像阿尔茨海默病这样影响全球近5000万人的巨大问题需要大胆的解决办法。美国南加州大学马克和玛丽•史蒂文斯神经影像信息学研究所及其合作者预计将获得1780万美元的新资金，这是解决这一难题中的一个关键部分。

由美国卫生研究院进行的为期五年的研究工作，即“超大规模机器学习，以增强在阿尔茨海默氏病生物库中的发现”（简称AI4AD），将开发最先进的人工智能方法，并将其应用于巨大的遗传、成像数据库和从阿尔茨海默氏症患者收集的认知数据。11个研究中心的40名共同研究人员将合作利用人工智能和机器学习来支持精确诊断、预后判断和开发新的治疗失忆症的方法。

加州大学国际研究所副主任副主任兼新项目负责人Paul Thompson说，“我们的计算机科学、遗传学、神经科学和影像科学专家团队将创建能够以前所未有的规模分析数据的算法，这将有助于发现基因组中影响阿尔茨海默病生物学过程的新特征。”

对阿尔茨海默病进行生物学诊断是区分阿尔茨海默病的第一个目标。为了实现这一目标，研究团队将把复杂的人工智能和机器学习方法应用于各种数据类型，包括数以万计的大脑图像和全基因组序列。研究人员将把这些发现与阿尔茨海默病的临床进展联系起来，包括那些尚未出现痴呆症状的患者。研究人员将在大脑扫描的大型数据库中训练人工智能方法，以识别在个体患者身上出现的疾病时有助于检测疾病的模式。

Thompson说：“随着年龄的增长，我们每个人都有独特的大脑变化组合，这种变化发生了数十年，直到我们发现血管中发生阿尔茨海默氏病变化的任何迹象，异常蛋白质沉积的积累和脑细胞丢失。们新的人工智能方法将帮助我们确定每个患者身上发生了什么变化，以及他们的DNA中这些过程的驱动因素，我们可以用新药靶向。”

该团队甚至正在创建一个专门的“药物再利用核心”，以找到将现有药物重新利用的方法，以靶向新发现的与疾病有关的基因组、分子或神经生物学过程的片段。

Thompso说：“我们预测，将人工智能与全基因组数据和先进的脑部扫描相结合，将优于目前用于预测阿尔茨海默病病情进展的方法。”

AI4AD的工作是“阿尔茨海默病遗传和表型数据的认知系统分析”和“阿尔茨海默病和相关痴呆症（AD/ADRD）遗传、流行病学和临床数据的协调以提高治疗目标发现”计划的一部分。这些倡议旨在创造和发展先进的人工智能方法，并将其应用于广泛而协调的丰富的基因组、成像和认知数据。总的来说，AI4AD的目标是利用机器学习的承诺来促进精确诊断、预测和有针对性的新颖治疗。

Thompson和他的南加州大学团队将与宾夕法尼亚大学、匹兹堡大学和印第安纳大学医学院的四位联合首席研究员合作。

研究人员还将定期举办大型阿尔茨海默病神经影像学和遗传学会议，帮助向整个领域的研究人员传播新开发的人工智能工具。