C-BRAIN与英伟达用AI整合阿尔茨海默病“暗数据”，称部分分析从数周缩至数分钟
该联盟2025年11月启动，成员包括18家机构，目标是让AI在数据不离开各机构的前提下参与研究；其OpenScientist工具在已发表案例中完成的分析，领域科学家估计需数周至数月，单次运行成本低于10美元。
AI解读：C-BRAIN由华盛顿大学医学院的Randall Bateman等人牵头，2025年11月启动，成员包括18家学术、慈善、药企和研究机构，与英伟达合作建设面向阿尔茨海默病研究的AI系统。
联盟关注的是未公开发现、阴性结果和受治理的专有数据等“暗数据”。它采用集中与联邦相结合的方式，让模型在各机构内部学习数据，数据不必离开机构墙内，以兼顾隐私与治理。
目前C-BRAIN在本地运行64块英伟达数据中心GPU，并接入微软Azure的云端节点；未来计划增加包括Blackwell系统在内的GPU容量，并采用BioNeMo和MONAI框架。
已发布两个开源工具：OpenScientist能根据研究问题和数据集半自主生成假设、运行分析并产出可审计结论；InsightEngine用文献和知识图谱核对论断，以在昂贵实验前发现模型幻觉。
来源称，在已发表案例中，OpenScientist用数分钟完成领域科学家估计需数周至数月的分析，单次运行成本低于10美元；C-BRAIN当前覆盖200多个研究组，按规模估算每年可能释放超过100万小时研究能力。
联盟计划在第三年构建多模态生物基础模型，训练数据覆盖神经影像、多组学、体液生物标志物和纵向临床指标，目标是发现脑衰老与阿尔茨海默病的新因果机制。
据英伟达博客文章，生物医学研究与AI神经退行性疾病联盟（C-BRAIN）正与英伟达合作，用AI工具处理阿尔茨海默病研究中大量未被利用的数据。该联盟由华盛顿大学医学院教授Randall Bateman领导，2025年11月启动，成员包括18家学术、慈善、药企和研究机构。
文章给出的背景数字是：全球有5700万人患痴呆症，每年新确诊痴呆症病例超过1000万；过去15年美国国立卫生研究院（NIH）相关资助增长7倍，达到每年39亿美元，但目前仍没有能阻止、预防或逆转阿尔茨海默病的疗法。
“暗数据”与联邦式访问
C-BRAIN首席技术官Ade Ojewole在文章中称，许多生命科学数据没有进入前沿模型，“后果是我们把大量智能留在了桌上”。联盟将未公开发现、阴性结果以及成员机构受治理的专有数据称为“暗数据”，认为这类数据拖慢了研究。
为在不泄露患者隐私、不破坏机构治理的前提下使用这些数据，C-BRAIN采用集中与联邦相结合的方式：AI模型在各机构的数据所在地学习，原始数据不必离开机构。文章称这类基础设施建设和扩展难度较高，这也是英伟达参与合作的部分原因。
算力方面，C-BRAIN目前在本地运行64块英伟达数据中心GPU，同时使用微软Azure上的云端节点；随着联盟规模扩大，计划增加英伟达GPU容量，包括Blackwell系统。技术栈还包括面向生物医药开发的BioNeMo平台和MONAI医学影像框架。
两个已发布工具与成本数据
C-BRAIN研究人员已发布两个工具。OpenScientist与劳伦斯伯克利国家实验室合作开发，由研究科学家Justin Reese牵头，是一个开源、具备代理能力（agentic）的AI“共同科学家”：输入科学家的问题和数据集后，它可半自主生成假设、运行分析，并给出可验证、可审计的结论。InsightEngine与387 Labs合作开发，用代理式AI对照科学文献检验假设、分析用户提供的数据集、探索生物医学知识图谱，并在研究人员投入昂贵实验前逐条核对论断，以发现幻觉。
文章引用已发表案例称，OpenScientist用数分钟完成的分析，领域科学家估计需要数周至数月，单次运行成本低于10美元。按C-BRAIN目前覆盖200多个研究组计算，文章称这一能力“可能”每年释放超过100万小时研究能力；这是联盟基于当前覆盖面的估算，并非实测节省结果。
下一阶段：多模态基础模型
C-BRAIN计划构建一个多模态生物基础模型，训练数据覆盖神经影像、多组学、体液生物标志物和纵向临床指标。文章称，到第三年，联盟希望发现脑衰老与阿尔茨海默病的新因果机制，把研究推进到可检验的科学原理。
Bateman在文章中说，具备思考和推理能力的AI有潜力加速发现，从而带来可实施、可覆盖全人群的预防和治疗方案。这一表述是联盟负责人的目标陈述，文章未给出相应临床或发现成果。