谷歌近日宣布推出其最新的开源医疗 AI 模型系列——MedGemma，并同时发布了轻量级图像编码器 MedSigLIP。这是继健康 AI 开发者基础（HAI-DEF）项目之后，谷歌在医疗 AI 领域迈出的重要一步。
这些模型不仅性能强大，还完全开源，旨在为全球开发者提供一个可定制、可扩展、注重隐私的医疗 AI 开发起点。
医疗 AI 的新方向：高效、灵活、安全
随着 AI 在医疗行业的广泛应用，从辅助诊断到患者管理，对 AI 系统的要求也日益提高：不仅要准确、高效，还要兼顾数据隐私和系统可控性。
为此，谷歌推出了 HAI-DEF 项目，作为一系列轻量级开源模型的基础平台。今年5月，谷歌进一步推出了 MedGemma 系列，基于 Gemma 3 构建，专为医疗与生命科学领域设计。
新模型发布：MedGemma 27B 多模态 + MedSigLIP 图像编码器
本次更新中，谷歌正式发布两款新模型：
✅ MedGemma 27B 多模态模型
- 支持文本和图像输入，生成高质量文本输出。
- 可处理复杂多模态任务，如电子健康记录解读、医学影像分析等。
- 在多个医学基准测试中表现优异，是当前小型开源模型中性能最强之一。
✅ MedSigLIP
- 基于 SigLIP 架构构建的轻量级图像编码器（仅400M参数）。
- 经过医疗图像调优，适用于胸部X光、病理切片、皮肤病图像等多种医学影像任务。
- 同时保持对自然图像的强大识别能力，具备跨模态检索与分类功能。
性能亮点一览
| 模型 | 特点 | 应用场景 |
|---|---|---|
| MedGemma 4B 多模态 | 小型但高性能，在MedQA得分64.4%，81%医生认可其报告准确性 | X光报告生成、医学问答、结构化摘要 |
| MedGemma 27B 文本/多模态 | 更大规模，MedQA得分87.7%，接近DeepSeek R1水平，推理成本低至其十分之一 | 电子病历解读、医学知识推理、多模态问答 |
| MedSigLIP | 支持零样本分类、语义检索、图像匹配，适配多种医学图像 | 分类、检索、分诊辅助、图像相似度分析 |
值得一提的是，这些模型均可在单个 GPU 上运行，甚至 MedGemma 4B 和 MedSigLIP 还可在移动设备上部署。
技术架构与训练方式
MedGemma 系列基于 Gemma 3 构建，并通过专门优化的医学图像编码器进行训练。该编码器后来独立发布为 MedSigLIP。
谷歌特别强调保留了 Gemma 的通用能力，使 MedGemma 不仅适用于纯医疗任务，还能应对混合内容场景，并支持多语言指令响应。
开源的价值：灵活性、隐私与可重复性
开源是 MedGemma 系列的核心优势之一：
- 隐私保护：模型可本地部署，避免敏感数据上传云端。
- 高度定制：开发者可根据具体任务微调模型，提升特定场景下的性能。
- 稳定可靠：模型参数固定，不会因 API 更新而变动，保障医疗系统的稳定性与一致性。
如何开始使用？
谷歌已在 GitHub 上提供了详细的使用示例和微调指南，帮助开发者快速上手：
- 支持 Hugging Face 格式加载
- 可无缝集成到 Vertex AI 等云服务
- 提供演示代码与端点部署示例
此外，HAI-DEF 官网和 Hugging Face 页面均已上线相关资源，开发者可通过以下链接访问：
- 项目主页：https://deepmind.google/models/gemma/medgemma/
- 模型：https://huggingface.co/collections/google/MedGemma-release-680aade845f90bec6a3f60c4
⚠️ 使用免责声明
尽管 MedGemma 与 MedSigLIP 展现出强大的潜力，但它们仍需经过适当的验证与调整后才能用于实际医疗场景。
注意：这些模型不应用于直接指导临床诊断、治疗决策或任何直接影响患者的实践应用。
所有输出应视为初步结果，需结合专业判断与临床验证。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
