【醫學辦案室】明星美式足球球員之死，與他們腦內的震盪效應

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

你身邊有人罹患失智症嗎？失智症和其他破壞身體的疾病很不一樣，它攻陷和摧毀心智，使我們最愛的人變成陌生人。其中，有六到七成的失智症患者都患有阿茲海默症，2023 年 5 月，對抗阿茲海默症的護腦基因研究出爐，有機會打破幾乎束手無策的現狀，催生出治病的新藥和新策略。而且，這是 6000 人、跨越 30 多年用他們的人生教給我們的一堂課。

為什麼整個世紀阿茲海默症都沒藥醫？

1906年德國一位醫師阿茲海默（Alois Alzheimer）發表一個病例，這名女性患者在生前接受治療的期間答非所問、時間感混亂，也不知道自己身在何處，這種導致大腦病變的疾病後來就稱為阿茲海默症（Alzheimer’s disease）。

這位病患過世後，阿茲海默醫師解剖她的大腦，發現腦部嚴重萎縮，而且腦組織的切片經過銀染色後，可以看到布滿許多斑塊，神經細胞也扭曲變形，這兩種腦部的變化到現在還是診斷阿茲海默症的重要依據。

後來的科學家接棒研究，檢驗出這些斑塊是由一類叫做類澱粉蛋白質（amyloids）的不可溶蛋白質所形成，這些蛋白質會沉澱在神經細胞外面，部分研究者猜想這些斑塊或許是導致神經細胞活性衰減或死亡的兇手。而這些異常蛋白質跟食物裡的澱粉沒有關係，只是因為染色以後看起來和澱粉染色類似，澱粉的拉丁語是 amylum，所以早期的科學家就把它叫做類澱粉蛋白質 amyloid，一直延用到今天。

神經細胞的扭曲變形則是因為神經細胞裡面冒出了大量的 Tau 蛋白質，這種蛋白質會在細胞內部聚集成雜亂糾結的纖維狀結構，也可能因此造成神經細胞沒辦法正常運作。

抓到大腦異狀的可疑元凶了，離找到解藥就不遠了吧？沒想到焦急的病患和家人們這一等，就等了快要 90 年。

第一個阿茲海默症的藥一直到 1993 年才推出，而且只能延緩心智瓦解的速度，沒辦法逆轉病程。1993 到 2003 年之間，一共有 5 種藥上市，其中 4 種的功效是提高神經傳導物質乙醯膽鹼的濃度，使神經訊號能順利傳送；另一種藥作用在神經細胞膜上的 NMDA 受體（N-methyl-D-aspartate receptor），這種受體分布在腦部多個區域，可以接收神經訊號，和認知學習有關。打個比方，這些藥都像是給瀕臨油盡燈枯的腦神經細胞打強心針，再盡可能多傳遞一些訊號，只能暫時減輕症狀，沒辦法解除病因。

目前全球失智症患者估計已經超過五千五百萬人，估計 2050 年時會膨脹到將近一億四千萬人；臺灣更是現在進行式，推估 80 歲以上每 5 個人就有 1 個人失智。一個影響如此之大的疾病，卻只有少得可憐的解方。綜觀整部醫療史，這種山窮水盡的情況其實很少見，其他的病再怎樣難纏，或多或少總可以想出一些辦法，就算是萬病之王癌症，人類還是不斷做出新藥、新療法，不會落到這種兩手一攤無計可施的地步。

2003 年以後又是一大段空白，到了 2021 年——距離發現阿茲海默症已經有 115 年之久——終於有新藥 Aducanumab 問世，它是第一種直接針對可能病因的藥物，鎖定的目標是清除類澱粉蛋白質。

爭議藥物強行通關，FDA委員憤而辭職

然而這款藥飽受爭議。大致來說，它最大的問題是雖然能減少類澱粉斑塊，但是只有部分受試患者的認知功能稍有改善。當時美國食品及藥物管理局（FDA）諮詢委員會的 11 名委員中 1 人棄權、10 個人投下反對票，可見得專家並不認同這款藥達到上市標準，但是 FDA 還是在病患人數多、有迫切醫療需求等等考量下強行核准過關。事後陸續有 3 名專家憤而辭職，掀起醫界不小的波瀾。

2023 年 1 月，第二種新藥 Lecanemab 推出，治療過程中可以把認知功能退化速度減少約四分之一；5 月上旬，第三種藥 Donanemab 公布第三期人體臨床試驗結果，減少認知退化速度約三分之一。兩種藥也都針對類澱粉斑塊，療效比第一種藥 Aducanumab 好了不少，但是使用上有限制，例如 Lecanemab 建議在疾病早期使用，效果可能比較好，然而很多阿茲海默症患者確診時已經是中晚期。兩種藥也有副作用，例如用藥後部分患者發生腦水腫或腦出血。

換句話說，現在寥寥無幾的藥都還有無法忽視的缺陷。找藥已經找到焦頭爛額的科學家，靈光一閃，另闢蹊徑從基因下手。而且，真的在陰霾中找到了一線亮光。

害腦基因 VS. 護腦基因，腦部小宇宙裡的戰爭

過去兩三個世代的科學家費盡心思，上山下海去搜索和阿茲海默症罹病風險相關的基因，他們決定直球對決：想辦法抑制或清除掉致病基因產生的壞東西，大腦自然就沒事了。

比如說，第一型早老素（PSEN1）、第二型早老素（PSEN2），以及 APOE 脂蛋白（Apolipoprotein E）基因等等。早老素顧名思義，被認為和腦神經功能衰退相關；APOE 則是和人體代謝膽固醇及三酸甘油酯有關，也會影響腦部類澱粉蛋白質的沉積過程。

有會傷害大腦的基因，那有沒有能保護大腦的基因呢？

但是也有科學家偏要和別人逆向，他們問的問題很簡單：既然有會毒害大腦的基因，那有沒有能保護大腦的基因呢？他們認為，只要弄清楚這些基因是用什麼方式為腦細胞穿上金鐘罩鐵布衫，人類就可以效仿了。

但是這種研究非常困難。原因是如果要找壞基因，可以藉由比對病人和健康人的 DNA，先勾勒出一個模糊的輪廓。就好像拿癌細胞和健康細胞來互相比較，可以挖到深埋在 DNA 裡的致癌基因。但是要找護腦基因，卻沒有對照組可以當成參考的基準點。也因為這個主要障礙，這類研究推進得相當龜速。

為什麼沒有對照組呢？因為最理想的受測者必須滿足三項條件。第一，他體內要攜帶能保護腦的基因，雖然科學家這時候還不知道這些基因是什麼；第二，他同時也帶有會傷害腦的基因；還有關鍵的第三點，那就是要可以觀察到護腦基因發功，壓過傷腦基因的破壞力道。

天啊，這也太困難了！不過科學家找到了理想的試驗對象，或許更精確的形容詞是，終於讓他們「等」到了。

尋找阿茲海默症致病基因——阿茲海默症家族

在南美洲哥倫比亞，有一個被早發型阿茲海默症魔咒纏身的大家族，人數約有 6 千人，其中許多人通常在 40 到 50 歲間就發病，遠比一般人早，病情惡化速度也更快。科學家追蹤這個家族 30 多年，鑑別出和腦部退化相關的多個遺傳因素。

2023 年 5 月，研究團隊在《Nature Medicine》發表成果，他們分析了大約一千兩百位帶有早發型致病基因的家族成員，從中找到一名特殊個案，這個男性首次接受認知功能測試的時候是 67 歲，已經超過發病年齡中位數 20 多年，但是卻只有輕度的認知障礙，沒有惡化成失智。

之後，科學家掃描這個人的大腦，發現腦部堆積大量的類澱粉斑塊，還有 Tau 蛋白質造成的神經細胞纖維糾結，簡單來說，他的大腦就像一個嚴重失智病人的腦。不過，其中有一塊名叫內嗅皮質（entorhinal cortex）的腦區，只有少少的 Tau 蛋白質。

內嗅皮質緊貼著掌管記憶形成過程的海馬迴（hippocampus），它的角色有點像海馬迴的守門人，能把遠處腦區傳來的電訊號接力送進海馬迴，先前已知內嗅皮質和記憶及空間定位能力有關。

2014 年諾貝爾生醫獎得主歐基輔和穆瑟夫婦，因為發現動物利用腦中一組排列成六角形網格狀的特殊細胞來記住地圖和認路，因而獲得殊榮，網格細胞就是位在內嗅皮質。阿茲海默症患者的內嗅皮質通常在疾病早期就遭到破壞，因此導致頻繁迷路、出得了門回不了家的症狀。或許我們該幫索隆檢查一下內嗅皮質？

研究團隊進一步分析這個男性的基因，發現他有一個稱為 RELN 的基因發生突變。RELN 基因已知和思覺失調症、躁鬱症等腦部變化有關聯，但科學家以往對這個基因和阿茲海默症的關聯了解得不多。

RELN 基因和阿茲海默症的關聯

為了瞭解這種突變會觸發什麼後續效果，研究者改造小鼠的基因，試驗結果發現，突變 RELN 基因轉譯出來的蛋白質，會促使 Tau 蛋白質發生化學修飾，降低了某些腦區裡 Tau 蛋白質聚集形成纖維糾結的能力。

這項研究其實是史上第二例基因突變大幅延緩早發型阿茲海默症病程的報告，第一例是同一個家族的一位女性，2019 年發表在《Nature Medicine》，她比同家族人晚了將近 30 年才發病，不過她發生突變的地方是在 APOE 基因，突變後 APOE 脂蛋白的致病力減弱，比較難以造成腦部病變。

阿茲海默的新假設與新挑戰

這兩份研究報告帶出了一個假設，以及一個挑戰。新的假設是，用人為方式加強 RELN 的護腦效果，或是削弱 APOE 的傷腦能力，對於開發新藥和新療法來說可能是更好的目標。

不過，持平來說，目前這類護腦基因突變僅僅發現兩例，還太少了，只能用試驗結果建立假說，也不能確定是不是適用於所有患者，必須累積更多調查和試驗數據才能判斷。

提出的新挑戰則是，現在 FDA 核准的藥物都是鎖定類澱粉蛋白質為目標，還有一大堆同類的藥正在燒鈔票試驗中，但是新研究對於類澱粉斑塊致病假說是一記強而有力的警鐘。或許 Tau 蛋白質的角色一直被誤解了，它才是真正的幕後黑手？又或許根本不需要保護整個腦，只要想辦法保住關鍵腦區或必要的神經元通道，就可以對抗阿茲海默症？這些問題都是接下來研究的重點。

腦真的是類澱粉蛋白質殺的？阿茲海默症研究風向轉變中

類澱粉蛋白質是主要致病元兇的說法在近幾年已經受到不少質疑。原因有好幾個，概略來說，主因是科學家陸陸續續看到一些當事人大腦裡有類澱粉斑塊沉積，但是心智沒有明顯受影響的案例；還有，長久以來全球許多研究團隊把類澱粉蛋白質當作開發藥物的目標，結果失敗率幾乎是 100％，也讓人對這個假說起疑。

就在 2022 年，阿茲海默症醫療史上一樁惡名昭彰的醜聞爆發，更把致病原因的爭議推上最高點。

事件導火線是一位神經科學家揭露 2006 年發表在《Nature》的一篇阿茲海默症經典論文涉嫌造假，這篇報告以及它後續的研究，提出某個類型的類澱粉蛋白質可能導致阿茲海默症的看法。2022 年 7 月《Science》刊出長篇報導，指出科學界調查認為有數百張論文圖片疑似有問題。

這把火最直接燒出來的問題是，會不會整整十六年來大家都被誤導了？白白浪費了大批科學家的時間，連帶燒掉幾千萬甚至幾億美元。這裡我們沒辦法再多講細節，如果你想更詳細瞭解這場「阿茲海默之亂」和後續影響，想知道研發阿茲海默藥物的百年崎嶇路和未來進程的更多新知，或是想跟上失智症的其他最新研究，歡迎加入我們的頻道會員來投票喔！

不過，這並不是說類澱粉斑塊假說就此被一竿子打翻，畢竟很多患者大腦有明確的斑塊沉積是事實，而且醜聞裡牽涉到的只是類澱粉蛋白質之中的特定類型；再加上 2023 年針對類澱粉斑塊的 Lecanemab 和 Donanemab 兩款新藥的確有療效，也是有力的佐證。

目前生物醫學界的看法，逐漸轉向認為阿茲海默症很可能不是單一種疾病，而是應該再切分出多種亞型，類澱粉蛋白質斑塊是部分患者的病因但不是全部。打個比方，就好像同樣是肺癌，按照基因差異和疾病進程不同，醫師和科學家可以把患者再分成多個小群，每一群都有相對更適合的療法。

舉例來說，前面說到的從阿茲海默症家族發現的傷腦和護腦基因，以及關鍵腦區有沒有受損，或許就有機會成為打開分型治療之門的幾把鑰匙。

如果這個多亞型的新觀點成立的話，那麼要怎麼樣為患者分型？有哪些生物標記可以用？每種亞型要怎麼治療？這些一連串問題勢必會變成接下來研究的重點，我們也可以想像得到，阿茲海默症的醫療即將出現百花齊放的局面，不過呢，這又是另一個故事了。如果你身邊有人也對這個議題好奇，歡迎分享給他，如果你就是阿茲海默症的患者跟照顧者，在此跟你說聲辛苦了。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識！