美国国立卫生研究院（NIH）再次为“阿尔茨海默病人工智能”（AI4AD）项目提供支持。新一期拨款1260万美元用于推进该项目的下一阶段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（Keck School of Medicine of USC）马克和玛丽·史蒂文斯神经影像与信息学研究所（Stevens INI）副所长保罗·M·汤普森博士领导，是一项多机构合作计划，旨在开发人工智能工具，揭示阿尔茨海默病及相关痴呆症的生物学原因，改进疾病进展预测，并帮助开发更精确的治疗方案。
AI4AD2联合了来自10家机构的10位主要研究者和23位合作研究者，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、脑成像、认知测试及其他生物学数据，以推进痴呆症的诊断和治疗。这项工作建立在2020年启动的原始AI4AD计划基础上，该计划开发了用于检测脑部扫描中阿尔茨海默病相关模式的人工智能工具，并展示了机器学习如何将成像结果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。但每个人的大脑中都存在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相关脑部变化——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）的新药。”——保罗·M·汤普森博士，南加州大学凯克医学院马克和玛丽·史蒂文斯神经影像与信息学研究所副所长
AI4AD2的首要目标之一是超越宽泛的诊断标签，识别出阿尔茨海默病及相关痴呆症的有意义的亚型。该项目不会将所有患者归为一类，而是利用人工智能根据脑部扫描、认知能力、神经病理学和遗传数据中的模式对个体进行分类。更好的痴呆症亚型分类有助于改进临床试验设计，帮助科学家将治疗方案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（这些因素对每位患者的影响程度不同），这种分子分型变得越来越重要。
AI4AD2还将开发新的“基因组语言模型”，这是一种受语言人工智能系统所用技术启发的AI模型。这些模型不是分析单词，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个队列的超过58,000名参与者的数据来训练和评估这些方法。实际上，这意味着教AI在庞大的遗传数据集中搜索传统方法无法识别的模式。目标是发现可能驱动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。早期的AI4AD研究表明，通过从80,000张脑部扫描中学习，AI模型能够以超过90%的准确率识别脑部扫描中的阿尔茨海默病特征，这展示了大规模结合成像、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侧重于欧洲血统的人群，这限制了对其他群体差异影响的风险因素的识别能力。AI4AD2将调整其疾病分类、分型和预后工具，以适应全球和多祖先人群，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，”南加州大学马克和玛丽·史蒂文斯神经影像与信息学研究所所长亚瑟·W·托加博士说，“这次续期使我们的团队和合作者能够以前所未有的规模开展工作，整合成像、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。这代表着向更精确、更包容、更可行的脑健康研究迈出的重要一步。”
该项目的第四个目标聚焦于通过基因组引导的药物发现方法寻找治疗方法。研究人员将利用通过原始AI4AD努力开发的基于AI的药物发现工具PreSiBO系统，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工具来检测受影响的多条分子通路，并识别针对这些特定疾病机制的特异性药物治疗方案。
史蒂文斯INI将继续作为该工作的主要枢纽。AI4AD2被设计为高度协作的项目，由南加州大学作为牵头单位，合作机构在神经影像学、基因组学、统计学、机器学习、认知科学和药物发现方面提供专业知识。团队将通过公共存储库和科学研讨会共享软件和工具，以便全球研究人员能够使用并在此项目方法基础上进行开发。
对于受阿尔茨海默病影响的家庭而言，长期目标很明确：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人工智能相结合，AI4AD2旨在为世界上最严重的神经系统疾病之一，将个性化医疗推向更接近现实的目标。
来源：南加州大学凯克医学院
【全文结束】