NVIDIA presenta RFD4-Proteina, un modelo abierto de diseño de proteínas, junto con UW Medicine

El 21 de octubre de 2026, NVIDIA anunció una serie de colaboraciones en los ámbitos de la atención sanitaria y las ciencias de la vida en GTC Berlin, encabezadas por la presentación de RFD4-Proteina, un modelo abierto de diseño de proteínas desarrollado con UW Medicine Institute for Protein Design, y una nueva colaboración con Siemens Healthineers en materia de radioterapia adaptativa.

NVIDIA enmarcó los anuncios en torno a dos desafíos que afronta el sector: los investigadores de ciencias de la vida deben explorar vastos espacios de diseño biológico y acortar el ciclo entre el diseño computacional y las pruebas de laboratorio, mientras que los equipos de atención oncológica deben convertir datos complejos de imágenes y tratamientos en planes precisos para cada paciente. Kimberly Powell, vicepresidenta de atención sanitaria de NVIDIA, afirmó que la IA agéntica y la IA física están abriendo nuevas posibilidades en distintos campos de la medicina, desde el diseño de proteínas y los laboratorios autónomos hasta una atención oncológica más personalizada.

RFD4-Proteina es un modelo abierto de NVIDIA BioNeMo que combina el diseño programable de proteínas con capacidades de búsqueda. Genera diseños de proteínas dirigidos, lo que permite a científicos y agentes buscar y perfeccionar candidatos utilizando entradas moleculares, restricciones y objetivos de puntuación. NVIDIA enumeró entre sus posibles aplicaciones las proteínas diseñadas para interrumpir procesos patológicos o detectar signos de enfermedad en pruebas diagnósticas.

Según informó NVIDIA sobre las pruebas descritas en el borrador de investigación, RFD4-Proteina logró tasas de éxito más altas en el diseño computacional y un mayor rendimiento de generación que los modelos de referencia evaluados en cuatro conjuntos de pruebas: unión a proteínas, unión a moléculas pequeñas, diseño de andamiajes enzimáticos y unión al ADN. La empresa señaló que el modelo ayuda a los investigadores a explorar y priorizar candidatos para pruebas de laboratorio, donde los experimentos determinan cómo se comporta un diseño en las condiciones evaluadas.

David Baker, ganador del Premio Nobel de Química de 2024 y director del Institute for Protein Design de la Universidad de Washington, describió este trabajo como un cambio: pasar de descubrir las proteínas que ha creado la naturaleza a diseñar otras completamente nuevas. «RFD4-Proteina amplía lo que los científicos pueden crear, desde proteínas que podrían impulsar el descubrimiento de fármacos hasta enzimas que descomponen pesticidas», afirmó, y añadió que abrir el modelo permitirá a investigadores de todo el mundo desarrollar nuevos trabajos a partir de él.

NVIDIA dijo que el modelo está disponible a través de socios como Amazon Bio Discovery, Claude Science de Anthropic, Benchling, Databricks, Google Cloud, Hugging Face, Nebius, OpenAI y Tamarind Bio, lo que permite a investigadores y desarrolladores integrarlo en flujos de trabajo con agentes, en la nube y de computación científica.

Arquitectura, licencia y disponibilidad del modelo

Una ficha del modelo publicada en Hugging Face por Baker Lab, del Institute for Protein Design, y NVIDIA GenAIR describe RFD4-Proteina como un modelo de emparejamiento de flujo para el diseño biomolecular que genera secuencias de proteínas y estructuras con todos sus átomos de forma conjunta, condicionadas por el contexto molecular que el usuario desea conservar: un objetivo de unión, un motivo enzimático, un ligando o características estructurales seleccionadas. Los pesos publicados contienen 435,6 millones de parámetros, están almacenados en FP32 en un archivo de 1,74 GB y se ejecutan en BF16 con una licencia BSD 3-Clause.

La ficha fecha la publicación de los pesos el 19 de octubre de 2026 y señala que la compatibilidad con ellos se incorporó a la biblioteca Diffusers el 20 de octubre de 2026. Sus ejemplos prácticos —entre ellos, una proteína que se une a PD-L1, el rediseño de un anticuerpo contra HER2, un motivo catalítico de una enzima y un bolsillo de unión a moléculas pequeñas— muestran el flujo de trabajo de condicionamiento; la ficha aclara que no son resultados experimentales de unión ni de actividad catalítica. Según la ficha, en una sola NVIDIA H200, un diseño de 250 tokens tarda 5,0 segundos en BF16, o 2,8 segundos tras la compilación regional.

Una ficha del modelo para la implementación de NVIDIA NIM describe RFD4-Proteina como un modelo generativo unificado creado por el equipo de IA generativa de NVIDIA y David Baker Lab, del Institute for Protein Design, que abarca siete tareas de diseño: generación, diseño de andamiajes a partir de motivos, diseño de enzimas, diseño de proteínas de unión a moléculas pequeñas, diseño de anticuerpos, difusión parcial y plegamiento inverso. La implementación permite realizar una búsqueda de haces guiada por recompensas a lo largo de la trayectoria de difusión, de modo que una solicitud pueda optimizarse según métricas calculables localmente, en lugar de devolver una única muestra sin clasificar. La ficha indica que el modelo se publicó el 20 de octubre en build.nvidia.com y NGC, durante GTC Berlin; señala que los pesos fueron entrenados por el Institute for Protein Design, sin revelar la composición de los datos de entrenamiento, y marca el modelo como apto para uso comercial o no comercial.

Colaboración de Siemens Healthineers en radioterapia adaptativa

Siemens Healthineers y NVIDIA trabajan en el desarrollo de la próxima generación de radioterapia adaptativa mediante inteligencia agéntica y robótica, combinando conocimientos especializados en diagnóstico por imágenes y oncología con computación acelerada y simulación. NVIDIA está estudiando el uso de sus modelos fundacionales abiertos Nemotron para impulsar la planificación conjunta mediante agentes, con el objetivo de ayudar a los oncólogos a evaluar y perfeccionar estrategias de tratamiento personalizadas. Según el comunicado, después los modelos podrían combinarse con el cálculo de dosis acelerado por CUDA para realizar rápidamente simulaciones específicas para cada paciente, así como con la plataforma NVIDIA Holoscan, que conecta datos de sensores en tiempo real con IA y simulación para respaldar el tratamiento adaptativo.

Según el comunicado, se prevé que para 2050 se diagnostique cáncer a aproximadamente 35 millones de personas en todo el mundo cada año, y los equipos de atención se enfrentan a una presión cada vez mayor para ofrecer tratamientos precisos y personalizados mientras gestionan la limitada capacidad de especialistas. «La radioterapia adaptativa se basa en un único principio: el tratamiento debe adaptarse al paciente, y no al revés», afirmó Arthur Kaindl, director de Varian, la empresa de atención oncológica de Siemens Healthineers. Señaló el lanzamiento del sistema Accela como el avance más reciente de la empresa en precisión y adaptación.

Agentes científicos y operaciones hospitalarias

El comunicado cifra la I+D científica mundial en 3,8 billones de dólares y señala que los presupuestos farmacéuticos anuales se acercan a los 300.000 millones de dólares. Además, presenta los agentes científicos y los laboratorios autónomos como una forma de conectar el diseño, la experimentación y el aprendizaje en un ciclo continuo.

Las empresas de tecnología para la investigación y los laboratorios utilizan NVIDIA BioNeMo, una plataforma abierta de desarrollo para la biología y el descubrimiento de fármacos impulsados por IA, junto con Nemotron y otras tecnologías de NVIDIA, para crear agentes científicos y los modelos y herramientas especializados que conectan el diseño de fármacos, los datos científicos y los flujos de trabajo de laboratorio. Benchling fundamenta los agentes en datos experimentales, contexto de investigación y flujos de trabajo científicos conectados, mientras que Biolevate conecta datos biológicos, herramientas especializadas y razonamiento basado en agentes en las distintas etapas del descubrimiento y desarrollo de fármacos. Boltz desarrolla modelos especializados que los agentes pueden utilizar para predecir estructuras moleculares y diseñar y evaluar candidatos, y ofrece un adelanto de un agente científico que planifica flujos de trabajo e interpreta resultados. Automata conecta agentes científicos con infraestructura de laboratorio automatizada para que puedan iniciar experimentos y capturar resultados estructurados y contextualizados.

El coscientífico de IA de Genedata coordinará el diseño y las pruebas de proteínas en la plataforma de diseño de proteínas del laboratorio autónomo de Danaher, mediante un flujo de trabajo que incorporará RFD4-Proteina para que los resultados experimentales orienten la siguiente ronda de diseños. Hologen combina sus modelos grandes de medicina con NVIDIA Nemotron para crear científicos clínicos de IA que convierten datos de imágenes y clínicos en información sobre los resultados de los pacientes, con el fin de orientar el diseño de ensayos clínicos; por su parte, Therna Biosciences utiliza el razonamiento de modelos de lenguaje grandes para conectar la evidencia experimental con el diseño de medicamentos de ARN.

En el ámbito de las operaciones clínicas, el comunicado señala que los sistemas de salud de toda Europa trabajan para ampliar el acceso a la atención especializada y, al mismo tiempo, reducir las tareas administrativas de los equipos de atención. Avelios, Corti, Dedalus, Dawn Health y Sword desarrollan soluciones basadas en NVIDIA Nemotron, con aplicaciones que abarcan desde escribas con IA y atención clínica asistida por IA hasta servicios personalizados de apoyo a los pacientes. PolyAI desarrolla soluciones basadas en NVIDIA Agent Toolkit para un despliegue de diálogo multilingüe junto con el proveedor de software médico Corilus, cuya red abarca a más de 70.000 profesionales de la salud en Bélgica y Francia. Apian y VitVio utilizan los modelos de mundo NVIDIA Cosmos y las bibliotecas de NVIDIA Omniverse para crear gemelos digitales que supervisan y mejoran las operaciones hospitalarias.