谷歌列举了多个 Gemma 家族应用场景：从太空本地图像分析、医疗报告标准数字化、癌症创新治疗方案再到动物语言识别，Gemma 家族模型正实实在在地应用到各个垂直行业。
其中，以 Gemma 为基座的模型在生物医药科研领域产出了多项标志性成果。谷歌一方面推出面向医疗场景的垂直模型 MedGemma，支撑医疗报告结构化、医学影像辅助分析等应用；另一方面联合科研机构，依托 Gemma 底座攻坚癌症机制研究。
其中最受行业关注的是谷歌 DeepMind、谷歌研究院与耶鲁大学合作开发的 Cell2Sentence-Scale 27B（C2S-Scale）模型。
传统的癌症疫苗治疗思路，是让免疫系统通过识别身份标签来识别敌人。但这面临一个 " 瞄准困境 "：一般来说，肿瘤的 " 身份标签 " 取自肿瘤本身 , 但很多肿瘤细胞表面缺少能被免疫 T 细胞识别的、独特的 " 身份标签 "（即肿瘤特异性抗原），同时，它们还主动穿上 " 防护服 "（如高表达 PD-L1 蛋白），成为所谓的 " 冷肿瘤 "。结果就是，对于 " 冷肿瘤 "，免疫系统即使大军压境，也像得了 " 脸盲症 "，看不见敌人，或者看见了也被强行抑制，导致治疗无效。
针对免疫治疗难以起效的 " 冷肿瘤 " 难题，C2S-Scale 按活跃程度排序，将单细胞基因表达数据转化为类文本的 " 基因句子 "，让大语言模型能直接 " 读 " 懂细胞。随后，该模型完成 4000 余种药物的虚拟筛选，预测出 silmitasertib 联合低剂量干扰素的用药组合。
C2S-Scale 锁定的候选药物中，仅 10%-30% 在过往文献中被提及，其余与筛选目标无已知关联。最终被选中的是 silmitasertib（CX-4945），一种 CK2 激酶抑制剂。
这一 AI 提出的全新治疗假说，后续在人源活细胞实验中得到验证，研究团队用模型训练时从未见过的人类神经内分泌细胞进行实验，结果是单独用药无效果，单用低剂量干扰素只有轻微提升，两者联用后抗原呈递提升约 50%，证实联用方案可显著提升抗原呈递水平，属于少数 AI 产出全新癌症治疗机制并获得实验室验证的案例，有望提升肿瘤细胞抗原呈递能力，把冷肿瘤转化为对免疫治疗敏感的热肿瘤。
该模型相关成果已对外开源，可供全球科研团队继续拓展研究。需要注意的是，该发现目前仅停留在体外细胞实验阶段，尚未进入临床。
随着下载量冲高，Gemma 证明开源大模型不再局限对话生成，能够直接介入原始生物数据挖掘，深度探索癌症治疗新机制，为 AI 医药科研提供低成本的技术底座。
