TMT观察网_独特视角观察TMT行业

在每年的騰訊WE大會上，數字醫療基本都是保留項目。在以往幾期大會中，曾經討論過減緩大腦衰老速度、用細胞療法治療癌癥、人工虹膜幫助盲人復明等等話題。

今年以“雅努斯之門”為主題的WE大會，則邀請了美國西奈山伊坎醫學研究所所長Joel Dudley ，分享了他通過大數據和人工智能挖掘阿爾茲海默癥治療新思路的歷程。

一直對WE大會有所關注的人應該知道，這已經不是阿爾茲海默癥第一次出現在議題中了。其實在整個數字醫療乃至科技圈里，阿爾茲海默癥都是一個出現頻率頗高的詞。

到底是什么原因，讓阿爾茲海默癥成了科技與醫療交匯的最大標的？

每個人的潛在威脅，

醫學研究的重金懸賞

阿爾茲海默癥的俗稱，就是我們常說的老年癡呆。患病者大腦功能衰退，失語、失認乃至失憶，甚至最后死于感染并發癥。

阿爾茲海默癥起病緩慢而隱匿，而且病因不明，是目前全球范圍幾種非常罕見的讓人束手無策的疾病之一。

可怕的是隨著人類壽命的增長，阿爾茲海默癥的患病率也大大增加。就拿中國來說，2016年的數據顯示中國65歲以上的老年人占總人口的8％，其中癡呆的患病率約為5％，即大約有600萬患有不同類型的癡呆；而75歲以上的患病率為11.5％，85歲以上高于30％。

于是阿爾茲海默癥集齊了讓科技力量參與的幾個條件：

首先，阿爾茲海默癥具有極高的普遍性和隨機性。也就是那種不論你的生活方式多么健康、身體多么強健，都有可能在六七十歲時突然找上門來的疾病。在大眾語境里喚起了高度的相關性，讓科技產業這樣貌似關聯程度不高的產業也投身研發。像比爾蓋茨就因為個人經歷，號召更多科技企業去關注阿爾茲海默癥。

基于以上，阿爾茲海默癥的研究收益相比其他疾病多的多。用一句不客氣的話說，既得利益者們總是希望自己活的久一點，還要清醒的活著。號召大家關注阿爾茲海默癥的比爾蓋茨，就真金白銀的投入了一億美元來投資相關研究所。而關于阿爾茨海默癥藥物研發的投資也數額高昂，相關醫藥企業投融資的價格動輒就是幾億美金。

當然，最重要的還是阿爾茨海默癥作為與大腦密切相關的神經系統疾病，與數據挖掘、圖像識別等等技術天然有著更緊密的聯系。

對付阿爾茨海默，

大數據、AI、超算齊上陣

目前用技術手段功課阿爾茨海默病的，一般有以下幾個角度。

·數據挖掘

最普遍的，是利用數據挖掘尋找阿爾茨海默病和其他體征之間的關聯，來尋找阿爾茨海默病的病因。

這次騰訊WE大會中邀請的Joel Dudley提到了一個概念，在古老的中醫概念中醫生會依靠望聞問切多種體征來為患者診斷，而現代醫學則為疾病定下了清晰又獨立的數據指標。但現在利用上豐富的傳感器和強大的算力，我們又可以用量化的方式建立疾病與那些看似不相關的體征的聯系。

Joel Dudley就是利用這種方式，在今年得出了皰疹病毒可能是阿爾茨海默病因的重要研究成果。

同時還有很多研究者通過數據挖掘將阿爾茨海默病和基因之間建立起聯系，像波士頓大學醫學院就得出研究結果，稱那些擁有ApoE4基因又身患慢性炎癥的患者，相比其他人更容易患上阿爾茨海默病。

·大腦模擬

我們在大腦中發現的第一個阿爾茨海默病的可檢測跡象，就是淀粉樣蛋白的增多。可二十年來研究者們試圖依靠消除斑塊來進行治療，然而300多種藥物、2000多個臨床實驗都失敗了。在今天，研究者可以通過利用超級計算機對健康和患病的大腦進行建模，進一步探尋阿爾茨海默病在大腦中的產生的跡象。

蒙特利爾神經病學研究所的研究人員，就通過對大腦中78個區域淀粉樣蛋白濃度，葡萄糖代謝，腦血流，功能活動和腦萎縮的模式進行數據模擬，最終得出結論稱大腦中血流量的變化發生的比淀粉樣蛋白更早，而未來結合這些大腦不同區域和狀態的綜合性研究，或許是推動阿爾茨海默治愈的重要方式。例如發現異常蛋白如何跨神經元傳播、嘗試通過對細胞的電磁刺激來為淀粉化的細胞重建神經網絡等等這些研究嘗試，都是建立在大腦模擬之上的。

·AI預測

AI之于阿爾茨海默病的應用，更多是在預測方面。例如通過學習核磁共振影像和遺傳數據，與人的認知能力變化對應建模，用算法計算出患者是否會在未來五年內惡化為阿爾茨海默病。在學科期刊Radiology上，也提出了利用卷積神經網絡捕捉大腦微妙的代謝變化，在具體癥狀出現的幾年前就能給預測阿爾茨海默病的算法。

不過這些預測方法往往不著手于解決問題，而是讓患病可能性無限精確化，讓人們盡早采用一些預防方法。或許等這些算法預測方式得到更廣泛的應用之后，AI才可以進一步尋找哪些預防方法更有效。

未來醫療的科技通路：

并不成功的阿爾茨海默研究

還教會了我們什么？

看了上面這些研究成果，是不是覺得科技手段對阿爾茨海默病卓有成效、人類距離攻克這一疾病也不遠了？

實際上阿爾茨海默病的研究遠沒有想象中那么樂觀。就在今年年初，全球最大制藥公司輝瑞發表聲明，結束了關于阿爾茨海默病新藥研發的臨床試驗，今年年中，英國制藥巨頭阿斯利康、美國禮來公司和美國強生也分別宣布了對幾款新藥停止研發。

也就是說盡管我們不斷的在用科技手段尋找到阿爾茨海默和病毒、基因、大腦之間的種種關聯，究竟該如何治愈和預防這種疾病，仍然發展得非常緩慢。而即使有一天尋找到了治療方案，由于前期投入太過巨大，很可能會像今天的艾滋病藥物一樣，研究成本高導致售價上升，一般人無法消受。

難道這意味著對于阿爾茨海默病的研究毫無意義嗎？顯然不是。多種科技手段的參與，不僅推動著阿爾茨海默病的研究，也在搭建數字醫療整體發展的“手腳架”。

首先，以阿爾茨海默病為起因建設的龐大醫療數據庫，其實在很多疾病上的通用的。廣泛的數據累積，尤其是基因、蛋白質序列等等這些較新的數據，正在幫助我們不斷的了解人體，同時在推進精準醫療、基因治療以及醫保系統的建設上都有著重要的作用。

Joel Dudley就舉了這樣一個例子，通過數據之間的互相關聯，我們或許可以發現某一種二型糖尿病患者在心臟病上的患病幾率更高，這樣的患者就可以進行一些針對性的防護，醫保系統也可以更加個性化和高效。

同時對于大腦的研究不僅推動著我們去了解阿爾茨海默病，也在幫助我們了解帕金森、心理疾病、記憶乃至意識這些至關重要的信息。在我們以前的文章中也曾經提到，很多研究者試圖以“復制”大腦或“模擬”大腦的方式來推動人工智能發展。

在前文提到的蒙特利爾神經病學研究所，在除了利用大腦數據模擬阿爾茨海默病之外，也利用相同方式推動著帕金森、腦卒中等等疾病的的預防和治療。

更重要的，還是以上所有的新方式方法，對于醫學界、藥學界的啟發。像是AI預測之于阿爾茨海默病的應用，某種程度上也推動了數據眾包競賽這類原本應用在AI研究上的方法更多的進入到醫學研究。在癲病上，就有醫療設備企業舉辦了在線競賽，開放了人類和犬只的腦電數據，讓那些幾乎沒有醫療經驗的技術人員來研發癲病預測算法，并且為優勝者提供15000美元的獎金。

雖然最后的優勝者只在犬只癲病預測中達到70%的準確度，但企業所花費的成本卻大大降低，也打破了以往因醫療-數據跨專業人才不足的禁錮，得出了沒有醫療經驗的算法專家也能促進醫學研究的結論。

被科技和醫療一同“懸賞”的阿爾茨海默病，好像是遙遠海域中的寶藏。無數不同的角色一起向它的方向攀登探險，其實我們都知道或許很多人根本找不到寶藏，即使找到了，能窺見寶藏真面目的人也不多。但就像海賊王的故事一樣，精彩之處并不只是寶藏本身，而是航行過程中的發現。

或許短時間之內我們還無法找到阿爾茨海默病有效的治療方法，但在研究過程中，一定能慢慢勾勒出未來醫療新方式的模樣。