C-BRAIN, soutenu par NVIDIA, utilise l’IA pour accélérer la recherche sur la démence
Un consortium de recherche sur la démence soutenu par NVIDIA affirme que l’intelligence artificielle contribue à réduire le temps nécessaire pour passer des données à l’information, alors que les scientifiques font face à un fardeau mondial de la maladie qui reste important et croissant. Dans un document publié par NVIDIA le 27 octobre 2026, le Consortium for Biomedical Research and IA in Neurodegeneration, ou C-BRAIN, a déclaré que ses outils sont conçus pour aider les chercheurs à traiter plus rapidement et en toute sécurité de grands volumes de données sur Alzheimer.
Preuves et contexte
Le rapport du consortium indique que 57 millions de personnes dans le monde vivent avec la démence et que la maladie d’Alzheimer représente une grande part des cas. Les documents de base fournis avec la source indiquent que la fiche d’information sur la démence de l’Organisation mondiale de la santé, mise à jour le 26 octobre 2026, cite environ 57 millions de personnes vivant avec la démence dans le monde en 2021, avec près de 10 millions de nouveaux cas chaque année et la maladie d’Alzheimer contribuant à environ 60% à 70% de cas. Le matériel de l’OMS indique également que la démence est la cinquième cause de mortalité au monde et une cause majeure de handicap et de dépendance chez les personnes âgées.
C-BRAIN, dirigé par le Dr Randall Bateman et un consortium d’institutions membres de 18 couvrant des organisations académiques, philanthropiques, pharmaceutiques et de recherche, a été lancé en 2025-11, selon la source. Bateman a indiqué que le groupe considère l’intelligence artificielle comme un moyen d’accélérer la découverte, décrivant l’effort comme « IA outils construits par des scientifiques, pour les scientifiques ». Le consortium affirme que le problème ne réside pas seulement dans l’effort scientifique, mais aussi dans la difficulté de synthétiser suffisamment rapidement de grands ensembles de données isolés pour suivre le rythme du volume de publications et de la complexité des maladies.
La source indique que C-BRAIN construit une infrastructure hybride centralisée et fédérée afin que les modèles puissent apprendre des données de chaque institution sans que ces données ne quittent ces sites. Le consortium affirme qu’il fait actuellement fonctionner 64 GPU de centres de données NVIDIA sur site aux côtés de nœuds cloud sur Microsoft Azure, avec une capacité supplémentaire de GPU NVIDIA, y compris des systèmes Blackwell, attendue plus tard à mesure que l’effort s’intensifiera. Il utilise également la plateforme de développement ouvert BioNeMo de NVIDIA et le cadre MONAI dans ses pipelines de recherche, selon le rapport.
C-BRAIN affirme que certaines des données qu’il tente d’utiliser ont été difficiles à accéder via les systèmes d’IA conventionnels, y compris les résultats non publiés, les résultats négatifs et les données propriétaires gouvernantes. Le consortium qualifie cela de « données obscures ». Le Dr Ade Ojewole, directeur technologique de C-BRAIN, a déclaré : « Beaucoup de données en sciences de la vie ne se retrouvent pas dans les modèles de pointe », ajoutant que cela laisse « beaucoup d’intelligence sur la table. »
Le groupe affirme avoir déjà développé deux outils open source. OpenScientist, développé avec le Lawrence Berkeley National Laboratory dans le cadre d’un travail dirigé par le chercheur Justin Reese, est décrit comme un co-scientifique IA agent capable de générer des hypothèses, d’effectuer des analyses et de produire des analyses auditables. InsightEngine, développé avec 387 Labs, est décrit comme une plateforme qui teste les hypothèses avec la littérature scientifique, analyse des jeux de données utilisateurs, explore un graphe de connaissances biomédicales et vérifie les affirmations par rapport aux preuves afin de réduire les hallucinations avant la réalisation des expériences.
Dans des études de cas publiées citées par la source, OpenScientist a réalisé des analyses en quelques minutes que les scientifiques du domaine estimaient prendre des semaines à des mois, pour un coût de moins de $10 par exécution. C-BRAIN affirme que, pour plus de 200 groupes de recherche, les gains de temps pourraient se traduire par plus de un millions d’heures de capacité de recherche chaque année à grande échelle. Ce chiffre est présenté par le consortium comme une estimation basée sur des scénarios plutôt qu’un résultat mesuré.
En regardant vers l’avenir, le consortium affirme vouloir construire un modèle biologique multimodal de base utilisant la neuroimagerie, les multi-omiques, des biomarqueurs fluides et des mesures cliniques longitudinales. Bateman a indiqué que l’objectif est d’accélérer les découvertes pouvant soutenir la prévention et le développement de traitements, tandis qu’Ojewole a indiqué qu’une optimisation substantielle sera nécessaire à mesure que le groupe dépasse les limites actuelles de l’apprentissage automatique spatial omic. Le calendrier des éventuelles avancées scientifiques qui en résulteront reste inconnu.