MedGemma
Modèles d'IA Avancés pour l'Analyse de Texte et d'Images Médicales
Propulsé par la Plateforme Dr7.ai Medical AI
Alimenter la prochaine génération d'applications de soins de santé avec les modèles d'IA MedGemma de pointe de Google DeepMind.
Essayez la Démo Interactive MedGemma
Découvrez la puissance du modèle MedGemma 4B IT pour l'analyse avancée de texte et d'images médicales
Essayer d'autres modèles
Voir toutDémo MedGemma
Découvrez l'Assistant Médical IA
Vous voulez des fonctionnalités de diagnostic médical IA plus puissantes ?
Passez à la version Pro pour débloquer des modèles d'IA avancés, des conversations illimitées, l'analyse professionnelle d'images médicales et des fonctionnalités plus puissantes
Qu'est-ce que MedGemma
MedGemma MedGemma est une collection de modèles d'IA de pointe conçus spécifiquement pour comprendre et traiter les textes et images médicaux. Développé par Google DeepMind, MedGemma représente une avancée significative dans le domaine de l'intelligence artificielle médicale.
Basé sur la puissante architecture Gemma 3, MedGemma a été optimisé pour les applications de santé, fournissant aux développeurs des outils robustes pour créer des solutions médicales innovantes avec MedGemma.
Dans le cadre des Health AI Developer Foundations, MedGemma vise à démocratiser l'accès à la technologie d'IA médicale avancée, permettant aux chercheurs et développeurs du monde entier de créer des applications de santé plus efficaces avec MedGemma.
Évolutions récentes
Launched at Google I/O 2025
Released as part of Google's ongoing efforts to enhance healthcare through technology
Fonctionnalités
Des capacités puissantes conçues pour les applications médicales
Variantes du modèle MedGemma
4B Multimodal Model
Processes both medical images and text with 4 billion parameters, using a SigLIP image encoder pre-trained on de-identified medical data.
27B Text-Only Model
Optimized for deep medical text comprehension and clinical reasoning with 27 billion parameters.
Key Capabilities
- ✓Medical image classification (radiology, pathology, etc.)
- ✓Medical image interpretation and report generation
- ✓Medical text comprehension and clinical reasoning
- ✓Patient preclinical interviews and triaging
- ✓Clinical decision support and summarization
Comparaison des performances
Cas d'usage de MedGemma
Healthcare Application Development
Build AI-based applications that examine medical images, generate reports, and triage patients.
Medical Research and Innovation
Accelerate research with open access to advanced AI through Hugging Face and Google Cloud.
Clinical Support Roles
Enhance patient interviewing and clinical decision support for improved healthcare efficiency.
How to Use
Implementation guides and adaptation methods
Accéder aux modèles MedGemma
MedGemma models are accessible on platforms like Hugging Face, subject to the terms of use by the Health AI Developer Foundations.
# Example Python code to load MedGemma model
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("google/medgemma-4b-it")
model = AutoModelForCausalLM.from_pretrained("google/medgemma-4b-it")Méthodes d'adaptation
Prompt engineering
Utilisez des exemples few-shot et décomposez les tâches en sous-tâches pour améliorer les performances.
Affinage
Optimisez le modèle avec vos propres données médicales grâce à des ressources comme les notebooks GitHub.
Orchestration agentique
Integrate with tools like web search, FHIR generators, and Gemini Live.
Options de déploiement
Choisissez la méthode de déploiement adaptée à vos besoins :
Déploiement local
Exécutez les modèles en local à des fins d'expérimentation et de développement.
Déploiement cloud
Deploy as scalable HTTPS endpoints on Vertex AI through Model Garden for production-grade applications.
Points à considérer pour la mise en œuvre
Exigences de validation
MedGemma models are not clinical-grade out of the box. Developers must validate performance and make necessary improvements before deploying in production environments.
Conditions d'utilisation
The use of MedGemma is governed by the Health AI Developer Foundations terms of use, which developers must review and agree to before accessing models.
Vous avez la photo d'un symptôme visible ?
Les modèles décrits sur cette page sont des outils de recherche destinés à l'imagerie clinique. Si ce que vous avez est une photo du quotidien — une éruption, un grain de beauté, un ongle, une plaie —, AI Doctor Scan l'analyse et renvoie gratuitement un niveau d'urgence et un résumé en langage clair en une trentaine de secondes. Il ne nomme aucun diagnostic et ne demande aucun compte.
Essayer AI Doctor Scan — gratuitQuestions Fréquemment Posées
Questions courantes sur MedGemma
Quelles sont les principales différences entre les modèles MedGemma multimodal 4B et texte seul 27B?
Le modèle multimodal 4B traite les images et textes médicaux, tandis que le modèle 27B se concentre sur le traitement de texte et le raisonnement clinique.
Les modèles MedGemma sont-ils prêts pour un usage clinique immédiat?
Non, les modèles MedGemma nécessitent validation et améliorations avant déploiement en environnements de production.
Comment accéder aux modèles Medical Gemma pour mes travaux de développement ?
Les modèles Medical Gemma sont accessibles sur diverses plateformes et services cloud, sous réserve des conditions d'utilisation et des accords de licence applicables. Vous pouvez les exécuter en local pour l'expérimentation ou les déployer via des plateformes cloud pour des applications en production.
Quels types d'images médicales le modèle multimodal 4B peut-il traiter ?
Le modèle multimodal 4B est pré-entraîné sur des images médicales variées, notamment des radiographies thoraciques, des images de dermatologie, des images d'ophtalmologie et des lames d'histopathologie, ce qui le rend adaptable à diverses tâches d'imagerie médicale.
Quelles méthodes d'adaptation peuvent améliorer les performances de Medical Gemma sur des tâches spécifiques ?
Les développeurs peuvent recourir au prompt engineering (exemples few-shot), au fine-tuning avec leurs propres données médicales et à l'orchestration agentique avec des outils tels que la recherche web, des générateurs FHIR et des systèmes d'IA avancés afin d'améliorer les performances pour des cas d'usage spécifiques.
Quand les modèles Medical Gemma ont-ils été publiés ?
Les modèles Medical Gemma représentent une technologie d'IA de santé avancée, développée dans le cadre d'efforts continus visant à améliorer les soins de santé grâce à l'intelligence artificielle et à l'apprentissage automatique.
Comment les modèles Medical Gemma se comparent-ils aux modèles de taille similaire ?
Les modèles Medical Gemma affichent de solides performances de base par rapport aux modèles de taille similaire. Ils ont été évalués sur des benchmarks cliniquement pertinents, dont des jeux de données ouverts et des jeux de données sélectionnés, en mettant l'accent sur l'évaluation par des experts humains pour les tâches médicales.
Existe-t-il des ressources pour le fine-tuning de Medical Gemma ?
Oui, diverses ressources, dont des notebooks et de la documentation, sont disponibles pour faciliter le fine-tuning, comme des exemples de fine-tuning avec LoRA et d'autres techniques d'optimisation proposés dans des dépôts open source.
Quelle configuration matérielle faut-il pour exécuter les modèles Medical Gemma ?
La configuration matérielle dépend de la variante du modèle. Les modèles Medical Gemma sont conçus pour être efficaces : le fine-tuning et l'inférence peuvent s'exécuter sur un seul GPU, ce qui les rend plus accessibles que certains modèles plus volumineux.
Les modèles Medical Gemma prennent-ils en charge la terminologie médicale multilingue ?
D'après les discussions de la communauté, des questions se posent sur les performances de Medical Gemma avec la terminologie médicale non anglaise, par exemple les termes médicaux japonais. Cela suggère que la prise en charge multilingue peut varier et pourrait constituer un axe d'amélioration futur ou de fine-tuning.