AI開始協助生命科學研究者搜尋蛋白質設計，也進一步探索如何支援個人化癌症治療。 NVIDIA（輝達，NASDAQ：NVDA）21日在 GTC Berlin 發布與華盛頓大學醫學院蛋白質設計研究所共同開發的開放模型 RFD4-Proteina，並宣布與西門子醫療合作，推進下一代適應性放射治療。 兩項合作分別切入藥物探索與病患照護流程。 RFD4-Proteina以模型搜尋蛋白質設計 RFD4-Proteina是NVIDIA BioNeMo開放模型，能依據分子輸入、限制條件及評分目標，生成或搜尋蛋白質設計，讓研究人員比較候選方案並安排後續實驗。 潛在應用包括設計能阻斷疾病進程的蛋白質，或讓蛋白質在診斷檢測中辨識疾病訊號。

蛋白質設計空間龐大，模型可協助研究者加快探索與篩選，但候選設計是否具備預期功能，仍須透過實驗確認。 NVIDIA表示，根據研究論文初稿中的測試結果，RFD4-Proteina在蛋白質結合、小分子結合、酵素支架設計及DNA結合等四類基準測試中，運算設計成功率與生成速度高於比較基準。 這些結果反映的是模型在特定計算測試中的表現，不能直接視為候選蛋白質已在實驗或臨床證實有效。 2024年諾貝爾化學獎得主、華盛頓大學蛋白質設計研究所所長 David Baker 表示，研究正從發現自然界既有蛋白質，走向設計全新蛋白質。 他指出，開放RFD4-Proteina可讓各地研究人員在模型基礎上繼續發展，探索新的藥物與酵素設計方向。

西門子醫療探索適應性放射治療 在癌症照護方面，西門子醫療與NVIDIA正合作探索下一代適應性放射治療。 規劃中的流程包括運用NVIDIA Nemotron開放模型協助腫瘤科醫師評估與調整治療策略，再以CUDA加速劑量計算及病患專屬模擬，並透過Holoscan串接即時影像、感測器資料與AI，支援治療過程中的即時調整。 適應性放射治療的目標，是依病患身體與腫瘤在治療期間的變化調整照射計畫，讓放射線集中於腫瘤，同時保護周圍健康組織。 西門子醫療癌症照護事業瓦里安負責人 Arthur Kaindl 表示，適應性放射治療的原則是「治療應配合病患調整，而非要求病患配合治療」。

他指出，與NVIDIA的合作將探索AI與即時運算如何協助臨床人員取得更深入資訊，並更有信心地調整治療。 NVIDIA也與Benchling、Automata、Boltz、Danaher等業者合作，運用BioNeMo平台開發科學代理，串接研究資料、藥物設計與自主實驗室。 這類工具可協助研究團隊規劃工作流程、運用專用模型並整理實驗結果，讓下一輪測試有更多依據。 從模型設計到放射治療，相關合作仍處於研究、技術開發與探索階段，並非表示新模型已直接成為療法，或適應性放射治療方案已普遍投入臨床。 後續仍須經過實驗驗證、臨床評估與醫療流程整合，才能確認AI對研究效率與病患照護的實際影響。