丹麥科技大學（Technical University of Denmark）研究團隊近期在藥物開發領域取得進展，將量子電腦、傳統處理器與生成式人工智慧（AI）模型整合，用於預測蛋白質並設計能與特定人體蛋白結合的新胜肽。實驗結果顯示，這套方法在胜肽設計準確度與適用範圍方面優於傳統方法，尤其在訓練資料有限時，改善更為明顯。
研究團隊表示，這項成果並非來自大型專屬研究計畫，而是利用週末時間，搭配其他計畫未使用的剩餘經費完成。研究結果也被視為量子運算在藥物與疫苗研發領域，從理論概念逐步走向可驗證近程應用的一項案例。
量子電腦與生成式 AI 協同設計胜肽
在硬體方面，團隊採用英國新創公司 ORCA Computing 製造、體積約為桌上型大小的量子電腦。研究人員將量子設備與傳統處理器串接，再配合生成式 AI 模型，預測蛋白質結構與相關特徵，進而產出可能與特定人體蛋白結合的新胜肽。
胜肽是由胺基酸組成的分子，在生物醫學研究中具有多種用途。來源資料指出，這類新胜肽可成為疫苗開發的重要步驟，未來也可能應用於個人化免疫療法。不過，相關應用仍須透過進一步的模型測試與實驗驗證。
瞄準資料不足族群的醫療需求
研究人員指出，現有生物醫學研究長期偏重西方族群，使亞洲與非洲等地的人口基因資料相對不足。當模型主要以有限且分布不均的資料訓練時，對不同族群的預測與設計能力可能受到限制。
研究團隊認為，導入量子運算有助於產生更多樣化的分子，並可能提升藥物對非西方族群的適用性。這項方向對於罕見疾病、醫療資源不足地區，以及需要更精準個人化治療的場景，具有潛在意義；但來源並未提供臨床驗證或實際療效數據。
研究主持人曾對量子技術抱持懷疑
主導研究的丹麥科技大學教授 Timothy Patrick Jenkins 表示，他原本對量子技術抱持相當大的懷疑，直到觀察到量子運算能協助生成更多樣化的分子，才決定嘗試將量子電腦嵌入既有工作流程。
這項研究的特色之一，在於量子運算並未單獨取代傳統運算，而是與既有處理器及生成式 AI 模型協同工作。這種混合式架構反映目前量子電腦的實際發展階段：量子硬體可在特定工作中提供支援，但整體流程仍須依賴傳統運算資源。
硬體能力有限，距離全面改變研究流程仍遠
研究人員也強調，目前量子電腦的規模與能力仍然有限，尚無法完全取代大型傳統運算系統，距離全面改變藥物研究流程仍有一段距離。因此，這項成果較適合被理解為量子運算在特定生物分子設計任務上的早期驗證，而非已成熟部署的完整藥物開發平台。
ORCA Computing 執行長 Richard Murray 則認為，這項研究提供了量子技術少見的「近程商業應用案例」。不過，相關技術能否在更大規模資料、更複雜蛋白質及實際藥物開發流程中維持優勢，仍有待後續研究確認。
下一步將測試更大型蛋白質與其他應用
下一階段，研究團隊計劃測試更先進的模型與更大型的蛋白質，並評估同一套流程能否應用於「蛇毒解毒劑」等其他生成式 AI 研究方向。
研究者預期，當藥物發現需要處理龐大資料並最佳化分子模型時，量子運算未來可能在藥物發現、罕見疾病與醫療資源不足等領域扮演更重要的角色。現階段，這些效益仍屬研究團隊的前瞻性評估，實際影響將取決於量子硬體規模、演算法成熟度、資料品質，以及後續生物與臨床驗證結果。
