文丨《中國科學報》記者趙廣立
李姝（化名）怎么也沒想到，剛六十出頭的父親，有一天突然“不認識”自己了。
她的父親罹患了阿爾茨海默?。ˋD），是最常見的“老年癡呆”之一。這是一種病程超長、幾乎無法治愈的疾病。它不光會慢慢奪走患者幾乎所有的記憶，還會讓患者逐漸喪失語言、方向感和正常的情感，直至完全喪失生活自理能力。
一想到父親會一點點從她生活中消失，李姝就心如刀絞。
“在中國，有超過1000萬個家庭因阿爾茨海默病而改變?！痹诮盏囊淮卧L談活動中，復旦大學附屬華山醫院（以下簡稱華山醫院）神經內科教授郁金泰告訴《中國科學報》，盡管發病率呈上升趨勢，但阿爾茨海默病其實是可防可控甚至可治的，“關鍵在于如何早期發現它”。
郁金泰（右）在病房查閱患者CT片 受訪者供圖（下同）
提前15年預知阿爾茨海默病患病風險
可能只需抽個血、化驗一下
“80后”的郁金泰已經跟神經退行性疾病打了十幾年的交道，近年來他帶領團隊接連在帕金森病、阿爾茨海默病等的防治領域取得突破。其中引人注目的一項成果是，他們僅通過一種血漿蛋白的檢測，就能提前近15年預測阿爾茨海默病發病風險，準確性在90%以上。
當前對阿爾茨海默病的診斷常依賴于臨床問診、神經評估以及一系列檢查排除其他原因，準確性低且一般確診時往往已是中晚期。早期的檢測依賴于影像學（PET-CT）、腦脊液檢測等手段來顯示病變。這類手段要么檢測成本高，要么傷害性大，潛在人群的依從性很低。
從傳統的視角看，將他們這項研究稱之為“大海撈針”也不為過——他們的研究對象是超過5萬名成年人的健康數據；其中1417例AD患者，隨訪時長超過14年；要分析的血漿蛋白數量多達1463種；最后得出的結果，是將與癡呆癥最相關的蛋白數量縮小到個位數范圍。他們還發現了一種名為“膠質纖維酸性蛋白”（GFAP）的血漿蛋白，在AD確診前十多年就“發揮了作用”，可以作為早期預測老年癡呆的最佳生物標志物。
在后續研究中，他們又在腦脊液中新發現了多個新的生物標志物，以其預測生物學定義的AD發病風險的準確率高達98.7%以上。這項研究中，他們納入了707名參與者，對6361種腦脊液蛋白組學數據進行了分析和建模，最終“揪”出了AD生物學診斷和臨床診斷中最重要的生物標志物，并在臨床上確認了新的生物標志物的有效性和可重復性。
腦脊液蛋白對阿爾茨海默病診斷的準確度及外部隊列驗證和尸檢病理驗證
最近，他們正在挖掘從血液中檢測這些生物標志物的潛力。這意味著，未來可能只需抽個血、化驗一下，就能提前預知阿爾茨海默病患病風險。
這不是科幻，而是最新發表在《自然-人類行為》《自然-衰老》等系列頂刊上、實打實的研究成果。如果硬說有什么“科幻”元素，那就是團隊依靠“AI算力+臨床數據”所建立的研究范式。
這正是當前科技領域最“時髦”研究范式——AI for Science（AI4S）。當前，人工智能（AI）正通過數據和算力驅動，深刻改變著科學研究范式。生命醫學這個“數據密集型”領域，已經立于AI4S的潮頭。
靠AI算力“兜底”
他們的臨床研究開啟“狂飆”模式
在位于上海浦東新區的復旦大學類腦智能科學與技術研究院，《中國科學報》記者見到了郁金泰的合作伙伴程煒。
郁金泰（前排左二）團隊與復旦大學類腦智能科學與技術研究院教授馮建峰（前排左三，程煒導師）團隊合影，前排右二為程煒。
在使用AI算力上，程煒是行家里手。自兩年多前復旦大學與阿里云等聯合打造的云上科研智算平臺CFFF（Computing for the Future at Fudan）上線后，程煒更是如魚得水。
“傳統的臨床研究手段是從‘假設驅動’出發再驗證，非常依賴研究者的經驗或直覺，甚至要憑運氣‘押中’某個候選基因或蛋白受體，能處理的數據少、耗時長且效率低下。”程煒說，在有了AI算力做保障后，研究人員可以用“數據+算法”雙輪驅動的模式去探索，“可以用更少的時間處理更多的數據”。
據了解，CFFF云上科研智算平臺由“切問一號”和“近思一號”組成，是目前全國高校最大的異構智算平臺。作為校級平臺資源，CFFF集GPU算力、CPU算力、分級冷熱存儲、大數據處理平臺等于一身，在阿里云大規模異構算力融合調度技術、分級存儲技術、AI與大數據一體化技術支撐下，可支持千卡千億參數大模型研發、萬核高性能計算、大規模數據加工等作業。
其中，阿里云烏蘭察布數據中心以公共云模式為全國科研機構的多個項目提供超千卡并行智能計算，支持千億參數的大模型訓練。千卡并行的有效算力達到行業領先的92%，可拓展性達到萬卡，萬卡并行有效算力也可達90%。
如果說郁金泰和程煒們是善用臨床數據這些“食材”、用算法這本“菜譜”烹飪出一桌好菜的“大廚”，那么AI算力基礎設施就是“鍋和灶”。今年以來，阿里云將“云和AI協同發展”作為基礎發展戰略，實施以AI為中心的全棧AI基礎設施能力升級。得益于此，CFFF平臺的面貌也煥然一新。
郁金泰團隊和程煒團隊分工明確，郁金泰團隊主要聚焦臨床科學問題，負責數據收集和整理，指導團隊制定與調整研究方案，并從臨床的角度解讀結果；程煒團隊則專注于算法開發和模型訓練，利用深度學習技術，構建并優化了多個數據解析模型。
近年來，兩股力量珠聯璧合，臨床研究進入“狂飆”模式。
2024年，他們通過深入分析53026名個體血漿蛋白組數據，跨越10多年的中位隨訪期，建立了足夠全面的血漿蛋白組圖譜，篩查發現超過650種蛋白與至少50種疾病存在聯系，超過1000種蛋白表現出性別和年齡的異質性。這項成果發表于《細胞》雜志，堪稱團隊數據挖掘的集大成之作。
在預防癡呆方面，他們聯手浙江大學公共衛生學院袁長征團隊給出了“怎么吃”的健康方案。在7月2日發表于《自然-人類行為》雜志的論文中，團隊用機器學習方法對4個國際縱向隊列的22萬名參與者（其中有近3000新發癡呆/癡呆相關死亡病例）的膳食數據進行深度分析，首次提出包括綠色蔬菜、漿果、柑橘類水果、禽肉、蛋類、馬鈴薯、橄欖油等在內的8類核心食物構成的癡呆預防“MODERN膳食方案”，并通過進一步考察確定了該膳食方案對精神行為障礙的預防效果。
在“怎么治”的問題上，他們在前期發現的帕金森病潛在候選靶點基礎上，與復旦大學腦科學轉化研究院教授袁鵬團隊、中國科學院上海有機化學研究所研究員劉聰團隊合作，借助AI手段和大模型技術，首次發現了PD全新治療靶點FAM171A2，并通過對蛋白質結構的預測，找到了潛在的小分子藥物，有望在疾病早期對PD進行干預，延緩疾病進展。
治療帕金森病靶點篩選研究路徑
程煒告訴記者，隨著大模型的加速發展，現在的AI算力在支撐模型訓練、推理以及數據挖掘分析等方面的表現越來越強，同時基于云平臺的AI基礎設施，能提供足夠強大和有充分彈性的AI算力。在這樣的算力支持下，他們的算法、模型能夠很快跑通驗證。
“比起以前，現在做臨床大樣本數據可以說是‘為所欲為’?！背虩樥f，這種科研范式一旦建立起來，許多臨床科研問題都可以遷移應用。
AI4S不再籠統
它可以是一把鑰匙、一味良藥
醫療行業的進步，離不開天才科學家的靈光一現，更離不開無數踐行者的日進一卒?！熬有苑钱愐玻萍儆谖镆病！背３Ｓ腥藭枺何覈ㄔO了那么多超算、智算集群，到底都是誰在用？郁金泰等團隊的工作，就是一個答案。
而現在，他們在使用這些“科學重器”時，用上了AI這個更厲害的工具。當云上的澎湃算力被用于守護每一個家庭的人間煙火，AI4S不再是一個籠統的概念，而是攻克阿爾茨海默病、帕金森病等頑疾的一味良藥，是看得見、摸得著的希望。
采訪中，記者看到身為“80后”的郁金泰已是頭發花白，于是問他，科研節奏是不是太緊張了，為什么還要堅持去病房見病人或家屬。
“我希望能在看著患者家屬眼睛的時候告訴他們，這個病，不是沒有任何辦法的?！庇艚鹛┱f，有了“趁手”的科研范式，他希望盡快找到辦法幫助患者，“起碼能延緩病情或控制住，不再惡化”。
“以前的科研就像大海撈針、慢慢釣魚，需要花費大量時間。”郁金泰表示，而現在人工智能技術就像一張大網，能夠在海量數據中快速精準地發現關鍵指標和潛在治療方案，極大地提升了研究能力和效率。因此，他希望通過這套科研范式，團隊解決臨床問題的效率再快一點，“最好算力不用排隊”，設計好研究方案就把數據跑出來。
好消息是，前不久，阿里云AI基礎設施已支撐CFFF平臺全面升級，可提供文理醫工各學科47個特色學科模型和4萬余個科學數據集的開放使用。據統計，CFFF平臺上線2年來，覆蓋了生命科學、材料科學等多元領域，已推動百余項科研成果落地。
“AD、PD等神經退行性疾病看起來‘不要命’，甚至很多人還覺得是‘人上了歲數后老糊涂了’的正常現象，所以這個領域的臨床研究需要加速、再加速?！庇艚鹛┱f。
郁金泰團隊的“加速”也讓李殊等患者家屬看到了曙光。
“我們還是希望新的診斷技術和治療技術快點突破呀！”他們在聽到了相關進展后對記者說，“（看到）現在的人工智能會加快郁教授的研究進程，希望教授加速，我們也（愿意）配合。”
本文鏈接：借助AI，這個985高校團隊開啟科研“狂飆”模式http://www.sq15.cn/show-11-24272-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
下一篇： 我國科研人員提出應對金屬疲勞的新思路