全球目前约有5700万人患有痴呆症，每年新确诊的痴呆症病例超过1000万例。对致力于帮助这些患者的研究人员而言，真正的障碍并不是投入不足，而是数据量过于庞大、能够综合处理这些数据的专家太少，以及科研发现的速度始终追不上疾病的发展。
过去15年间，美国国立卫生研究院（NIH）对相关研究的资助增长了7倍，达到每年39亿美元，但迄今仍未找到能够阻止、预防或逆转阿尔茨海默病的治疗方法。制约因素包括：高影响力的科学发现不够多；大量数据分散在各机构的“孤岛”之中；研究成果的整合速度远远落后于论文发表的速度。
为改变这一局面，生物医学研究与人工智能神经退行性疾病联盟（C-BRAIN）与NVIDIA展开合作。该联盟于2025年11月正式启动，由华盛顿大学医学院圣路易斯分校的查尔斯·F·与乔安妮·奈特杰出神经病学教授兰德尔·贝特曼博士领导，成员包括18家学术机构、慈善组织、制药企业和研究机构。
贝特曼表示，人工智能带来了一个难得的机遇窗口，让研究能够以与以往根本不同的方式进行，从而加速惠及患者的科学发现。他将联盟的工作形容为“由科学家打造、为科学家服务的AI工具”。该联盟正在构建一套系统，把此前未被利用的阿尔茨海默病研究数据用于支持科学家的工作。
所谓“暗数据”，指的是那些从未向AI工具或人类研究者开放的科研资产，包括尚未发表的研究结果、阴性结果，以及成员机构掌握的受治理的专有数据。C-BRAIN首席技术官阿德·奥杰沃勒博士指出，大量生命科学数据并未进入前沿模型，其后果是大量智能被白白浪费。
在技术实现上，部分暗数据会直接存入安全的计算系统供AI工具访问。为在不损害患者隐私和机构治理的前提下使用这些数据，C-BRAIN采用集中式与联邦式相结合的混合架构：AI模型在各机构内部就地学习数据，而数据本身无需离开机构的防火墙。这类基础设施的构建与扩展在技术上要求很高，也正是NVIDIA参与合作的价值所在。
目前，C-BRAIN在本地运行64块NVIDIA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，包括NVIDIA Blackwell系统在内的更多GPU算力也将陆续到位。联盟还与NVIDIA合作，将NVIDIA BioNeMo开放开发者平台和MONAI框架引入其研究流程，以探索AI与加速计算如何推动阿尔茨海默病研究。
贝特曼表示，C-BRAIN与NVIDIA的合作旨在释放这些模型的潜力，使其产生真正有影响力的成果。奥杰沃勒也强调，随着研究不断挑战当今空间组学机器学习架构的建模边界，将需要大量的优化工作，NVIDIA的软件必将在其中发挥作用。
联盟研究人员已经开发出两款工具。其一是与劳伦斯伯克利国家实验室合作、由研究科学家贾斯汀·里斯主导的OpenScientist，这是一个开源智能体式AI“联合科学家”，能够接收科学家的研究问题和数据集，半自主地生成假设、执行分析，并给出可验证、可审计的洞见。其二是与387 Labs合作开发的InsightEngine，这是一个开源研究平台，利用智能体式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之前逐条核查证据，以识别幻觉。
在已发表的案例研究中，OpenScientist在几分钟内完成的分析，领域科学家估计需要数周乃至数月，而单次运行成本不到10美元。以C-BRAIN目前覆盖的200多个研究组计算，这一能力有望每年释放超过100万小时的研究产能。
展望未来，C-BRAIN计划构建一个多模态生物基础模型，使用其全部数据范围进行训练，涵盖神经影像、多组学、体液生物标志物和纵向临床指标。联盟希望在第三年发现脑老化与阿尔茨海默病的新因果机制，借助现有全部研究数据，将发现推进到可检验的科学原理层面。
贝特曼表示，具备思考与推理能力的AI有潜力加速科学发现，最终为全体人群带来强效且可实施的预防与治疗手段。