谷歌推出开源医疗大模型 MedGemma

2025年5月，谷歌在其年度开发者大会 Google I/O 期间宣布推出 MedGemma，专为医疗领域打造的开源 AI 模型。

MedGemma是谷歌 “健康人工智能开发者基础”（Health AI Developer Foundations）计划的核心项目。

基于 Gemma 3 架构， MedGemma提供多模态和纯文本两种模型变体，旨在降低医疗 AI 开发门槛。

模型版本

MedGemma有两个版本：40 亿参数的多模态模型和 270 亿参数的纯文本模型。

MedGemma 4B

一个包含 40 亿参数的多模态模型，能够同时处理医学图像和文本。

采用在去标识化医学数据集（包括胸部 X 光片、皮肤科图像、眼科图像和组织病理学切片）上预训练的 SigLIP 图像编码器。

语言模型组件在多样化医疗数据上进行训练，以促进全面理解。

MedGemma 27B

一个包含 270 亿参数的纯文本模型，针对需要深度医学文本理解和临床推理的任务场景。

该版本仅能通过指令调优。

主要特点

1. 高效性：模型轻量化，适合在资源受限环境中运行。

2. 领域专精：针对医学领域的专业术语、上下文和复杂推理进行了优化。

3. 开源：代码和模型权重公开，鼓励社区贡献和透明性。

4. 多场景支持：适用于医疗文本生成、问答、分类和知识提取等。  

应用场景

1. 医学图像分类：

使用 MedGemma 4B 对医学图像进行分类，包括放射学（如胸部 X 光片）、数字病理学、眼底和皮肤图像。

2. 医学图像解释：

使用 MedGemma 4B 生成医学图像报告或回答自然语言问题（如“这个 X 光片显示了什么？”）。

需注意，该功能尚未达到临床级别，需要进一步微调。

3. 医学文本理解和临床推理：

使用 MedGemma 27B（或 MedGemma 4B）进行文本理解和临床推理任务，包括：

患者访谈：帮助医生进行患者预临床访谈。

分诊：根据患者症状进行初步分诊。

临床决策支持：提供基于医学知识的决策建议。

总结：生成患者病历或临床报告的摘要。

非临床应用级别

谷歌称，相对于其他类似规模的模型，这两种模型都显示出强大的基线性能。

然而，这家科技巨头表示，这些模型并非临床级别的，仅用于研究和开发。

开发人员需要针对其特定应用场景验证性能，并在部署前进行相应微调。

开发人员可以使用不同的方法来调整模型，例如优化输入到系统中的提示词、进一步训练模型或将其与其他工具结合使用。

到目前为止，MedGemma 主要在单图像任务上进行了测试，尚未对分析多幅图像或处理较长时间的来回交互进行评估。

官网地址：https://deepmind.google/models/gemma/

Huggingface：https://huggingface.co/collections/google/medgemma-release-680aade845f90bec6a3f60c4

文章来自微信公众号 “ 有不知 “，作者 吴之猫