مدعوم بمنصة Dr7.ai للذكاء الاصطناعي الطبي
MedGemma عائلة نماذج ذكاء اصطناعي طبي من Google ذات أوزان مفتوحة، مبنية على Gemma 3. تعرّف على الإصدارات ونتائج الاختبارات وطرق التنزيل، أو جرّب العرض التفاعلي المجاني لـ MedGemma أدناه.
اختبر قوة نموذج MedGemma 4B IT لتحليل النصوص والصور الطبية المتقدم
اختبر المساعد الطبي بالذكاء الاصطناعي
استخدم مساعد Dr7 الطبي الخاص به عبر واجهة API متوافقة مع OpenAI، دون إدارة وحدات GPU أو نشر النماذج.
قم بالترقية إلى إصدار Pro لفتح نماذج ذكاء اصطناعي متقدمة، ومحادثات غير محدودة، وتحليل احترافي للصور الطبية، وميزات أقوى
MedGemma هي عائلة من نماذج الذكاء الاصطناعي المفتوحة من Google، مبنية على Gemma 3 ومدرَّبة على فهم النصوص الطبية والصور الطبية. أطلقت Google أولى نماذج MedGemma في 20 مايو 2025، وأحدث إصدار هو MedGemma 1.5 4B (13 يناير 2026).
بُني MedGemma على بنية Gemma 3 القوية، وجرى تحسينه لتطبيقات الرعاية الصحية، ليمنح المطورين أدوات متينة لبناء حلول طبية مبتكرة.
يُعدّ MedGemma جزءًا من مجموعة Health AI Developer Foundations، ويهدف إلى إتاحة تقنيات الذكاء الاصطناعي الطبي المتقدمة على نطاق أوسع، بما يمكّن الباحثين والمطورين حول العالم من بناء تطبيقات رعاية صحية أكثر فاعلية. قد تجد الاسم مكتوبًا بصيغ مثل Med Gemma أو Med-Gemma أو MedGamma أو Medgema أو Google MedGemma، وكلها تشير إلى عائلة النماذج نفسها، وهي تختلف عن Med-Gemini، وهو نموذج بحثي منفصل من Google لم يُطرح للعامة.
يضيف دعم بيانات التصوير المقطعي (CT) والتصوير بالرنين المغناطيسي (MRI) ثلاثية الأبعاد، وشرائح علم الأمراض الكاملة، والمقارنة مع صور الصدر السينية السابقة، وتحديد المواقع التشريحية، واستخراج البيانات من تقارير المختبر.
تفاصيل MedGemma 1.5 4Bتم التحقق في أكتوبر 2026: لا يوجد MedGemma 2 ولا MedGemma 1.5 27B — إذ يتوفر MedGemma 1.5 كنموذج 4B فقط.
جميع نقاط حفظ MedGemma الرسمية التي نشرتها Google، إلى جانب مُرمِّز الصور المرتبط بها MedSigLIP.
نموذج 4B محدَّث؛ متوفر فقط كنموذج 4B مضبوط على التعليمات.
التفاصيل: MedGemma 1.5 4Bمضبوط على التعليمات — نقطة البداية الموصى بها.
نموذج أساسي مدرَّب مسبقًا لتجارب أعمق.
مدرَّب على النصوص الطبية فقط؛ أعلى النتائج في الاختبارات النصية.
نموذج 27B واحد للنصوص والسجلات الطبية والصور.
ليس نموذج محادثة: إنه مُرمِّز الصور الطبية الذي يعتمد عليه MedGemma، ويُستخدم للتصنيف والبحث عن الصور.
التفاصيل: MedSigLIP| النموذج | المعاملات | المدخلات | الإصدار | مستودع Hugging Face | الترخيص |
|---|---|---|---|---|---|
MedGemma 1.5 4Bالأحدث نموذج 4B محدَّث؛ متوفر فقط كنموذج 4B مضبوط على التعليمات. | 4B | نص + صور، بما فيها CT/MRI ثلاثية الأبعاد وشرائح علم الأمراض الكاملة | يناير 2026 | google/medgemma-1.5-4b-it | شروط HAI-DEF |
MedGemma 4B-it مضبوط على التعليمات — نقطة البداية الموصى بها. | 4B | نص + صور | مايو 2025 | google/medgemma-4b-it | شروط HAI-DEF |
MedGemma 4B-pt نموذج أساسي مدرَّب مسبقًا لتجارب أعمق. | 4B | نص + صور | مايو 2025 | google/medgemma-4b-pt | شروط HAI-DEF |
MedGemma 27B text-it مدرَّب على النصوص الطبية فقط؛ أعلى النتائج في الاختبارات النصية. | 27B | نص فقط | مايو 2025 | google/medgemma-27b-text-it | شروط HAI-DEF |
MedGemma 27B multimodal نموذج 27B واحد للنصوص والسجلات الطبية والصور. | 27B | نص + صور + بيانات EHR | يوليو 2025 | google/medgemma-27b-it | شروط HAI-DEF |
MedSigLIPذو صلة ليس نموذج محادثة: إنه مُرمِّز الصور الطبية الذي يعتمد عليه MedGemma، ويُستخدم للتصنيف والبحث عن الصور. | 400M + 400M | تضمينات الصور والنصوص (448×448) | يوليو 2025 | google/medsiglip-448 | شروط HAI-DEF |
المصادر: MedGemma 1.5 model card · MedGemma 1 model card · MedGemma Technical Report (arXiv 2507.05201) · MedGemma 1.5 Technical Report (arXiv 2604.05081) · Nature Medicine (2026) · MedSigLIP model card
ما يستطيع MedGemma فعله وفقًا لبطاقات النماذج الرسمية من Google
تقرأ الصور الطبية والنصوص معًا. وتستخدم مُرمِّز صور من نوع SigLIP مدرَّبًا مسبقًا على بيانات طبية مجهولة الهوية، تشمل صور الأشعة السينية للصدر، وصور الأمراض الجلدية، وطب العيون، وعلم الأنسجة المرضية.
مدرَّب حصريًا على النصوص الطبية ومُحسَّن للاستدلال الطبي، لذا يحقق نتائج أعلى قليلًا من نموذج 27B متعدد الوسائط في الاختبارات المعيارية النصية.
الدقة (%) أو مقياس Macro F1 كما وردت في بطاقات النماذج الرسمية من Google. نتائج 27B تستخدم التوسيع وقت الاختبار (test-time scaling).
| الاختبار المعياري | MedGemma 4B | MedGemma 1.5 4B | MedGemma 27B text | MedGemma 27B multimodal |
|---|---|---|---|---|
| MedQA (4 خيارات) | 64.4 | 69.1 | 87.7 | 85.3 |
| MedMCQA | 55.7 | 59.8 | 74.2 | 70.2 |
| PubMedQA | 73.4 | 68.2 | 76.8 | 77.2 |
| MMLU (الطبي) | 70.0 | 69.6 | 87.0 | 86.2 |
| MIMIC-CXR (Macro F1، أعلى 5 حالات) | 88.9 | 89.5 | — | 90.0 |
| EyePACS (قاع العين) | 64.9 | 76.8 | — | 75.3 |
المصادر: MedGemma 1.5 model card · MedGemma 1 model card
أنشئ تطبيقات ذكاء اصطناعي تحلّل الصور الطبية وتُعدّ التقارير وتساعد في فرز المرضى.
سرّع أبحاثك عبر وصول مفتوح إلى ذكاء اصطناعي متقدم من خلال Hugging Face وGoogle Cloud.
أنشئ نماذج أولية لأدوات دعم القرار والتلخيص ومراجعة السجلات، ثم تحقّق منها قبل أي استخدام سريري.
شغّل MedGemma بنفسك عبر Hugging Face أو Vertex AI، أو جرّب المحادثة الطبية بالذكاء الاصطناعي من Dr7 مباشرةً عبر الإنترنت. هل تبحث عن واجهة Dr7 API؟ ستجدها أسفل العرض التجريبي مباشرةً.
اطرح سؤالًا على مساعد Dr7 الطبي الخاص به، أو ارفع صورة أشعة سينية أو مقطعًا من التصوير المقطعي أو صورة جلدية. سجّل الدخول للبدء.
افتح العرض التجريبيسجّل الدخول إلى Hugging Face، وافتح صفحة النموذج، واقبل شروط Health AI Developer Foundations (يُمنح الوصول فورًا). ثم حمّل النموذج باستخدام Transformers 4.50 أو أحدث. وتقول Google إن كل نماذج MedGemma يمكن تشغيلها على وحدة GPU واحدة، لكن نماذج 27B تحتاج إلى وحدة كبيرة ما لم تُطبِّق عليها التكميم (quantization).
MedGemma على Hugging Faceانشر MedGemma كنقطة نهاية مُدارة من Vertex AI Model Garden ضمن مشروعك على Google Cloud — وهو المسار الذي توصي به Google للاستخدام الإنتاجي واسع النطاق. تتولى Google Cloud الفوترة.
Vertex AI Model Garden# pip install -U "transformers>=4.50" accelerate torch pillow requests
from transformers import pipeline
from PIL import Image
import requests
import torch
pipe = pipeline(
"image-text-to-text",
model="google/medgemma-4b-it", # or "google/medgemma-1.5-4b-it"
torch_dtype=torch.bfloat16,
device="cuda",
)
# Image attribution: Stillwaterising, CC0, via Wikimedia Commons
image_url = "https://upload.wikimedia.org/wikipedia/commons/c/c8/Chest_Xray_PA_3-8-2010.png"
image = Image.open(requests.get(image_url, headers={"User-Agent": "example"}, stream=True, timeout=30).raw)
messages = [{"role": "user", "content": [
{"type": "image", "image": image},
{"type": "text", "text": "Describe this X-ray"},
]}]
output = pipe(text=messages, max_new_tokens=300)
print(output[0]["generated_text"][-1]["content"])استخدم أمثلة قليلة (few-shot) وقسّم المهام إلى مهام فرعية أصغر لتحسين النتائج.
درّب النموذج على بياناتك الطبية الخاصة، انطلاقًا من دفتر الضبط الدقيق الذي تتيحه Google على GitHub.
ادمج MedGemma مع أدوات مثل البحث على الويب أو مولّدات بيانات FHIR أو نماذج ذكاء اصطناعي أخرى.
MedGemma ليس جاهزًا للاستخدام السريري كما هو. وتنص بطاقة النموذج من Google على أنه يجب على المطوّرين التحقق منه وتكييفه لحالة الاستخدام المحددة قبل الاعتماد عليه.
يخضع استخدام MedGemma لشروط استخدام Health AI Developer Foundations، التي تقبلها قبل تنزيل الأوزان.
أيّ نماذج الذكاء الاصطناعي الطبية يمكنك تنزيلها فعلًا، وما المدخلات التي تقرؤها، ونتائجها المنشورة في MedQA.
| النموذج | المطوِّر | قابل للتنزيل؟ | المدخلات | MedQA |
|---|---|---|---|---|
| MedGemma 4B | نعم (بعد قبول شروط HAI-DEF) | نص + صور | 64.4% | |
| MedGemma 1.5 4B | نعم (بعد قبول شروط HAI-DEF) | نص + صور (بما فيها CT/MRI ثلاثية الأبعاد) | 69.1% | |
| MedGemma 27B text | نعم (بعد قبول شروط HAI-DEF) | نص | 87.7% | |
| MedGemma 27B multimodal | نعم (بعد قبول شروط HAI-DEF) | نص + صور | 85.3% | |
| Med-PaLM 2 | لا — لم تُطرح الأوزان | نص | 86.5% | |
| LLaVA-Med v1.5 | Microsoft | نعم (للاستخدام البحثي فقط) | نص + صور | غير منشور |
النتائج مأخوذة من الورقة البحثية أو بطاقة النموذج الخاصة بكل نموذج وفي ظروف مختلفة (فمثلًا استخدم Med-PaLM 2 أسلوب التحسين التجميعي للموجّهات، واستخدم MedGemma 27B التوسيع وقت الاختبار)، لذا تعامل معها كمؤشرات تقريبية لا كمقارنة مباشرة. وقد قُيِّم LLaVA-Med على الإجابة عن الأسئلة المتعلقة بالصور الطبية (VQA-RAD وSLAKE وPathVQA)، لا على MedQA.
المصادر: MedGemma 1.5 model card · MedGemma 1 model card · Med-PaLM 2 (arXiv 2305.09617) · LLaVA-Med (arXiv 2306.00890) · microsoft/llava-med-v1.5-mistral-7b
النماذج الموصوفة في هذه الصفحة أدوات بحثية للتصوير الطبي السريري. أما إذا كانت لديك صورة عادية — طفح جلدي أو شامة أو ظفر أو جرح — فإن AI Doctor Scan يقرؤها ويعطيك مجانًا مستوى الاستعجال وملخصًا بلغة بسيطة خلال نحو 30 ثانية. لا يقدّم تشخيصًا، ولا يحتاج إلى حساب.
جرّب AI Doctor Scan مجانًاأسئلة شائعة حول MedGemma
MedGemma 4B نموذج متعدد الوسائط يضم 4 مليارات معامل ويقرأ الصور الطبية والنصوص. أما MedGemma 27B فيأتي بإصدارين يضم كل منهما 27 مليار معامل: نموذج نصي فقط مدرَّب حصريًا على النصوص الطبية، ونموذج متعدد الوسائط يعالج أيضًا الصور وبيانات السجلات الصحية الإلكترونية. تحقق نماذج 27B نتائج أعلى في الاختبارات المعيارية للنصوص الطبية (MedQA: 87.7% لنموذج 27B النصي مقابل 64.4% لنموذج 4B)، في حين أن تشغيل 4B أقل تكلفة بكثير. ويُعد MedGemma 1.5 4B (يناير 2026) نموذج 4B محدَّثًا.
لا. تنص بطاقة النموذج من Google على أن MedGemma غير مخصص للاستخدام دون تحقق مناسب أو تكييف أو تعديل جوهري لحالة استخدام محددة، وأن مخرجاته لا يُقصد بها أن تُستند إليها مباشرةً في التشخيص السريري أو إدارة حالة المريض أو قرارات العلاج.
تتوفر أوزان MedGemma على Hugging Face (مثل google/medgemma-4b-it). سجّل الدخول واقبل شروط Health AI Developer Foundations في صفحة النموذج — يُمنح الوصول فورًا — ثم حمّل النموذج باستخدام Transformers. ويمكنك أيضًا نشره من Vertex AI Model Garden على Google Cloud.
دُرِّب مُرمِّز الصور في MedGemma مسبقًا على صور مجهولة الهوية للأشعة السينية للصدر، وصور الأمراض الجلدية، وصور طب العيون (قاع العين)، وشرائح علم الأنسجة المرضية. ويضيف MedGemma 1.5 4B بيانات التصوير المقطعي (CT) والتصوير بالرنين المغناطيسي (MRI) ثلاثية الأبعاد، وعدة أجزاء من صور شرائح علم الأمراض الكاملة، ومقارنة صورة الأشعة السينية للصدر بالصور السابقة.
تذكر Google هندسة الموجّهات (مثل الأمثلة القليلة few-shot)، وإسناد الإجابات إلى مصادر (grounding)، والتنسيق الوكيلي مع أدوات أخرى، والضبط الدقيق على بياناتك الخاصة. ويتضمن مستودع GitHub الرسمي google-health/medgemma دفترًا للضبط الدقيق.
أطلقت Google نموذجَي MedGemma 4B وMedGemma 27B النصي في 20 مايو 2025، بالتزامن تقريبًا مع مؤتمر Google I/O. ثم تبعهما MedGemma 27B متعدد الوسائط ومُرمِّز الصور MedSigLIP في 9 يوليو 2025، وMedGemma 1.5 4B في 13 يناير 2026. ونُشرت ورقة MedGemma المحكَّمة في مجلة Nature Medicine في 6 أكتوبر 2026.
في اختبار MedQA (على نمط USMLE، بأربعة خيارات)، تفيد Google بأن النتائج هي 64.4% لنموذج MedGemma 4B، و69.1% لنموذج MedGemma 1.5 4B، و87.7% لنموذج MedGemma 27B النصي، و85.3% لنموذج MedGemma 27B متعدد الوسائط (نتائج 27B تستخدم التوسيع وقت الاختبار). وللمقارنة، يحقق النموذج الأساسي Gemma 3 4B نسبة 50.7%.
نعم. يوفر مستودع GitHub التابع لـ Google باسم google-health/medgemma دفترًا للبداية السريعة ودفترًا للضبط الدقيق عبر Hugging Face، إضافةً إلى دفاتر تعليمية أخرى، منها مثلًا دفاتر للتصوير المقطعي (CT) وشرائح علم الأمراض الكاملة باستخدام MedGemma 1.5.
تقول Google إن جميع نماذج MedGemma يمكن تشغيلها على وحدة GPU واحدة، وإن MedGemma 4B يمكن حتى تكييفه للعمل على أجهزة الهاتف المحمول. أما نماذج 27B فتحتاج إلى وحدة GPU كبيرة — إذ تشير ملاحظات البداية السريعة من Google إلى وحدات GPU من فئة Colab Enterprise لتشغيلها دون تكميم.
ليس حتى أكتوبر 2026. أحدث إصدار هو MedGemma 1.5، الذي تقدّمه Google فقط كنموذج 4B متعدد الوسائط مضبوط على التعليمات (instruction-tuned). ولا تزال نماذج 27B هي إصدارات MedGemma 1 الأصلية الصادرة في مايو ويوليو 2025.
بُني MedGemma على Gemma 3 الذي يدعم أكثر من 140 لغة، لذا يمكنه القراءة والإجابة بلغات كثيرة. غير أن Google تشير إلى أن تقييمات السلامة استخدمت موجّهات باللغة الإنجليزية في الأساس، وأن اختباراتها المعيارية الطبية إنجليزية في معظمها، لذا ينبغي التحقق من الجودة بلغتك (مثل العربية أو اليابانية أو الإسبانية) قبل الاعتماد عليه.
لا. Med-Gemini (2024، بنسبة 91.1% في MedQA) وMed-PaLM 2 (2023، بنسبة 86.5% في MedQA) نموذجان بحثيان من Google لم تُطرح أوزانهما قط. أما MedGemma فهي عائلة النماذج المفتوحة من Google التي يمكن لأي شخص تنزيلها وضبطها ضبطًا دقيقًا.