在预测医学领域的一项重大突破中，由MIT研究人员领导的团队发布了FINGERS-7B——首个专为预防阿尔茨海默病设计的AI基础模型。该模型通过整合生活方式、临床、基因组和蛋白质组学数据，构建个体化的“生物指纹”，能够在症状出现前十年识别疾病风险，将阿尔茨海默病从不可避免的认知衰退转变为可管理、甚至可预防的疾病。

多组学突破：与传统模型逐一分析单一数据源（如仅分析遗传数据）不同，FINGERS-7B能够同时读取生活方式、临床、基因组和蛋白质组信号。这种整体视角使其能够发现其他工具无法识别的“多组学生物标志物”。在全球WW-FINGERS网络数据集上，该模型实现了4倍更准确的临床前诊断和130%更好的应答者分层能力，即能更精确地预测哪些人将从特定干预措施（如饮食改变或新药）中受益。

个性化预后：给定个体的数据，模型可预测其特定风险水平、认知衰退的可能时间线，以及哪些个性化干预措施（从生活方式到治疗）最可能有效。模型权重、训练代码和评估流程均已完全开源，并部署在AD Workbench中——这是一个由阿尔茨海默病数据倡议（ADDI）运营的安全云环境，全球40多个国家的研究人员正在使用。这使得全球科学界无需移动敏感患者数据即可使用和改进模型。

快速开发与全球合作：该项目由MIT衰老大脑倡议于十个月前种子资助，现已与达沃斯阿尔茨海默病协作组织建立合作伙伴关系，以确保模型反映全球人群的多样性。团队将于4月27日在里约热内卢举行的ICLR（最大AI会议之一）上展示该模型。

FINGERPRINT将FINGERS-7B与运行自动化多组学分析的AI代理配对。该模型基于数万名阿尔茨海默病风险人群的数据进行训练，并联合学习生活方式、临床、生物标志物、基因组和蛋白质组信号。其核心创新概念是多组学生物标志物——不是逐一读取组学域，而是同时读取，从而实现更早、更准确的检测，这是任何单一数据源都无法做到的。

“我们每个人都携带一个生物指纹，基本上是揭示疾病风险的独特信号组合，如果正确理解，可以预防和治疗阿尔茨海默病，”MIT-Novo Nordisk AI研究员、FINGERPRINT联合负责人Adrian Noriega说。FINGERS-7B已识别出一组新的临床前阿尔茨海默病诊断生物标志物，该阶段可能比记忆症状早十年或更久。这些生物标志物使临床前诊断准确率提高4倍，应答者分层能力比现有技术提高130%。

MIT皮考尔学习与记忆研究所所长Li-Huei Tsai教授表示：“即使像我们这样的阿尔茨海默病研究实验室已经能够从人体组织样本中生成包括遗传、表观遗传和蛋白质组谱在内的大量数据，但我们仍面临真正整合所有数据以全面了解个体风险、预后和可能治疗反应的挑战。早期就很清楚，FINGERPRINT将是AI如何提供帮助的一个杰出范例。”

该项目建立在Miia Kivipelto教授具有里程碑意义的FINGER研究及其启发的全球WW-FINGERS网络基础上。这些研究现已覆盖40个国家和3万名参与者，专注于可预防疾病发作的风险因素和生活方式干预。FINGERPRINT将其临床和生活方式数据与来自合作实验室和行业合作伙伴的生物标志物、基因组和蛋白质组数据集整合。

MIT衰老大脑倡议去年6月以10万美元种子基金支持了Noriega和机械工程教授Giovanni Traverso的工作。十个月内，团队训练了FINGERS-7B，完成了AD Workbench部署，并向外部开放了模型。任何研究小组都可以将FINGERS-7B应用于自己的队列并反馈结果。在AD Workbench中的部署使模型直接面向已经从事阿尔茨海默病预防的研究人员和临床医生，无需他们移动敏感患者数据或建立新基础设施。

FINGERPRINT的其他成员包括Tsai、Traverso和Kivipelto。行业合作伙伴包括Alamar Biosciences和Novo Nordisk。其他机构合作伙伴包括Broad研究所、耶鲁大学、帝国理工学院和布里格姆妇女医院。即使在公开发布之前，FINGERPRINT已准备对全球阿尔茨海默病研究产生影响。2月，达沃斯阿尔茨海默病协作组织和FINGERS大脑健康研究所宣布合作，利用FINGERPRINT推进阿尔茨海默病预防研究，关键目标是涵盖全球各地人群，捕捉全球人口的真实多样性。该团队还是上个月在哥本哈根由ADDI和Gates Ventures赞助的AI Insights数据奖决赛入围者之一（从约200个团队中选出）。

“总会有人为阿尔茨海默病预防构建基础模型栈，”Gollwitzer说，“它应该是开放的，而且应该现在就做。”