阿尔兹海默症的俗称，就是我们常说的老年痴呆。患病者大脑功能衰退，失语、失认乃至失忆，甚至最后死于感染并发症。

阿尔兹海默症起病缓慢而隐匿，而且病因不明，是目前全球范围几种非常罕见的让人束手无策的疾病之一。

可怕的是，随着人类寿命的增长，阿尔兹海默症的患病率也大大增加。就拿中国来说，2016年的数据显示中国65岁以上的老年人占总人口的8％，其中痴呆的患病率约为5％，即大约有600万患有不同类型的痴呆；而75岁以上的患病率为11.5％，85岁以上高于30％。

阿尔兹海默症具有极高的普遍性和随机性。不论你的生活方式多么健康、身体多么强健，都有可能在六七十岁时突然找上门来的疾病。 

基于此，阿尔兹海默症的研究收益相比其他疾病多的多。用一句不客气的话说，既得利益者们总是希望自己活的久一点，还要清醒得活着。号召大家关注阿尔兹海默症的比尔盖茨，就花入了一亿美元来投资相关研究所。而关于阿尔茨海默症药物研发的投资也数额高昂，相关医药企业投融资的价格动辄就是几亿美金。

当然，最重要的还是阿尔茨海默症作为与大脑密切相关的神经系统疾病，与数据挖掘、图像识别等等技术天然有着更紧密的联系。

对付阿尔茨海默的技术手段

目前用技术手段功课阿尔茨海默病的，一般有以下几个角度。

• 数据挖掘

最普遍的，是利用数据挖掘寻找阿尔茨海默病和其他体征之间的关联，来寻找阿尔茨海默病的病因。

这次腾讯WE大会中邀请的Joel Dudley提到了一个概念，在古老的中医概念中医生会依靠望闻问切多种体征来为患者诊断，而现代医学则为疾病定下了清晰又独立的数据指标。但现在利用上丰富的传感器和强大的算力，我们又可以用量化的方式建立疾病与那些看似不相关的体征的联系。

Joel Dudley就是利用这种方式，在今年得出了疱疹病毒可能是阿尔茨海默病因的重要研究成果。

同时还有很多研究者通过数据挖掘将阿尔茨海默病和基因之间建立起联系，像波士顿大学医学院就得出研究结果，称那些拥有ApoE4基因又身患慢性炎症的患者，相比其他人更容易患上阿尔茨海默病。

• 大脑模拟

我们在大脑中发现的第一个阿尔茨海默病的可检测迹象，就是淀粉样蛋白的增多。可二十年来研究者们试图依靠消除斑块来进行治疗，然而300多种药物、2000多个临床实验都失败了。在今天，研究者可以通过利用超级计算机对健康和患病的大脑进行建模，进一步探寻阿尔茨海默病在大脑中的产生的迹象。

蒙特利尔神经病学研究所的研究人员，就通过对大脑中78个区域淀粉样蛋白浓度，葡萄糖代谢，脑血流，功能活动和脑萎缩的模式进行数据模拟，最终得出结论称大脑中血流量的变化发生的比淀粉样蛋白更早，而未来结合这些大脑不同区域和状态的综合性研究，或许是推动阿尔茨海默治愈的重要方式。例如发现异常蛋白如何跨神经元传播、尝试通过对细胞的电磁刺激来为淀粉化的细胞重建神经网络等等这些研究尝试，都是建立在大脑模拟之上的。

• AI预测

AI之于阿尔茨海默病的应用，更多是在预测方面。例如通过学习核磁共振影像和遗传数据，与人的认知能力变化对应建模，用算法计算出患者是否会在未来五年内恶化为阿尔茨海默病。在学科期刊Radiology上，也提出了利用卷积神经网络捕捉大脑微妙的代谢变化，在具体症状出现的几年前就能给预测阿尔茨海默病的算法。

不过这些预测方法往往不着手于解决问题，而是让患病可能性无限精确化，让人们尽早采用一些预防方法。或许等这些算法预测方式得到更广泛的应用之后，AI才可以进一步寻找哪些预防方法更有效。

并不成功的研究教会了我们什么？

看了上面这些研究成果，是不是觉得科技手段对阿尔茨海默病卓有成效、人类距离攻克这一疾病也不远了？

实际上阿尔茨海默病的研究远没有想象中那么乐观。就在今年年初，全球最大制药公司辉瑞发表声明，结束了关于阿尔茨海默病新药研发的临床试验，今年年中、英国制药巨头阿斯利康、美国礼来公司和美国强生也分别宣布了对几款新药停止研发。

也就是说尽管我们不断的在用科技手段寻找到阿尔茨海默和病毒、基因、大脑之间的种种关联，究竟该如何治愈和预防这种疾病，仍然发展的非常缓慢。而即使有一天寻找到了治疗方案，由于前期投入太过巨大，很可能会像今天的艾滋病药物一样，研究成本高导致售价上升，一般人无法消受。

难道这意味着对于阿尔茨海默病的研究毫无意义吗？显然不是。多种科技手段的参与，不仅推动着阿尔茨海默病的研究，也在搭建数字医疗整体发展的“手脚架”。

首先，以阿尔茨海默病为起因建设的庞大医疗数据库，其实在很多疾病上的通用的。广泛的数据累积，尤其是基因、蛋白质序列等等这些较新的数据，正在帮助我们不断的了解人体，同时在推进精准医疗、基因治疗以及医保系统的建设上都有着重要的作用。

Joel Dudley举了这样一个例子，通过数据之间的互相关联，我们或许可以发现某一种二型糖尿病患者在心脏病上的患病几率更高，这样的患者就可以进行一些针对性的防护，医保系统也可以更加个性化和高效。

同时对于大脑的研究不仅推动着我们去了解阿尔茨海默病，也在帮助我们了解帕金森、心理疾病、记忆乃至意识这些至关重要的信息。在我们以前的文章中也曾经提到，很多研究者试图以“复制”大脑或“模拟”大脑的方式来推动人工智能发展。

在前文提到的蒙特利尔神经病学研究所，在除了利用大脑数据模拟阿尔茨海默病之外，也利用相同方式推动着帕金森、脑卒中等等疾病的的预防和治疗。

更重要的还是以上所有的新方式方法，对于医学界、药学界的启发。像是AI预测之于阿尔茨海默病的应用，某种程度上也推动了数据众包竞赛这类原本应用在AI研究上的方法更多的进入到医学研究。在癫病上，就有医疗设备企业举办了在线竞赛，开放了人类和犬只的脑电数据，让那些几乎没有医疗经验的技术人员来研发癫病预测算法，并且为优胜者提供15000美元的奖金。

虽然最后的优胜者只在犬只癫病预测中达到70%的准确度，但企业所花费的成本却大大降低，也打破了以往因医疗—数据跨专业人才不足的禁锢，得出了没有医疗经验的算法专家也能促进医学研究的结论。

或许短时间之内我们还无法找到阿尔茨海默病有效的治疗方法，但在研究过程中，一定能慢慢探索出治疗的有效方式。