一项国家级700万美元的竞赛早期成功表明，人体细胞模型如何加速大脑疗法的测试。
长寿研究在理解衰老身体的变化方面取得了显著进展。科学家们能够越来越自信地靶向细胞衰老、调节新陈代谢、重编程细胞以及探索再生疗法。但当这些想法应用于大脑时，进展却显著放缓。
原因很简单。大脑受到身体最强大的安全系统之一——血脑屏障的保护。可以将其视为一道精英边境管制，决定哪些物质进入大脑，哪些留在外面。它在阻止有害物质方面表现出色。不幸的是，它在阻碍药物方面也同样有效。大约98%的小分子药物——以及几乎所有生物制剂——都无法穿透。
这引出了一个对长寿具有深远影响的问题：如果研究人员最终能够利用人工智能理解、预测并安全地穿越这一屏障，那么专注于大脑的长寿疗法能否最终赶上衰老科学其他领域所取得的快速进展？
这也带来了另一个挑战。如今，研究人员常常需要等待数年，直到阿尔茨海默病或帕金森病等疾病发展起来，才能评估治疗是否有效。但是，如果他们能在实验室中重现衰老的人类血脑屏障呢？是否可以在不可逆转的损害发生之前数年，就开发出预防性疗法？
这些问题是加州公司Frontier Bio最新公告的核心——这份公告表面上技术性强，却反映了医学本身演变过程中的一个更大转变。
Frontier Bio已被评为Complement-ARIE新方法学（NAMs）实践转化挑战赛的第一阶段优胜者。这项全国性竞赛由美国国立卫生研究院（NIH）共同基金与美国食品药品监督管理局（FDA）和环境保护局（Environmental Protection Agency）合作领导，并由美国国家航空航天局（NASA）竞赛实验室管理 [1]。该奖项使Frontier Bio进入了这项多年期竞赛的下一阶段，该竞赛总奖金池为700万美元，并为该公司早期的成功提供了现金奖励。
教会人工智能理解大脑的「守门员」
想象一下，在没有实际交通通过的情况下测试一座新桥。你可以建造一个高度逼真的模型，观察车辆的行为，并在任何人驾车通过真实桥梁之前发现弱点。Frontier Bio正在将类似的理念应用于血脑屏障。
该公司将活体人细胞培育成一个微型实验室模型，重现了将血流与大脑隔开的屏障。然后，人工智能研究普通显微镜图像，以确定潜在疗法遇到该屏障时会发生什么。
药物能否成功穿过？它会削弱屏障吗？还是会保持一切不变？人工智能不再依赖昂贵的专业设备或漫长的动物研究，而是从标准显微镜图像中提取可衡量的洞察力，使研究人员能够更快、更低成本地评估疗法。目标不仅仅是生成更多数据，而是生成更能反映人体实际情况的数据。
Frontier Bio首席执行官埃里克·班尼特（Eric Bennett）表示：「预测人类大脑对疗法的反应是药物开发中最昂贵、尚未解决的问题之一，而动物模型始终无法弥补这一差距。」「我们正在将NeuroTraX-AI打造成开发人员所需的、可扩展的、基于人类的替代方案，正值监管机构呼吁此类方案之际。」
监管转向多年来一直在酝酿
美国食品药品监督管理局（FDA）通过《FDA现代化法案2.0》（FDA Modernization Act 2.0）制定的2025年路线图，勾勒了动物测试逐渐由基于人类的实验室模型和先进计算方法补充（在某些情况下甚至取代）的未来。这不仅仅是科学上的升级，它反映了对人类生物学极难模仿的认知，以及在动物身上表现良好的治疗方法在人体中往往表现大相径庭的事实。虽然Frontier Bio并非唯一一家试图利用这一监管转变的公司，但其平台反映了行业更广泛地推崇「以人为本」测试的趋势。
脑部疾病使得这种不匹配更加明显。开发治疗神经系统疾病的疗法通常需要数十亿美元，并且可能耗时十多年。然而，进入临床试验的中央神经系统药物候选者中，只有不到十分之一最终能惠及患者。这不一定是因为想法错误，而是研究人员通常缺乏一种可靠的方法，直到开发的后期才能预测人类大脑将如何反应。
如今，大部分兴奋点集中在延长身体各部位的健康寿命，但没有大脑健康的健康衰老只是方程式的一部分。下一代长寿疗法越来越被期望在症状出现之前，就针对认知衰退、神经炎症和与年龄相关的神经系统疾病。实现这一未来，需要比目前方法更安全、更准确、更早地研究大脑的更好方法。
Frontier Bio目前正在扩展NeuroTraX-AI的训练库，提高其测试能力，努力进行验证，并寻求与药物和细胞疗法开发商合作，以实现商业部署。
该平台最终是否会成为行业标准仍有待观察。但它获得NIH的认可，反映的不仅仅是一家公司的进步。它预示着药物开发的未来可能不再依赖于疾病发生后的观察，而更多地在于在疾病发生之前，忠实地重现人类生物学。
如果血脑屏障长期以来一直是减缓神经退行性疾病进展的「关卡」，那么像NeuroTraX-AI这样的技术表明，开启这扇门的「钥匙」可能正在逐步形成。如果长寿最终不仅仅是为了延长寿命，更是为了保持健康的认知，那么解锁这扇门，其变革性可能不亚于任何旨在减缓衰老本身的突破。
📎 来源：Longevity Technology