絡。

除了學術文章之外，我們也持續閱讀各類關於 AI 與科學的報告、長篇文章與部落格文章。雖然並不完全認同其中所有主張，但仍從中獲益良多，包括這份美國國家科學院報告⁠、阿茲海默症藥物研發管線的綜述文章⁠、高層次的醫學進展摘要（例如 心血管疾病死亡率的相關研究⁠），以及這篇刊於 ⁠Science 的部落格文章（探討 AI 在醫學領域推進的挑戰），還有 IFP 提出的臨床資料構想⁠。

我們鼓勵你公開發表分析結果；如果你認為這些觀點對我們有幫助，也歡迎將連結寄給我們。