BRAIN / BRAIN × AI20 SEP 2026
脑科学与AI81｜大脑不是一排多米诺骨牌，是一场天气：为什么脑病的药这么难做
一篇万字长文，摘自宾夕法尼亚大学心理学教授妮可·鲁斯特的新书《难以捉摸的治疗方法：为什么神经科学没有解决脑部疾病，以及我们如何改变这一点》。它回答了一个对生物医药投资非常要紧的问题：神经科学进步了几十年，为什么阿尔茨海默病、帕金森病、抑郁症的好药还是这么少？
过去几十年，研究脑病的默认想法是一排多米诺骨牌：基因出错→蛋白出错→神经元出错→回路出错→症状。所以治疗就是"找到倒下的那块骨牌，把它扶起来"。鲁斯特说，大脑不是骨牌，更像天气：到处都是互相影响的反馈回路，原因会被结果反过来改变。很多脑病不是某块骨牌坏了，而是整个系统为了适应环境、保持稳定，被推到了一个坏的平衡点上。所以治疗不是"修零件"，而是"调一个复杂系统"——这正是脑病的药难做的根本原因。
2种 01 骨牌与天气两种蓝图 |
1把刀尖 02 兴奋与抑制的临界状态 |
3类病 03 单基因、退行性、精神疾病 |
2010 年前后，好几家大药企先后大幅收缩了神经科学的研发。鲁斯特的诊断是：问题不只在技术，而在我们看大脑的方式。这篇和我们这个系列好几篇正好接上：第 77 篇"先猜再验还是先测全再算"，第 80 篇"大脑很多开其实是松刹车"，第 65 篇"把稳定放在最底层"。
一团风暴云压在湖和森林上方。鲁斯特说，大脑不像一排多米诺骨牌，更像天气：处处是反馈，牵一发而动全身。图片来源：Elina Volkova / Pexels
两种看大脑的方式：多米诺骨牌是线性的，基因到蛋白到神经元到回路到症状，治疗是扶起倒下的那块；天气是反馈网，各层互相影响，疾病是系统被推到坏的平衡点，治疗是调整整个系统。
BRAIN / 01
一、旧蓝图：一排多米诺骨牌
鲁斯特说，自上世纪 90 年代起，脑病研究的主流想法是一条链：
—基因 → 蛋白质 → 神经元 → 神经回路 → 脑功能和行为。—疾病就是链条上某一环出了错：比如某种有毒蛋白导致阿尔茨海默病，某个脑区活动太低导致抑郁。
对应的研发路线也很清楚：找到致病基因 → 做一个小鼠模型 → 开发针对这个靶点的药。
这条路在某些病上很成功——「有意思的生物学进展」第 7、11 篇讲过，有遗传证据支持的靶点，成功率高得多。但在很多脑病上，它反复失败：小鼠模型治好了，人身上没效果；一个靶点被打下去了，症状没改善。
BRAIN / 02
二、新蓝图：一场天气
鲁斯特的核心比喻是：大脑不像一排骨牌，更像天气。
—到处是反馈回路：基因影响蛋白，蛋白影响神经元活动，神经元活动又反过来影响基因的表达；行为改变环境，环境又改变大脑。原因和结果是一个圈，不是一条线。—疾病可以出在"连接方式"上：不一定是哪个零件坏了，可能是零件之间的"连接强度"偏了。—很多疾病是"适应的代价"：大脑为了在某些环境下保持稳定、灵活，付出的代价是在另一些环境下容易崩。比如情绪本来是提醒我们"环境变了，该调整了"的信号，但如果陷入"心情差→只相信坏结果→心情更差"的循环，就成了抑郁。
她用了一个生态学的例子：兔子和猞猁的数量会一起周期性波动。用骨牌的思路，你能解释"兔子多了，猞猁就多"，但解释不了"兔子为什么会少"——因为猞猁吃兔子，兔子少了猞猁又少，猞猁少了兔子又多……把兔子当成"系统的起点"，本身就是错的。她说，这正是神经科学在犯的错。
BRAIN / 03
三、"所有模型都是错的，但有些有用"
为什么大家这么多年都在用骨牌模型？鲁斯特引了统计学家博克斯的那句名言："所有的模型都是错的，但有一些是有用的。"
—科学需要简化。骨牌模型把反馈当作次要因素忽略掉，换来的是清楚、好检验、好写论文、好申请经费。—问题在于：当被忽略的东西恰好是关键时，简化就变成了误导。—鲁斯特把这比作《黑客帝国》里的蓝药丸和红药丸：骨牌模型舒服但不真实；承认大脑是复杂系统，难，但才能往前走。
这也是第 77 篇里博伊登和科丁说的："先猜再验"在一个假设空间极大的系统里，效率太低。两篇文章从不同方向得出了相近的结论。
BRAIN / 04
四、一个具体的新思路：大脑活在"刀尖"上
鲁斯特最喜欢的一个假说，是"临界状态"：
—大脑要平衡兴奋和抑制。兴奋太多，一点小刺激就会连锁放大，变成癫痫；抑制太多，再大的刺激也没反应，接近昏迷。—最好的位置在两者之间的"刀尖"上，叫"临界状态"。计算研究表明，神经网络在这个位置附近处理信息的能力最好。—大脑有很多机制把自己拉回刀尖：有的稳定兴奋，有的稳定抑制，有的调整单个神经元的敏感度。2019 年，美国圣路易斯华盛顿大学的亨根团队在《神经元》上发表研究，发现大鼠的大脑皮层会主动把自己的活动"调回"临界状态附近。—睡眠可能是一次"校准"：2024 年，同一个团队在《自然·神经科学》上报告，大鼠清醒时，大脑会逐渐偏离临界状态；睡一觉，又会回到临界状态附近；剥夺睡眠，偏离会加大。
这和这个系列讲过的很多东西对上了：
—第 80 篇的"松刹车"：大麻素让杏仁核里的抑制被拿掉，兴奋和抑制的平衡被打破，恐惧就被放大——这正是从"刀尖"上滑下来的一个例子。—第 65 篇"把稳定放在最底层"：大脑花了大量机制来维持自身稳定。—第 30、33 篇讲睡眠帮助记忆整合；这里多了一个可能的功能：睡眠帮助大脑回到最适合工作的状态。
在这个框架里，疾病就是"从刀尖上掉了下来"，而治疗是"把系统推回刀尖附近"——不是修某一个零件。
BRAIN / 05
五、她也承认：有些病就是骨牌
这篇文章难得的地方，是作者主动说了自己框架的局限：
—亨廷顿病是一个基因的突变导致的，病情严重程度和突变的大小直接相关。对这种病，"把大脑看作复杂系统"帮不上什么忙；最可行的办法反而是最"骨牌式"的：用基因编辑等手段，直接消除那个突变。—阿尔茨海默病、帕金森病这类神经退行性疾病，她认为更像癌症：核心问题相对清楚，目标是阻止病变、逆转细胞状态。她对这类病的前景反而比较乐观。—最难的是精神疾病——抑郁、焦虑、精神分裂。它们牵涉大脑、心智和环境三者的互动，连"治好"该定义成什么都还不清楚。
所以更准确的总结是：单基因病，骨牌模型够用；退行性病，介于两者之间；精神疾病，最需要换框架。
BRAIN / 06
六、对找药、投资意味着什么
—"一个靶点，一个药"在脑病上成功率低，是有结构性原因的。如果一个病是整个系统的平衡出了问题，打掉一个靶点，系统会绕开、补偿，药效就会被抵消或产生意外的连锁反应。—看脑病药，先分病。单基因病（比如亨廷顿病）的逻辑和癌症靶向药接近，靶点明确；精神疾病的逻辑完全不同，单一靶点的药要格外谨慎。这和第 54 篇（光遗传学变成药）讲的一致。—新的方向值得留意：调节"系统状态"的疗法，比如脑刺激、调节睡眠、调节兴奋和抑制平衡的药物；以及用多层数据加 AI 模型来找"哪种病人属于哪种亚型"。但这些大多还在早期，作者自己也说"新的宏伟蓝图"还没有成形。—一个反常识的推论：脑病药难做，不一定意味着这个领域没机会；它意味着找对框架的人，会有巨大的先发优势。但这需要很长时间验证，不是短期投资逻辑。
（本文不构成投资建议，也不构成医疗建议。）
BRAIN / 07
七、对照 AI
—大模型也不是骨牌。第 ㉑、70 篇讲过，看得见每一个参数，不等于懂得它怎么算。大模型同样是一个由反馈训练出来的复杂系统，"修一个参数"往往会引发意想不到的连锁变化——这也是 AI 对齐难的原因之一。—AI 是研究大脑的新工具。鲁斯特指出，用反馈训练出来的人工神经网络，可以当作真实大脑的计算模型；在人工网络里，可以随意调节兴奋和抑制的平衡、检验"临界状态"的假说——这在活体大脑里很难做到。—"模型都是错的"对 AI 也成立。用任何一个简化的框架去理解大模型，都会漏掉一些关键的东西；问题是哪个框架"有用"。
BRAIN / 08
八、边界
—这是一本书的观点摘录，"大脑是复杂适应系统"是一个研究框架，还不是被证实的理论；作者自己也说新范式尚未成形。—文中提到的亨根团队两项研究已核对期刊和年份；关于某种自闭症相关基因突变破坏临界状态的研究，我没有逐一核对原文。—2010 年前后大药企收缩神经科学研发是业内广为报道的事实，具体是哪几家、哪一年，原文写的"2011 年不约而同"略有简化。
BRAIN / 09
九、自测：合上文章回答
—"多米诺骨牌"式的脑病模型是什么？对应怎样的研发路线？—鲁斯特为什么说大脑更像天气？兔子和猞猁的例子说明了什么？—作者承认哪类病"骨牌模型就够用"？哪类病最需要换框架？
BRAIN / 10
十、三行，留着复习
```
两种蓝图 骨牌：基因到蛋白到神经元到回路到症状，治疗是扶起那块；天气：处处反馈，疾病是系统被推到坏平衡点
临界状态 大脑活在兴奋和抑制之间的刀尖上，偏兴奋近癫痫、偏抑制近昏迷；清醒时偏离，睡眠帮它调回
分病看 单基因病骨牌够用（亨廷顿）；退行性病像癌症；精神疾病最需要换框架；一靶点一药在脑病上成功率低有结构原因
```
本篇是「脑科学 × AI」系列第81篇，药神撰写（2026-10-08），读的是「追问」编译的鲁斯特《难以捉摸的治疗方法》第九章摘录。复杂系统框架尚未成形；不构成投资或医疗建议。
阅读依据：Rust N. Elusive Cures: Why Neuroscience Hasn't Solved Brain Disorders—and How We Can Change That. 2025（第九章摘录）；Ma Z, Turrigiano GG, Wessel R, Hengen KB. Cortical circuit dynamics are homeostatically tuned to criticality in vivo. Neuron 2019（PMID 31601510）；Xu Y et al. Sleep restores an optimal computational regime in cortical networks. Nat Neurosci 2024（PMID 38182837）。回引第㉑、30、33、54、65、70、77、80篇，「有意思的生物学进展」第7、11篇。