阿尔茨海默研究卡在数据出不了机构：智能体几分钟跑完科学家估要数周的分析，单次不到10美元
核心概要
由18家机构组成的生物医学与AI神经退行性疾病研究联盟（C-BRAIN）开始把此前无法被AI工具或人类研究者访问的阿尔茨海默数据接进模型训练，包括未发表结果、阴性结果和受治理的专有数据。这些数据此前留在各机构内部，难以汇总成可用知识。C-BRAIN用集中式与联邦式混合架构让模型在数据所在地学习，并已交付两个开源智能体工具；其中OpenScientist在已发表案例中几分钟完成领域科学家估算需数周到数月的分析，单次运行成本不到10美元。
深度剖析
阿尔茨海默研究多了一条不只靠公开数据集的路：由18家机构组成的C-BRAIN联盟把此前不对外开放的数据接进AI分析，并已放出两个开源智能体工具，一个负责生成假设并执行分析，另一个负责在昂贵实验之前把结论逐条对照文献证据。 未发表的发现、阴性结果和受治理的专有数据此前既不对AI工具开放，也不对人类研究者开放，C-BRAIN把这类数据称为暗数据，并指出它拖慢了研究进展。 在已发表案例中，OpenScientist几分钟跑完了领域科学家估算需数周到数月的分析，单次运行成本不到10美元；按联盟目前覆盖的200多个研究组推算，规模化后每年可能释放超过一百万小时研究工时。
数据不必搬出机构，模型跑到数据旁边训练，隐私与机构治理因此不靠汇总原始记录来保证。 这套布局称为集中式与联邦式混合架构：一部分数据直接存进受控计算系统供AI读取，其余留在各机构，由模型就地学习，原始记录不离开机构院墙。 承载它的是本地64块NVIDIA数据中心GPU与微软Azure云端节点，随着规模扩大还将加入NVIDIA Blackwell系统，研究流程接入NVIDIA BioNeMo与MONAI两个开源开发平台。
启示与展望
可以核验的是联盟在2025年11月启动后搭起的数据接入与计算安排，以及两个开源工具在已发表案例中的表现，案例覆盖的是分析耗时与单次运行成本；目标读者是关心神经退行性疾病研究基础设施与智能体工具的研究者和工程师。联盟自述的下一步是在第三年建成覆盖神经影像、多组学、体液标志物与纵向临床指标的多模态生物学基础模型，并寻找脑老化与阿尔茨海默病的因果机制。
每年超过一百万小时是按联盟现有200多个研究组的覆盖推算的潜在规模，不是已测得的产出；在第三年找到因果机制仍属于计划中的目标。联盟首席技术官也提到，要把当今空间组学机器学习架构能建模的范围继续推远，还需要大量优化。