美国国立卫生研究院（NIH）已恢复对“人工智能用于阿尔茨海默病”（AI4AD）项目的支持。新授予的1260万美元用于推进该项目下一阶段AI4AD2，使NIH对AI4AD的总投资达到3070万美元。该项目由南加州大学凯克医学院USC马克与玛丽·史蒂文斯神经影像与信息学研究所（Stevens INI）副主任Paul M. Thompson博士领导，是一个多机构合作计划，旨在开发人工智能工具，以揭示阿尔茨海默病及相关痴呆症的生物学原因，改善疾病进展预测，并帮助开发更精准的治疗方案。
AI4AD2联合了来自10家机构的10位研究员和23位合作者，共同追求四个相互关联的研究目标。该联盟将分析大规模数据集，包括全基因组测序、脑影像、认知测试及其他生物学数据，以推动痴呆症的诊断和治疗。这项工作建立在2020年启动的初始AI4AD计划基础之上，该计划开发了用于检测脑影像中阿尔茨海默病相关模式的AI工具，并展示了机器学习如何将影像发现与潜在遗传风险联系起来。
“随着年龄增长，我们的大脑会衰退，”Thompson说。“但我们每个人的大脑中都发生着独特的退化过程组合。我们可能同时存在阿尔茨海默病病理、血管疾病以及更典型的帕金森病脑部变化——所有这些都以不同速度进行。这种病理混合使得痴呆症难以治疗。通过AI4AD2，我们正在启动一项基因组引导的药物发现计划，使研究人员能够识别针对特定类型痴呆症（包括罕见亚型）的新型药物。”
AI4AD2的首要目标之一是超越宽泛的诊断标签，识别出有意义的阿尔茨海默病及相关痴呆症亚型。该项目不会将所有患者混为一谈，而是利用AI根据脑影像、认知、神经病理学和遗传数据中的模式对个体进行分类。更好的痴呆症亚型划分有助于改善临床试验设计，帮助科学家更精准地将治疗与最可能受益的患者相匹配。随着新疗法针对淀粉样蛋白、tau蛋白、血管损伤和炎症（这些因素对每个患者的影响程度不同），这种分子亚型划分正变得越来越重要。
AI4AD2还将开发新的“基因组语言模型”，这是一种AI技术，其灵感来源于与基于语言的人工智能系统相同的广泛技术家族。不同之处在于，这些模型不是分析文字，而是分析基因组序列，以识别与阿尔茨海默病、疾病进展和关键生物标志物相关的DNA变化组合。该项目将利用来自57个队列超过58,000名参与者的数据来训练和评估这些方法。实际操作中，这意味着教会AI在庞大的遗传数据集中搜索传统方法无法识别的模式。目标是发现可能导致神经退行性变的新遗传和蛋白质相关变化，并将其与大脑和行为的可测量变化联系起来。早期AI4AD研究表明，AI模型通过从80,000张脑影像中学习，能够以超过90%的准确率识别脑影像中与阿尔茨海默病相关的特征，这展示了大规模结合影像、基因组学和机器学习的潜力。
AI4AD2的另一个关键重点是确保这些AI工具在全球人群中都能有效工作。许多现有的生物医学数据集主要关注欧洲血统的人群，这限制了对其他群体不同影响风险因素的识别能力。AI4AD2将调整其疾病分类、亚型划分和预后工具，使其适用于全球及多种族队列，包括来自非洲、印度、韩国和美国人群的数据集。该项目还将确定祖先、社会和环境因素如何影响阿尔茨海默病的风险和进展，目标是开发更准确的预测模型。
“人工智能的强大程度取决于其背后的数据和科学问题，”USC马克与玛丽·史蒂文斯神经影像与信息学研究所所长Arthur W. Toga博士说。“这次续资使我们团队和合作者能够在以前无法达到的规模上工作，整合影像、基因组学和其他生物标志物，以更好地捕捉阿尔茨海默病的复杂性。这是向更精准、更包容、更具可操作性的脑健康研究迈出的重要一步。”
该项目的第四个目标侧重于通过一种称为“基因组引导药物发现”的方法来寻找治疗方法。利用在初始AI4AD工作中开发的基于AI的药物发现工具PreSiBO，研究人员将识别亚型特异性治疗靶点，并评估现有药物是否可用于具有特定阿尔茨海默病相关生物学特征的患者。该项目将开发AI工具，以检测受影响的多种分子通路，并识别针对这些特定疾病机制的特定药物治疗。
Stevens INI将继续成为该工作的主要枢纽。AI4AD2被设计为一个高度协作的协议，南加州大学作为牵头单位，合作机构贡献神经影像、基因组学、统计学、机器学习、认知科学和药物发现领域的专业知识。团队将通过公共存储库和科学研讨会共享软件和工具，以便全球研究人员都能使用并在此基础上进一步发展该项目的方法。
对于受阿尔茨海默病影响的家庭而言，长期目标十分明确：开发更精确的工具，以更好地区分不同类型的痴呆症，并为个体患者确定最佳疗法。通过将大规模数据与先进AI相结合，AI4AD2力求为这种世界上最具破坏性的神经系统疾病之一带来个体化医疗的现实。
【全文结束】