Gantenerumab

围绕阿尔茨海默病（AD）“Aβ假说”的争议已延续二十余载。最近，Cummings的一篇Meta分析再度将这一核心议题摆在了广大临床专家与研究者面前，引发了对“Aβ能否作为AD有效治疗靶点”的新一轮拷问。在此背景下，笔者结合自身多年的AD临床试验经验及持续的行业观察写下这篇简评，期待与各位行业同道分享观点、碰撞思想。过去三十多年，阿尔茨海默病（Alzheimer’s disease, AD）研究几乎绕不开一个核心概念：β-淀粉样蛋白（amyloid-β, Aβ）。经典的“淀粉样蛋白级联假说”认为，Aβ 的异常生成、聚集和沉积是 AD 发病的关键上游事件，并进一步诱导 tau 病理、突触损伤、神经元死亡和认知衰退。Aβ 作为 AD 病理标志物和药物靶点，确实推动了分子病理学、影像学、生物标志物和临床试验体系的发展；但大量临床试验的结果也反复提示，Aβ 并不能单独解释 AD 的全部临床过程。这个理论曾经非常有吸引力。它有清晰的病理图像，有遗传学线索，也有可测量的生物标志物。更重要的是，它给药物开发提供了一个看似明确的方向：如果 Aβ 是疾病的源头，那么清除 Aβ，就应该能够改变疾病进程。然而，过去二十多年里，多个抗 Aβ 药物虽然能够降低脑内 Aβ 或改善相关生物标志物，却未能稳定转化为有意义的认知和功能获益。从神经科医生的角度看，这正是淀粉样蛋白假说遭遇的最大挑战：问题不在于 Aβ 完全不重要，而在于我们曾经把它看得过于重要，甚至把一个复杂的神经退行性疾病，过度简化成了一个单靶点、单路径、单因果的疾病模型。2023 年发表于 Brain 的批判性综述明确指出，遗传学、临床、影像学和生化证据均提示 AD 具有更复杂的病因结构，Aβ 可能参与疾病过程，但并不足以作为唯一或主导解释。一、真正的问题不是“有没有清除 Aβ”，而是“患者有没有获益”站在临床神经科医生的角度，AD 从来不是一个只靠 PET 图像或病理切片就能完全解释的疾病。患者来到诊室时，困扰他们和家属的不是“脑内有多少斑块”，而是记忆逐渐消失、判断力下降、语言变得困难、生活能力一点点丧失，以及家庭照护压力不断增加。因此，AD 治疗的核心问题必须回到患者身上：药物是否让患者保持了更久的清醒、更久的独立、更久的生活质量？这也是抗 Aβ 药物长期令人失望的地方。许多药物能够改变 Aβ 相关指标，却不能稳定地改变患者的临床轨迹。Aβ PET 变好了，不等于记忆保住了；脑脊液标志物改善了，也不等于患者能继续管理自己的生活。Aβ 靶向治疗综述也指出，反复失败的 Aβ 临床试验使人们重新质疑：AD 药物研发是否过度依赖了一个过于线性的疾病模型。这并不是说生物标志物不重要。恰恰相反，现代 AD 诊断和临床试验离不开 Aβ、tau、神经退行性变等标志物。但标志物是帮助我们理解疾病的工具，不应被误认为疾病本身。临床医学最终评价的是患者，而不是图像。二、“给药太晚”曾是合理解释，但不能解释一切面对早期抗 Aβ 试验的失败，领域内最常见的解释是：治疗开始得太晚了。这个说法并非没有道理。AD 的病理过程往往在症状出现前很多年就已经启动；当患者表现出明显记忆问题时，海马网络、胆碱能系统、突触连接和皮层功能可能已经受到相当程度的损害。因此，在症状出现后才清除上游 Aβ，确实可能已经错过了最佳干预窗口。然而，“给药太晚”后来逐渐变成了一种几乎万能的防御叙事。轻中度 AD 失败，是因为太晚；轻度 AD 失败，还是因为太晚；MCI 阶段失败，可能是剂量不够、时间不够；无症状高危人群失败，又可能是靶向的 Aβ 形式不对。一个科学假说当然可以不断修正，但如果每一次失败都只被解释为“试验设计还不够理想”，而不是反过来审视疾病模型本身，那么这个假说就会越来越难被真正检验。Nature 在 2018 年的评论文章 The amyloid hypothesis on trial 就已经反映出，当时领域内对淀粉样蛋白假说的信心与怀疑并存，尤其对预防性试验和家族性 AD 试验寄予了很高期待。正因如此，常染色体显性遗传性 AD 人群曾被寄予厚望。携带 APP、PSEN1 或 PSEN2 突变的人群具有较高的发病确定性，发病年龄也相对可预测。理论上，他们为早期甚至无症状阶段干预提供了最理想的人体模型。如果抗 Aβ 治疗只是“需要更早”，那么这类人群理应最容易看到效果。但 DIAN-TU 研究并没有给出这样的答案。Solanezumab 和 gantenerumab 在常染色体显性遗传性 AD 人群中给药 4–7 年；结果显示，两种药物均作用于 Aβ 靶点，但均未在认知终点上显示明确获益。Gantenerumab 虽然降低了淀粉样斑块及部分下游标志物，solanezumab 在部分认知指标上甚至显示出更大下降趋势。这个结果很难被轻描淡写地归为“还是太晚”。它更像是在提醒我们：早期干预很重要，但早期清除 Aβ 并不等于阻断 AD。换句话说，治疗时机重要，但治疗靶点是否真正覆盖疾病驱动机制，同样重要。三、家族性 AD 也不是“纯粹的 Aβ 疾病”淀粉样蛋白假说最强的证据之一，来自家族性 AD。APP、PSEN1 和 PSEN2 突变会改变 Aβ 的生成和比例，并导致较早发病；这一点确实说明 Aβ 生物学在 AD 中占有重要位置。但问题在于，这个证据后来被过度外推了。APP 和 presenilin 并不是只参与 Aβ 生成的“单功能蛋白”。它们还涉及突触功能、细胞内信号转导、内体-溶酶体系统、钙稳态、膜蛋白加工，以及 γ-分泌酶多种底物的调控。因此，家族性 AD 突变造成的后果，很可能远不止“产生了更多 Aβ”这么简单。换句话说，家族性 AD 并不一定是一个纯粹的“淀粉样蛋白过多”疾病。它可能是一种更广泛的神经元细胞生物学紊乱，而 Aβ 只是其中最容易被观察、最容易被测量、也最容易被药物靶向的一部分。这也是 DIAN-TU 结果的重要意义所在：即便是在遗传学上最接近 Aβ 模型的人群中，长期抗 Aβ 治疗仍未能带来确定的认知保护。这个结果并不否定 Aβ 的作用，但它削弱了一个长期被默认的前提：只要 Aβ 是早期事件，清除 Aβ 就足以改变疾病命运。四、Aducanumab 的争议：生物标志物成功不等于临床成功如果说 DIAN-TU 挑战了“给药太晚”的解释，那么 aducanumab 则暴露了另一个更现实的问题：我们是否过度依赖了替代终点？Aducanumab 的早期研究显示，它能够降低脑内淀粉样蛋白负荷，并在探索性认知指标上释放出积极信号。2016 年发表于 Nature 的 phase 1b 研究显示，aducanumab 可剂量和时间依赖性降低 Aβ 斑块，并报告了 CDR-SB 和 MMSE 等探索性临床指标的变化；但研究本身样本量有限，且并非用于确证临床疗效。随后 aducanumab 的两项 III 期研究结果并不一致：一项被解读为阳性，另一项未能证实疗效。尽管如此，aducanumab 仍在 2021 年获得 FDA 加速批准，其核心依据之一就是淀粉样斑块减少这一替代终点。该决定在学界和临床界引发巨大争议，因为它实际上把“斑块减少”视为“临床获益可能发生”的代理指标。对于临床医生来说，这个逻辑并不令人完全放心。患者和家属真正关心的是记忆、功能和生活质量，而不是 PET 图像是否更干净。Alzforum 对 aducanumab phase 1b 研究的报道也提到，虽然其清除斑块的能力令人印象深刻，但也有研究者提醒不要过度解读样本量不足的认知数据。后来 Biogen 宣布停止 aducanumab 的开发和商业化供应，并终止 ENVISION 确证性研究，将资源转向 lecanemab 和其他 AD 管线。Biogen 在 2024 年 1 月 31 日的公告中表示，该决定是资源重新配置，并称与新的安全性或疗效担忧无关；Alzheimer’s Association 也确认 aducanumab 已由制造商停止供应。Aducanumab 的故事并没有证明 Aβ 靶向完全错误，但它清楚地提醒我们：监管意义上的成功、影像学意义上的成功、商业意义上的成功，与临床意义上的成功并不是一回事。五、Lecanemab 和 donanemab：它们带来了希望，也划出了边界近年来，lecanemab 和 donanemab 让抗 Aβ 治疗重新获得关注。与此前许多失败项目不同，这两种抗体在早期、经生物标志物确认的 AD 患者中，显示出统计学显著的认知和功能下降减缓。CLARITY AD 研究纳入 1795 名早期 AD 患者，lecanemab 在 18 个月内使 CDR-SB 下降较安慰剂组减少，NEJM 论文报告两组 CDR-SB 变化分别为 1.21 与 1.66，差值为 -0.45。外部解读通常将 lecanemab 的效果概括为约 27% 的临床下降减缓。European Academy of Neurology 和 Yale School of Medicine 均对 CLARITY AD 研究进行了类似解读，并同时指出治疗伴随输注反应和 ARIA 等安全性问题。Donanemab 的 TRAILBLAZER-ALZ 2 研究发表于 JAMA，纳入早期症状性 AD 患者，并要求存在 amyloid 和 tau 病理证据。研究显示，donanemab 在 76 周内显著减缓 iADRS 下降；在低/中 tau 人群中，donanemab 组 iADRS 下降 -6.02，安慰剂组下降 -9.27，差值为 3.25。这当然是进步。对于一个长期缺乏疾病修饰治疗的领域来说，任何能够延缓下降的药物都值得认真对待。对某些患者和家庭而言，几个月的功能维持可能意味着继续独立生活、继续工作、继续参与家庭决策，甚至只是多一段相对稳定的亲密相处时间。但同时，我们也需要保持清醒。Lecanemab 和 donanemab 并没有让患者停止下降，更没有恢复已经丧失的认知功能。它们展示的是“减缓”，不是“逆转”；是“延迟”，不是“治愈”。2024 年发表于 eNeuro 的评论也强调，抗 Aβ 单抗的真实临床意义需要放在治疗负担、安全性、患者可感知获益、长期疗效和真实世界可及性的框架中理解。此外，这类治疗并不轻松。患者需要接受生物标志物确认、定期输注、MRI 监测，还要面对 ARIA，即淀粉样蛋白相关影像异常的风险。APOE ε4 携带者尤其需要谨慎评估；AAN 关于 aducanumab 的资料指出，ARIA 是抗 Aβ 抗体治疗中需要特别关注的不良反应，在 aducanumab 试验中发生率较高，并且在 APOE ε4 携带者中更常见。因此，lecanemab 和 donanemab 更像是为 Aβ 假说划定了一个更现实的边界：Aβ 是可以干预的，干预 Aβ 可以带来一定临床价值；但 Aβ 不是 AD 的全部，抗 Aβ 治疗也不是 AD 的终局答案。六、为什么 Aβ 负荷不能充分解释认知衰退？一个长期存在的事实是：Aβ 负荷与认知状态之间并不总是匹配。许多认知正常的老年人可以存在明显 Aβ 沉积；而一些痴呆患者的临床表现，则可能更多受到 tau 病理、脑血管病变、TDP-43、Lewy 小体病理、海马硬化或其他混合病理的影响。相比之下，tau 的分布、突触丢失、脑萎缩和神经网络破坏，通常与临床症状更接近。这并不奇怪。Aβ 可能是上游事件，但患者出现症状时，真正决定认知表现的往往是更下游的网络损伤。就像河流上游出现污染固然重要，但下游生态是否崩溃，还取决于水流、土壤、植被、微生物和长期累积损害。只盯住一个污染源，未必能解释整个生态系统的衰败。这也解释了为什么抗 Aβ 药物常常能够带来生物标志物改善，却只能带来有限的临床效果。清除 Aβ 可能减少了一部分上游压力，但不能自动修复已经发生的 tau 扩散、突触崩溃、神经炎症、线粒体功能障碍、脑血管损害和神经元死亡。七、小鼠模型曾经给了我们太多信心淀粉样蛋白假说之所以长期占据中心位置，一个重要原因是动物模型看起来非常支持它。APP 或 PSEN 突变小鼠能够快速形成 Aβ 沉积，许多抗 Aβ 干预也能在这些模型中减少斑块、改善某些行为表现。但现在回头看，这些模型可能给了我们过多信心。转基因小鼠可以很好地模拟 Aβ 沉积，却很难模拟人类 AD 的全貌。人类 AD 是一个发生在长期衰老背景下的慢性疾病，涉及血管病变、代谢异常、免疫老化、APOE 相关脂质调控、多蛋白病理、认知储备和社会功能等复杂因素。而小鼠模型往往更像是“快速制造斑块”的系统，而不是完整的人类痴呆模型，模型可以作为target engagement的检测，却不能等同于人类疾病的控制。这带来一个转化医学上的误区：我们以为自己在研究 AD，实际上很多时候是在研究 Aβ 沉积。我们以为清除斑块等于治疗痴呆，但临床结果告诉我们，这两者之间并不能画等号。八、ARIA 风险提醒我们：Aβ 不是简单的“脑内垃圾”抗 Aβ 抗体的安全性问题同样值得深思。淀粉样蛋白相关影像异常（amyloid-related imaging abnormalities, ARIA）包括 ARIA-E，即脑水肿或渗出，以及 ARIA-H，即微出血或浅表含铁血黄素沉积。这些风险与脑淀粉样血管病、血管壁 Aβ 沉积和 APOE ε4 状态密切相关。Aducanumab 试验中 ARIA 是最常见的不良反应之一；AAN 资料显示，ARIA 在 aducanumab 试验中发生率约为 40%，并且更常见于 APOE ε4 携带者。Yale 对 lecanemab CLARITY AD 的解读也报告了 ARIA-E 和 ARIA-H 的发生情况，提示这一类药物在临床应用中必须依赖 MRI 监测和风险分层。这说明 Aβ 并不是简单堆在脑内、等着被清除的“垃圾”。它已经嵌入复杂的脑血管、免疫和蛋白稳态系统中。强力清除 Aβ，尤其是血管相关 Aβ，可能打破原本脆弱的病理-生理平衡，带来水肿和出血风险。这让抗 Aβ 治疗更接近一场精细的临床干预，而不是简单的“清扫行动”。九、淀粉样蛋白假说到底失败在哪里？如果用一句话概括，淀粉样蛋白假说的失败并不是因为 Aβ 毫无意义，而是因为它曾经被赋予了过多意义。第一，AD 被过度简化了。散发性晚发型 AD 并不是单机制疾病，而是多种病理过程交织后的临床综合征。Aβ 阳性只能说明 AD 生物学存在，不能说明 Aβ 是唯一主导因素。第二，疾病阶段被低估了。Aβ 可能在早期发挥作用，但临床症状出现时，突触和神经网络损伤往往已经成为主要问题。此时单独清除 Aβ，可能不足以改变病程。第三，生物标志物被过度放大了。Aβ PET 改善并不等于患者功能改善。AD 药物开发必须以患者中心结局作为最终判断标准，包括认知、功能、生活质量和照护负担。第四，家族性 AD 被过度外推了。APP 和 PSEN 突变支持 Aβ 生物学的重要性，但不证明所有 AD 都可以用 Aβ 单因果模型解释。DIAN-TU 的阴性结果尤其提示，即使在显性遗传性 AD 中，单纯抗 Aβ 也未必足以改变认知轨迹。第五，动物模型误导了转化判断。小鼠中的斑块清除，不能直接预测人类认知获益。转基因小鼠更多模拟 Aβ 沉积，而不是完整的人类 AD 痴呆综合征。第六，真实世界复杂性被低估了。即便 lecanemab 和 donanemab 显示出临床获益，其长期疗效、安全性、成本效益、治疗负担和可及性仍需要真实世界数据继续验证。十、从“淀粉样蛋白中心主义”走向多机制疾病观公平地说，淀粉样蛋白假说不应被简单否定。它极大推动了 AD 分子病理学、影像学、脑脊液标志物、遗传学和临床试验体系的发展。没有 Aβ 假说，今天的 AD 诊断和药物开发不会如此成熟。但它也长期占据了过于中心的位置。Aβ 从一个重要病理因素，逐渐被塑造成几乎唯一的疾病逻辑。大量研究资源、动物模型、临床试验和监管叙事都围绕它展开。每一次失败，都被解释为药物不够好、剂量不够高、阶段不够早，而不是认真追问：我们的疾病模型是否本身就太窄了？未来更合理的方向，不是简单地宣布“淀粉样蛋白已死”，也不是继续坚持“淀粉样蛋白就是一切”。真正成熟的观点应该是：Aβ 是 AD 病理网络中的重要组成部分，尤其在早期疾病和部分生物学亚型中具有治疗相关性；根据美国国家老化研究所和阿尔茨海默病协会（NIA-AA）提出的 ATN（Aβ、Tau、Neurodegeneration）研究框架， AD 的临床进展，是 Aβ、tau、神经炎症、突触损伤、脑血管病变、代谢异常和脑网络韧性下降共同作用的结果。 目前的影像学和临床数据已经确凿证明，相比于 Aβ 斑块的弥漫性分布，Tau 蛋白缠结（Tau PET）的分布范围和负荷，与患者认知功能下降的临床严重程度具有高得多的统计学相关性（作者下期将会对Tau假说进行详细的阐述）。这意味着，抗 Aβ 治疗可以是 AD 治疗组合中的一环，但不应再被视为唯一答案。十一、未来真正需要什么？AD 的治疗未来，很可能不会来自单一靶点的胜利，而来自更精细的疾病分层和联合干预。我们需要更早、更准确地识别患者：谁是 Aβ 驱动更明显的人群？谁已经进入 tau 或神经退行性变主导阶段？谁的认知下降主要受血管病变、炎症、代谢异常或混合病理影响？我们也需要更现实的治疗组合。抗 Aβ 治疗可用于合适的早期患者；tau 靶向治疗可能用于阻断更接近症状的病理扩散；神经炎症调节可能改善免疫微环境；脑血管和代谢风险控制可以减少可干预损伤；突触保护和认知韧性策略则有助于患者维持功能。多机制疾病模型和患者分层策略，正在成为 AD 研发更合理的方向。换句话说，AD 未来的治疗逻辑可能更接近肿瘤、心血管病或 HIV 的发展路径：不是寻找一个“终极靶点”，而是基于疾病阶段、分子分型和患者特征，进行组合式、长期化、个体化管理。结语：该放弃的不是 Aβ，而是 Aβ 一元论淀粉样蛋白假说最大的贡献，是让 AD 从传统临床综合征走向分子病理时代。它最大的局限，则是让我们一度相信，只要解决 Aβ，就能解决 AD。今天的证据迫使我们采取更谦逊、也更接近临床现实的立场：Aβ 很重要，但不充分；清除 Aβ 可以带来一定帮助，但不能解释或逆转整个疾病；抗 Aβ 治疗有价值，但必须放在更大的疾病网络和患者管理框架中理解。对于神经科医生而言，AD 治疗的最终目标从来不是让 PET 图像更干净，而是让患者更久地保留记忆、尊严、功能和生活质量。因此，AD 领域真正需要放弃的，并不是淀粉样蛋白本身，而是淀粉样蛋白一元论。真正需要建立的，也不是另一个单一神话，而是一个更复杂、更诚实、也更贴近患者的疾病模型。参考文献Kepp KP, Robakis NK, Høilund-Carlsen PF, Sensi SL, Vissel B. The amyloid cascade hypothesis: an updated critical review. Brain. 2023;146(10):3969–3990.Zhang Y, Chen H, Li R, Sterling K, Song W. Amyloid β-based therapy for Alzheimer’s disease: challenges, successes and future. Signal Transduction and Targeted Therapy. 2023;8:248.Makin S. The amyloid hypothesis on trial. Nature. 2018;559:S4–S7.Sevigny J, Chiao P, Bussière T, et al. The antibody aducanumab reduces Aβ plaques in Alzheimer’s disease. Nature. 2016;537:50–56Dolgin E. How to defeat dementia. Nature. 2016;539:156–158.Salloway S, Farlow M, McDade E, et al. A trial of gantenerumab or solanezumab in dominantly inherited Alzheimer’s disease. Nature Medicine. 2021;27:1187–1196.Wagemann O, Liu H, Wang G, et al. Downstream Biomarker Effects of Gantenerumab or Solanezumab in Dominantly Inherited Alzheimer Disease: The DIAN-TU-001 Randomized Clinical Trial. JAMA Neurology. 2024;81(6):582–593.van Dyck CH, Swanson CJ, Aisen P, et al. Lecanemab in Early Alzheimer’s Disease. New England Journal of Medicine. 2023;388:9–21.Sims JR, Zimmer JA, Evans CD, et al. Donanemab in Early Symptomatic Alzheimer Disease: The TRAILBLAZER-ALZ 2 Randomized Clinical Trial. JAMA. 2023;330(6):512–527.Jin M, Noble JM. What’s in It for Me? Contextualizing the Potential Clinical Impacts of Lecanemab, Donanemab, and Other Anti-β-amyloid Monoclonal Antibodies in Early Alzheimer’s Disease. eNeuro. 2024;11(9):ENEURO.0088-24.2024.Kametani F, Hasegawa M. Reconsideration of Amyloid Hypothesis and Tau Hypothesis in Alzheimer’s Disease. Frontiers in Neuroscience. 2018;12:25.Biogen. Biogen to Realign Resources for Alzheimer’s Disease Franchise. 2024.Alzheimer’s Association. Aducanumab Discontinued as an Alzheimer’s Treatment. American Academy of Neurology. Aducanumab Drug for Alzheimer’s.

（声明：本文涉及的个人叙述与场景为虚构假设，但所引用的科学数据为真实。） 凌晨两点，我盯着屏幕上的一行数字发呆：r=0.99。 这是我刚用"分位数聚合"方法跑出来的结果——一个被叫停的阿尔茨海默病药物试验数据，按照常见的分析模板跑了一遍，结果"近乎完美"。清除淀粉样蛋白？完美相关。延缓认知衰退？统计学点头。 问题是：这个药，solanezumab，三期临床试验失败，2023年彻底停产。 我不是药企科学家。我是那个不小心发现了"成功药"和"失败药"用了同一个统计方法的人。 2026年5月，布朗大学的Flanders和Ackley在JAMA Neurology上发表了一封研究信，系统地揭示了这一问题(Flanders et al., 2026)。他们发现，礼来公司的科学家在分析donanemab（多纳奈单抗）的TRAILBLAZER-ALZ 2试验数据时，用了一种叫"分位数聚合"的统计方法，把淀粉样蛋白清除与认知改善之间的关联放大了整整29倍。 29倍。 值得注意的是，当他们用同样的方法处理solanezumab——那个已经被证明彻底失败的药物——相关数据同样变成了r=0.99。 这不是统计学的正确应用，而是方法论的挑战。淀粉样蛋白假说：三十年探索 要理解这件事的重量，我们得先把时间拨回1992年。 那一年，Hardy和Higgins在《Science》上发表了一篇里程碑式的论文——"淀粉样蛋白级联假说"(Hardy & Higgins, 1992)。逻辑链条简洁而吸引人：β-淀粉样蛋白斑块沉积→神经元损伤→tau蛋白缠结形成→认知功能崩溃。简单、清晰、可干预。 制药界为之振奋。 如果认知衰退是一场大火，淀粉样蛋白就是那根点燃一切的火柴。掐灭火柴，火不就灭了吗？ 接下来的三十年，这个假说消耗了超过400亿美元的研发资金（Cummings et al., 2021）。bapineuzumab，失败。crenezumab，失败。gantenerumab，失败。solanezumab，失败。每一个名字背后都是巨大的投入和成千上万志愿者的希望。 然后，2021年，aducanumab带着争议上市了——它的临床获益证据薄弱，FDA外部顾问委员会以10票反对、1票不确定的结果建议不予批准。但FDA仍通过加速审批途径批准了该药，导致三位委员会成员辞职抗议。哈佛医学院的Aaron Kesselheim教授称之为"可能是美国历史上最糟糕的药物审批决定"（Kesselheim, 2021）。 但故事没完。 2023年，仑卡奈单抗（lecanemab）获批。临床试验显示它能延缓27%的认知衰退，听起来不错。但仔细看数字：CDR-SB评分差异是0.45分，而业内公认的"临床有意义"阈值是0.5分。差0.05分。这是统计学意义上的"有效"和患者感受中的"有效"之间的距离。 2024年，多纳奈单抗（donanemab）获批，低中tau蛋白组延缓35%衰退。听起来更好了。但别忘了ARIA——淀粉样蛋白相关成像异常，脑水肿和脑出血的发生率是36.8%。每三个用药的患者，就有一个面临脑部影像异常的风险。 2026年4月，Cochrane系统综述发布了重要发现：汇总17项随机对照试验、20342名参与者、7种抗体药物的数据后，结论是效果"微乎其微"（trivial）。第一作者Nonino指出："现有令人信服的证据表明，这些药物的临床效果非常有限"(Nonino et al., 2026)。 这一结论在学术界引发广泛讨论。 支持者说：35%不是35%吗？对早期患者这就是希望。反对者说：0.45分不是0.5分，绝对差值太小，ARIA风险不可忽视。Cochrane被批评"把5个失败药物和2个成功药物混在一起分析不公平"。 但所有人都在争一个核心问题：什么算有效？ 就在这场争论最激烈的时候，Flanders和Ackley的研究信像一颗石子扔进了水面——问题不只是"药物有没有效"，而是"我们怎么知道有效"。分位数聚合：一个需要审慎看待的方法 让我们来做一个思想实验。 假设你有一所学校，1000个学生。你想知道"作业量"和"考试成绩"之间的关系。正常做法是什么？把每个学生的作业量和成绩配对，算相关系数。 但分位数聚合的做法完全不同： 第一步，把学生按作业量分成10个班级。班级1是最懒的10%，班级10是最努力的10%。 第二步，计算每个班级的平均作业量和平均成绩。 第三步，用这10个班级均值的配对数据算相关性。 你发现了问题吗？班级内部的学生差异被完全抹掉了。班级1里有人考90分、有人考20分，平均之后都是40分。班级10里同理，差异被"平均化"了。 礼来科学家的论文（Lu et al., 2025）就是这么做的。他们把TRAILBLAZER-ALZ 2试验中的患者按治疗后淀粉样蛋白水平分成十分位（decile），然后看这十个组的均值之间有没有趋势。 结果？相关系数0.87（CDR-SB量表）和0.73（iADRS量表）。漂亮的数字。 他们据此主张：淀粉样蛋白清除可以作为阿尔茨海默病药物的替代终点——也就是说，以后不用等患者认知衰退，等淀粉样蛋白清除就够了。审批可以加速，研发可以更快。 这个逻辑看起来很有吸引力，直到你意识到它跳过了什么。Flanders & Ackley：方法的审视 布朗大学的团队做了一件非常简单的事：他们对照着做了一遍。测试一：模拟数据 他们构建了一个虚拟的1600人临床试验，参数完全匹配TRAILBLAZER-ALZ 2的真实设计。 在个体层面——每个患者自己的淀粉样蛋白清除量和认知变化配对——相关系数是r=0.03。几乎等于零。 然后他们用同样的分位数聚合方法。出来的数字：r=0.87。 膨胀倍数：29倍。测试二：真实失败数据 第二个测试更具说服力。 A4研究（Anti-Aβ Asymptomatic Alzheimer's）是一个研究solanezumab对淀粉样蛋白阳性但未发病者的预防效果的试验。结果：药物既没有显著清除淀粉样蛋白，也没有减缓认知衰退。这是"双阴性"结果，一个未能达到主要终点的试验。 个体层面相关系数：r=0.04。 分位数聚合之后：r=0.99。 Ackley在评论中说道："它让一个失败的试验看起来像是成功清除了淀粉样蛋白，并且清除淀粉样蛋白减少了认知衰退。而实际上，这个药两样都没做到。" 请再读一遍这句话。 那么问题到底在哪？ 第一，抹平变异性。 分位数聚合本质上是一个数据平滑器。个体层面的噪音——真实的随机波动、测量误差、患者的异质性——被聚合过程吞掉了。换句话说，它把"我做了但是没用"变成了"看起来好像有用"。这不是发现信号，这是制造信号。 第二，破坏随机化。 临床试验的核心是随机分组——用药组和安慰剂组除了药物之外一切相同。但分位数聚合把所有人都混在一起，不区分用药与否。这直接丧失了因果推断的基础。你看到的相关性，可能只是"吃了药并且碰巧淀粉样蛋白低的人"，而不是"因为淀粉样蛋白低了所以认知好"。 第三，生态谬误。 这是统计学教科书里的经典陷阱：群体层面的相关性不能简单推论到个体层面。国家层面的"人均收入和幸福感正相关"，不等于你工资涨了你就会更幸福。十个班的平均分和班级作业量正相关，不等于每个学生多写作业成绩就会好。 Flanders和Ackley的结论很克制但很明确："这种方法不能为治疗机制或替代终点有效性提供因果可解释的信息。" 翻译成人话：你可以说数字变好看了，但你没法用它解释为什么。不是方法问题，是系统问题 现在我们来聊聊为什么这个有缺陷的分析能发表、引用、并最终影响药品审批。 Lu et al. 2025的作者阵容里，有礼来公司的科学家。这不违法，也不罕见。药企资助的研究主导了大量临床数据分析，这本身就是一个结构性问题。Ackley说得直白："在行业激励之外工作，给了我们仔细审查一些最有影响力的新药如何被理解的方法论问题的自由。" 这句话值得品味。在行业激励之外工作——这意味着，不是每个研究者都有这种自由。大部分人的经费、职位、影响力，都和"不惹事"绑定在一起。 更深的问题是数据透明度。 Flanders的团队用的是模拟数据。为什么？因为TRAILBLAZER-ALZ 2的个体层面患者数据至今没有公开。研究者只能根据已发表的描述性统计重建数据，然后验证方法论问题。这相当于让侦探去破案，但不让他看监控，只能根据嫌疑人的领口颜色推断身高。 Cochrane综述的作者们也提到了同样的问题：数据不透明使得独立再分析几乎不可能。 如果一个方法有缺陷，为什么它还能一路绿灯？ 答案可能涉及多重因素：在高度竞争的药物研发环境中，能够支持药品价值主张的分析方法更容易获得关注和资源，而方法论的质疑则往往面临更大的阻力。 仑卡奈单抗年治疗费用超过2.6万美元。多纳奈单抗类似。ARIA发生率36.8%。当"淀粉样蛋白清除与认知改善完美相关"的叙事支撑起的不只是科学结论，而是数百亿美元的医保支付和制药公司股价时——这个方法论上的数字"好看"就变得非常有价值。 29倍的膨胀不只是统计学错误。当它被写进药品说明书、进入临床指南、被新闻标题引用——它重塑了风险-收益评估的天平。 天平本来应该指向患者。现在它指向哪儿？Cochrane综述与领域分歧 2026年的阿尔茨海默病研究界，分歧比以往任何时候都更明显。 Cochrane综述的结论——"微乎其微"——激起的反弹说明这不是一个纯粹的科学讨论。参与者的职业身份、利益关联、认知框架，都在对同一组数据做出截然不同的解读。 支持方的声音：仑卡奈单抗27%、多纳奈单抗35%的延缓效果是客观存在的数字，对早期患者来说这意味着更多时间——可以做自己想做的事、记得住家人的名字、能够独立生活。仑卡奈单抗的四年延长数据显示获益在累积，长期效果值得期待。 反对方的声音：绝对差值0.45分没有跨过临床有意义的阈值，ARIA风险不可忽视，尤其是当这个风险在真实世界（老年患者合并用药、影像监测条件差异）可能被放大时。把统计显著翻译成临床有效，是三十年来的老问题了。 一些研究者对延迟治疗设计的数据提出了不同解读。Daly、Kepp和Imbimbo（2024）分析指出，donanemab的长期随访数据显示，早期治疗组和延迟治疗组在36个月时的认知评分趋于接近，这可能提示药物的获益需要更长时间的观察才能确定。也有观点认为，这些药物可能主要起到延缓症状进展的作用，其能否真正改变疾病进程仍需更多研究证据。 分位数聚合争议让这场争论更加胶着。 如果连"淀粉样蛋白清除与认知改善相关"这个最基础的事实——支撑替代终点逻辑的核心假设——都可能是统计假象，那整个领域的方法论地基都需要重新检验。 这不是某个论文撤稿就能解决的小问题。这是整个淀粉样蛋白假说体系在方法论层面需要面对的系统性审视。更大的图景：统计方法谁来守门？ 阿尔茨海默病领域的统计困境不是孤例。 p值操纵——把"边缘显著"包装成显著，把显著结果弱化成"边缘显著"。HARKing——Hypothesizing After Results are Known，根据结果倒推假设，假装自己一开始就猜对了。选择性报告——只报告"有效"的亚组分析，"无效"的藏在附录里。 这不是阿尔茨海默病独有的问题。整个生物医学领域都面临"方法论守门人缺失"的困境。 但阿尔茨海默病尤其脆弱。 终点指标的主观性——认知量表依赖于患者当下的状态、情绪、与测试者的互动，存在大量无法控制的变异。效应量的渺小——疾病进展缓慢，药物能改变的只是沧海一粟，容易被统计显著性"放大"。患者的异质性——每个患者的发病机制可能本就不同，把他们塞进同一个分析框架，本身就是一种粗糙化。利益冲突的深度——数十年的投入、数十亿美元的机会成本，药企承受不起又一次失败。 在这种环境下，一个方法论上的"技巧"——也许最初只是出于好奇或者方便——被嵌入了整个评价体系，然后成为共识，然后成为监管依据，然后成为定价基础。 2026年5月，就在Flanders和Ackley的研究信发表的同一个月份，中国学术圈也被一个叫"耿同学"的年轻人搅得天翻地覆。 耿同学，真名耿洪伟，吉林大学生物学本硕，北京航空航天大学生物医学工程博士读到第五年，退学了。不是因为毕不了业，而是因为他看到的科研环境和他想象中的"做研究"之间的落差，大到让他没法说服自己继续待在里面。 2026年4月9日，他在B站发布了一条视频，逐条拆解同济大学生命科学与技术学院院长王平团队发表在《Nature》上的论文数据——末位数字"5"出现了212次，第二多的"6"只出现了16次；两组关键数据完美相差0.3，像等差数列一样整齐；71个核心数据中51个末位是0或5。 他后来苦笑："造假都懒得演了，连随机数都不会编。" 28天后，同济大学发布官方通报，确认王平团队学术不端，免去院长职务、降岗两级、24个月禁评职称，第一作者直接解聘。这是国内顶刊学术不端史上最严厉的处分(每日经济新闻, 2026)。 接下来36天，他又连续举报了南开大学、中山大学、上海大学等多所985高校的院长级学者，全部是杰青、长江学者级别的顶尖学者，论文全部发在Nature正刊或子刊上。全网相关视频播放量突破2亿，他的B站粉丝从不足10万暴涨到超过180万(星空区块链/网易, 2026)。 但真正让我感到担忧的，不是他揭露了多少问题，而是他提出的一个观点： "这段时间做打假以来，没有任何一篇问题论文，是官方自己去找出来的。" 这句话，和Flanders团队的处境形成了一个令人不安的对照。 耿同学揭露的是"粗暴版"——数据末位全是5和0，列与列之间是加减关系，连稍微用点心编一下都不愿意。而分位数聚合是"精致版"——方法本身是合法的统计工具，发表在正规期刊，由有资质的科学家操作，但它的效果和粗暴编造异曲同工：都是把"没有关系"变成"完美相关"。 两者在本质上都是方法论的误用，只是表现形式不同。 更本质的共性是：在两种情况下，守门人都缺席了。 王平团队的Nature论文，图像雷同率高达83%、原始数据标准差趋近于零，这些"肉眼假"的信号，在论文送审、成果备案、职称评审的每一个环节都没有触发预警。分位数聚合把个体层面的零相关膨胀成0.99，这个方法论的严重缺陷，也在同行评议、期刊编辑审查、监管机构审核的每一个关卡被放行。 耿同学打假的案例中，论文经历了校内预答辩、盲审、正式答辩、成果入库、年度考核等全套流程，在中国知网、万方、Web of Science等主流数据库中持续可查，长期未被标记异常。阿尔茨海默病领域的分位数聚合分析，同样经历了同行评审、期刊发表、引用传播，最终影响了药品审批和临床指南。 两套系统，同一个故障：自我监督的独立性不足。 高校对本单位高层人员普遍采取"宽松备案制"，监管部门对顶刊成果默认"权威背书"，只要未引发公共舆情，问题成果就可稳定转化为职称晋升资本。药企资助的研究主导了临床数据分析，当分析结果直接影响数百亿美元的医保支付和公司股价时，方法论的质疑就变得"不合时宜"。 耿同学说："一些比较厉害的课题组，他们造出来的造假论文也比较厉害，这样的学生会继续留在大学里当老师，他们就把这种坏风气延续下去了，所以危害会更大"(每日经济新闻, 2026)。把这个逻辑平移到阿尔茨海默病领域：当一个有缺陷的统计方法被顶刊认可、被药企采用、被监管引用，它也会"延续下去"——不是通过学生的论文，而是通过临床指南、医保目录和患者的治疗选择。 那么，我们需要什么？ 数据共享。个体层面的患者数据必须公开，否则独立验证永远是空谈——耿同学能打假，恰恰是因为Nature等顶刊强制要求上传原始数据；而TRAILBLAZER-ALZ 2的个体层面数据至今不公开，Flanders团队只能用模拟数据间接验证。方法预注册。分析方案在数据揭盲之前就要确定，不能"量体裁衣"。独立验证。不依赖药企资助的分析，研究才能真正独立——耿同学之所以能打假，正是因为他在"行业激励之外"。更好的因果推断方法。因果中介分析、组内分析等技术，可以在不完全依赖聚合的前提下探索机制。 这些听起来都是常识。但常识之所以需要被重申，往往是因为它没有被执行。 耿同学在接受采访时说过一段很清醒的话："我的目标不是把每一个造假的人都绳之以法。如果只是干掉某一个人，大家没有受益，这件事就没有意义"(知识分子, 2026)。他看重的是未来的改变，而不是过去的清算。 放在阿尔茨海默病领域，道理是一样的。揪出一篇方法有缺陷的论文不是终点，让整个系统不再生产这样的论文才是。当数学开始替药物说话 Ackley说过一句话："我们的研究很简单，但它很好地证明了学术研究的价值。" 耿同学说过另一句话："我只想让老实人不吃亏，造假者无处躲。" 一个在美国布朗大学，用模拟数据揭露统计方法的膨胀；一个在中国北航退学，用末位数字分布拆穿顶刊论文的编造。两个人，两个领域，两种语言，但说的是同一件事：学术研究的价值，不在于结论有多漂亮，而在于有没有人愿意做那个"简单但必要"的验证。 分位数聚合把0.03膨胀成0.87——29倍。王平团队的数据末位"5"出现212次——这不是误差，这是刻意的"美化"，只不过一个用了高等数学，一个连小学数学都没用对。 但两者的后果，都一样真实：患者根据被放大的希望做出治疗决定，学生根据被粉饰的数据选择研究方向，医保根据被美化的证据支付账单。 耿同学说，他做学术打假以来最失望的事情，不是造假有多普遍，而是"没有任何一篇问题论文，是官方自己去找出来的"。Flanders和Ackley能做这项研究，也不是因为他们比同行评议的审稿人更聪明，而是因为他们在"行业激励之外"——用Ackley的话说，"这给了我们仔细审查方法论问题的自由"。 这两句话放在一起，指向同一个结论：当守门人集体失职，纠错就变成了偶然事件。 偶然依赖于一个退学博士的坚持，或者一组独立研究者的好奇。这不是制度，这是运气。 29倍不是一个小数字。它是一个警示。 3500万阿尔茨海默病患者需要的不只是新药。他们需要诚实的评估——告诉他们这个药真的能做什么、可能带来什么风险、值不值得他们和家人做出那个治疗决定。 耿同学说他希望"墓志铭上能写一句好话"。如果有一天，学术期刊用AI筛查数据异常成为标配，高校对顶刊成果不再默认"权威背书"，药企的个体层面数据必须公开才能审批——那这句话就写成了。 被放大的希望，有时候比没有希望更残忍。 当数学开始替药物说话，我们需要有人替患者说话。当守门人集体沉默，我们需要有人替常识说话。 不是替他们选择，而是替他们追问：你的证据，真的站得住脚吗？ 这个追问，永远不会过时。参考文献 Flanders, M. D., Caunca, M., La Joie, R., Schneider, L. S., & Ackley, S. F. (2026). Methodological considerations for quantile aggregation in Alzheimer disease trials. JAMA Neurology. https://doi.org/10.1001/jamaneurol.2026.1240 Lu, M., Kim, M. J., Collins, E. C., Zhu, Y., Kaplow, J., Arner, D., Duggan Evans, C., Le Bastard, N., Pontecorvo, M. J., Sims, J. R., & Williamson, M. K. (2025). Association between donanemab treatment, amyloid plaque clearance, and clinical progression across diverse subgroups in the TRAILBLAZER-ALZ 2 randomized clinical trial. JAMA Neurology, 82(12), 1251-1256. https://doi.org/10.1001/jamaneurol.2025.3844 Nonino, F., Tumati, S., Defina, G., Tindall, H., Philipose, D. C., Ng, D. C., Muirhead, K., Handley, J., Nischal, S., Brangsch, M., Botelho, M., Vachon, B., Vallerand, I. A., Rehman, H., Islam, M. S., Shi, J., Eichhorn, L., Sabarth, N., Ruether, F., ... Köhler, S. (2026). Anti-amyloid antibody therapies for Alzheimer's disease. Cochrane Database of Systematic Reviews, (4), CD016297. https://doi.org/10.1002/14651858.CD016297.pub2 Sims, J. R., Zimmer, J. A., Evans, C. D., Lu, M., Ardayfio, P., Sparks, J., Wessels, A. M., Shcherbinin, S., Wang, H., Serdaru, A., Kaplow, J., Lai, R. Y. K., Iga, J., Ozawa, Y., Fujise, T., Narita, K., Okada, M., Koyama, Y., Miyaoku, N., ... Minohara, Y. (2023). Donanemab in early symptomatic Alzheimer disease: The TRAILBLAZER-ALZ 2 randomized clinical trial. JAMA, 330(6), 512-527. https://doi.org/10.1001/jama.2023.13239 van Dyck, C. H., Swanson, C. J., Aisen, P., Bateman, R. J., Chen, C., Gee, M., Kanekiyo, M., Li, D., Reyderman, L., Cohen, S., Froelich, L., Katayama, S., Sabbagh, M., Vellas, B., Watson, D., Dhadda, S., Irizarry, M., Kramer, L. D., & Iwatsubo, T. (2023). Lecanemab in early Alzheimer's disease. New England Journal of Medicine, 388(1), 9-21. https://doi.org/10.1056/NEJMoa2212948 Hardy, J. A., & Higgins, G. A. (1992). Alzheimer's disease: The amyloid cascade hypothesis. Science, 256(5054), 184-185. https://doi.org/10.1126/science.1566067 Cummings, J. L., Goldman, D. P., Simmons-Stern, N. R., & Ponton, E. (2021). The costs of developing treatments for Alzheimer disease: A retrospective exploration. Alzheimer's & Dementia, 17(10), 1551-1563. https://doi.org/10.1002/alz.12450 Kesselheim, A. S. (2021, June 10). [Resignation letter from FDA Peripheral and Central Nervous System Drugs Advisory Committee]. STAT News. Retrieved from https://www.statnews.com/2021/06/10/third-member-of-fda-expert-committee-resigns-over-controversial-alzheimers-therapy-decision/ Daly, T., Kepp, K. P., & Imbimbo, B. P. (2024). Long-term extension data do not robustly support clinical disease course modification with donanemab. Alzheimer's & Dementia, 20(11), 6659-6661. https://doi.org/10.1002/alz.14114 Alzforum. (2026, May 19). Plaque removal as surrogate? Statisticians say not so fast. Retrieved from https://www.alzforum.org/news/research-news/plaque-removal-surrogate-statisticians-say-not-so-fast 每日经济新闻. (2026, May 22). 独家对话学术打假博主"耿同学"：举报纯粹是因为反对学术圈造假行为. Retrieved from http://m.toutiao.com/group/7642731889962254848/ 知识分子. (2026, May 20). 专访"学术造假吹哨人"耿同学：打假知名学者非有意为之. 界面新闻. Retrieved from https://www.jiemian.com/article/14445703.html 星空区块链/网易新闻. (2026, May 18). "耿同学"36天连环举报5名顶尖学者：民间"打假风暴"来袭. Retrieved from https://www.163.com/dy/article/KT8377I205319QAX.html