Piano Pro: 30% di scontoApprofitta

MedGemma

Modelli di IA avanzati per l'analisi di testi e immagini mediche

Alimentato dalla Piattaforma Dr7.ai Medical AI

MedGemma è la famiglia di modelli di IA medica di Google con pesi aperti, basata su Gemma 3. Scopri versioni, risultati e download oppure prova gratis la demo interattiva di MedGemma qui sotto.

🧠
5
modelli MedGemma open
4B
Multimodale (immagine + testo)
27B
Solo testo o multimodale
Ultima versione: MedGemma 1.5 4B · gen 2026

Prova la Demo Interattiva MedGemma

Sperimenta la potenza del modello MedGemma 4B IT per l'analisi avanzata di testo e immagini mediche

API di Dr7.ai

Usa l'assistente medico di IA proprio di Dr7 tramite un'API compatibile con OpenAI, senza gestire GPU o distribuzione.

Scopri l'API

Vuoi funzionalità di diagnosi medica AI più potenti?

Passa alla versione Pro per sbloccare modelli AI avanzati, conversazioni illimitate, analisi professionale delle immagini mediche e funzionalità più potenti

10+
Modelli AI disponibili
24/7
Supporto 24/7
∞
Conversazioni illimitate

Che cos'è MedGemma

MedGemma è una famiglia di modelli di IA open sviluppata da Google, basata su Gemma 3 e addestrata a comprendere testi e immagini mediche. Google ha rilasciato i primi modelli MedGemma il 20 maggio 2025; la versione più recente è MedGemma 1.5 4B (13 gennaio 2026).

Basato sulla potente architettura Gemma 3, MedGemma è ottimizzato per le applicazioni sanitarie e offre agli sviluppatori strumenti solidi per creare soluzioni mediche innovative.

Come parte di Health AI Developer Foundations, MedGemma punta a democratizzare l'accesso all'IA medica avanzata, permettendo a ricercatori e sviluppatori di tutto il mondo di creare applicazioni sanitarie più efficaci. Potresti trovarlo scritto anche come Med Gemma, Med-Gemma, MedGamma, Medgema o Google MedGemma: si tratta sempre della stessa famiglia di modelli, da non confondere con Med-Gemini, un modello di ricerca di Google distinto e mai reso pubblico.

Ultima versione
MedGemma 1.5 4B
gen 2026

Aggiunge volumi 3D di TC e MRI, patologia su vetrino intero (whole-slide), confronto con radiografie del torace precedenti, localizzazione anatomica ed estrazione di dati dai referti di laboratorio.

MedGemma 1.5 4B nel dettaglio

Verificato a ottobre 2026: non esistono né MedGemma 2 né MedGemma 1.5 27B – MedGemma 1.5 esiste solo come modello 4B.

Versioni e modelli di MedGemma

Tutti i checkpoint ufficiali di MedGemma pubblicati da Google, più il relativo encoder di immagini MedSigLIP.

MedGemma 1.5 4BUltimo
Parametri
4B
Input
Testo + immagini, incl. TC/MRI 3D e patologia su vetrino intero
Rilascio
gen 2026
Repo Hugging Face
google/medgemma-1.5-4b-it
Licenza
Termini HAI-DEF

Modello 4B aggiornato; disponibile solo come 4B instruction-tuned.

Dettagli: MedGemma 1.5 4B
MedGemma 4B-it
Parametri
4B
Input
Testo + immagini
Rilascio
mag 2025
Repo Hugging Face
google/medgemma-4b-it
Licenza
Termini HAI-DEF

Instruction-tuned: il punto di partenza consigliato.

MedGemma 4B-pt
Parametri
4B
Input
Testo + immagini
Rilascio
mag 2025
Repo Hugging Face
google/medgemma-4b-pt
Licenza
Termini HAI-DEF

Modello base pre-addestrato per sperimentazioni più approfondite.

MedGemma 27B text-it
Parametri
27B
Input
Solo testo
Rilascio
mag 2025
Repo Hugging Face
google/medgemma-27b-text-it
Licenza
Termini HAI-DEF

Addestrato solo su testi medici; i punteggi più alti nei benchmark testuali.

MedGemma 27B multimodal
Parametri
27B
Input
Testo + immagini + dati EHR
Rilascio
lug 2025
Repo Hugging Face
google/medgemma-27b-it
Licenza
Termini HAI-DEF

Un unico modello 27B per testi, cartelle cliniche e immagini.

MedSigLIPCorrelato
Parametri
400M + 400M
Input
Embedding di immagini e testo (448×448)
Rilascio
lug 2025
Repo Hugging Face
google/medsiglip-448
Licenza
Termini HAI-DEF

Non è un modello di chat: è l'encoder di immagini mediche alla base di MedGemma, per classificazione e ricerca di immagini.

Dettagli: MedSigLIP

Fonti: 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

Funzionalità

Cosa sa fare MedGemma secondo le model card di Google

Varianti dei modelli MedGemma

🖼️

Modelli multimodali (4B, 27B, 1.5 4B)

Leggono insieme immagini e testi medici. Utilizzano un encoder di immagini SigLIP pre-addestrato su dati medici anonimizzati: radiografie del torace e immagini di dermatologia, oftalmologia e istopatologia.

📄

Modello solo testo (27B)

Addestrato esclusivamente su testi medici e ottimizzato per il ragionamento medico, ottiene punteggi leggermente superiori al modello 27B multimodale nei benchmark testuali.

Capacità principali

  • ✓Classificazione di immagini mediche (radiologia, patologia, dermatologia, oftalmologia)
  • ✓Interpretazione di immagini mediche e bozze di referto
  • ✓Risposta a domande mediche e ragionamento clinico
  • ✓Interpretazione di TC/MRI 3D e patologia su vetrino intero (MedGemma 1.5)
  • ✓Estrazione di dati strutturati da referti di laboratorio e testi EHR (cartella clinica elettronica) (MedGemma 1.5)

Risultati di MedGemma nei benchmark

Accuratezza (%) o macro F1 come riportato nelle model card ufficiali di Google. I risultati dei 27B usano il test-time scaling.

BenchmarkMedGemma 4BMedGemma 1.5 4BMedGemma 27B textMedGemma 27B multimodal
MedQA (4 opzioni)64,469,187,785,3
MedMCQA55,759,874,270,2
PubMedQA73,468,276,877,2
MMLU medicina70,069,687,086,2
MIMIC-CXR (macro F1, prime 5 patologie)88,989,5—90,0
EyePACS fondo oculare64,976,8—75,3

Fonti: MedGemma 1.5 model card · MedGemma 1 model card

Casi d'uso di MedGemma

🏥

Sviluppo di app sanitarie

Crea applicazioni di IA che analizzano immagini mediche, generano referti e supportano il triage dei pazienti.

🔬

Ricerca sull'IA medica

Accelera la ricerca con l'accesso aperto a un'IA avanzata tramite Hugging Face e Google Cloud.

👨‍⚕️

Prototipi di supporto clinico

Realizza prototipi di strumenti per il supporto decisionale, la sintesi e la revisione delle cartelle, e validali prima di qualsiasi uso clinico.

Come usare MedGemma

Esegui MedGemma in autonomia con Hugging Face o Vertex AI oppure prova online la chat di IA medica di Dr7. Cerchi l'API di Dr7? La trovi subito sotto la demo.

1

Chat di IA medica di Dr7.ai

Fai una domanda all'assistente medico di IA proprio di Dr7 o carica una radiografia, una sezione TC o una foto della pelle. Accedi per iniziare.

Apri la demo
2

Scaricare da Hugging Face

Accedi a Hugging Face, apri la pagina del modello e accetta i termini delle Health AI Developer Foundations (l'accesso viene concesso subito). Poi caricalo con Transformers 4.50 o versioni successive. Secondo Google ogni modello MedGemma può girare su una singola GPU; i modelli 27B richiedono però una GPU di grandi dimensioni, a meno di quantizzarli.

MedGemma su Hugging Face
3

Google Cloud Vertex AI

Distribuisci MedGemma come endpoint gestito dal Vertex AI Model Garden nel tuo progetto Google Cloud: il percorso consigliato da Google per la produzione su larga scala. La fatturazione è a cura di Google Cloud.

Vertex AI Model Garden

Avvio rapido con Hugging Face Transformers (dalla model card di Google)

# 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"])

Adattare MedGemma al tuo compito

Prompt engineering

Usa esempi few-shot e suddividi i compiti in sotto-attività più piccole per migliorare i risultati.

Fine-tuning

Addestra il modello sui tuoi dati medici partendo dal notebook di fine-tuning di Google su GitHub.

Orchestrazione agentica

Combina MedGemma con strumenti come la ricerca web, generatori di dati FHIR o altri modelli di IA.

Prima di iniziare a sviluppare

Validazione necessaria

MedGemma non è di livello clinico così com'è. La model card di Google afferma che gli sviluppatori devono validarlo e adattarlo al proprio caso d'uso specifico prima di farvi affidamento.

Termini di utilizzo

L'uso di MedGemma è regolato dai termini di utilizzo delle Health AI Developer Foundations, che accetti prima di scaricare i pesi.

MedGemma vs Med-PaLM 2 vs LLaVA-Med

Quali modelli di IA medica puoi davvero scaricare, cosa leggono e i loro punteggi MedQA pubblicati.

MedGemma 4BGoogle
Scaricabile?
Sì (previa accettazione dei termini HAI-DEF)
Input
Testo + immagini
MedQA
64.4%
MedGemma 1.5 4BGoogle
Scaricabile?
Sì (previa accettazione dei termini HAI-DEF)
Input
Testo + immagini (incl. TC/MRI 3D)
MedQA
69.1%
Altro: MedGemma 1.5 4B
MedGemma 27B textGoogle
Scaricabile?
Sì (previa accettazione dei termini HAI-DEF)
Input
Testo
MedQA
87.7%
MedGemma 27B multimodalGoogle
Scaricabile?
Sì (previa accettazione dei termini HAI-DEF)
Input
Testo + immagini
MedQA
85.3%
Med-PaLM 2Google
Scaricabile?
No – pesi mai rilasciati
Input
Testo
MedQA
86.5%
Altro: Med-PaLM 2
LLaVA-Med v1.5Microsoft
Scaricabile?
Sì (solo per ricerca)
Input
Testo + immagini
MedQA
Non riportato
Altro: LLaVA-Med v1.5

I punteggi provengono dall'articolo o dalla model card di ciascun modello, ottenuti in condizioni diverse (ad esempio Med-PaLM 2 ha usato il prompting con ensemble refinement e MedGemma 27B il test-time scaling): vanno quindi considerati indicativi e non un confronto diretto. LLaVA-Med è stato valutato sulla risposta a domande su immagini mediche (VQA-RAD, SLAKE, PathVQA), non su MedQA.

Fonti: 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

FAQ

Domande frequenti su MedGemma

Quali sono le differenze tra MedGemma 4B e MedGemma 27B?

MedGemma 4B è un modello multimodale da 4 miliardi di parametri che legge immagini e testi medici. MedGemma 27B è disponibile in due versioni da 27 miliardi di parametri: un modello solo testo addestrato esclusivamente su testi medici e un modello multimodale che gestisce anche immagini e dati delle cartelle cliniche elettroniche. I modelli 27B ottengono punteggi più alti nei benchmark testuali medici (MedQA 87,7% per il 27B solo testo contro 64,4% per il 4B), mentre il 4B è molto più economico da eseguire. MedGemma 1.5 4B (gennaio 2026) è un modello 4B aggiornato.

MedGemma è pronto per l'uso clinico così com'è?

No. La model card di Google afferma che MedGemma non è destinato a essere usato senza un'adeguata validazione, un adattamento o una modifica sostanziale per un caso d'uso specifico, e che i suoi output non sono destinati a orientare direttamente diagnosi cliniche, gestione dei pazienti o decisioni terapeutiche.

Come posso scaricare MedGemma o accedervi?

I pesi di MedGemma sono su Hugging Face (ad esempio google/medgemma-4b-it). Accedi, accetta i termini delle Health AI Developer Foundations nella pagina del modello – l'accesso viene concesso subito – e carica il modello con Transformers. Puoi anche distribuirlo dal Vertex AI Model Garden di Google Cloud.

Quali tipi di immagini mediche può elaborare MedGemma?

L'encoder di immagini di MedGemma è stato pre-addestrato su radiografie del torace, immagini dermatologiche, immagini oftalmologiche (fondo oculare) e vetrini istopatologici, tutti anonimizzati. MedGemma 1.5 4B aggiunge volumi 3D di TC e MRI, più porzioni (patch) di immagini di patologia su vetrino intero e il confronto di una radiografia del torace con immagini precedenti.

Come posso migliorare le prestazioni di MedGemma su un compito specifico?

Google indica il prompt engineering (ad esempio esempi few-shot), il grounding, l'orchestrazione agentica con altri strumenti e il fine-tuning sui propri dati. Il repository GitHub ufficiale google-health/medgemma include un notebook di fine-tuning.

Quando è stato rilasciato MedGemma?

Google ha rilasciato MedGemma 4B e MedGemma 27B solo testo il 20 maggio 2025, in occasione del Google I/O. MedGemma 27B multimodale e l'encoder di immagini MedSigLIP sono seguiti il 9 luglio 2025, e MedGemma 1.5 4B il 13 gennaio 2026. L'articolo scientifico su MedGemma, sottoposto a revisione paritaria, è stato pubblicato su Nature Medicine il 6 ottobre 2026.

Che punteggi ottiene MedGemma nei benchmark medici?

Su MedQA (stile USMLE, 4 opzioni) Google riporta il 64,4% per MedGemma 4B, il 69,1% per MedGemma 1.5 4B, l'87,7% per MedGemma 27B solo testo e l'85,3% per MedGemma 27B multimodale (i risultati dei 27B usano il test-time scaling). Per confronto, il modello base Gemma 3 4B ottiene il 50,7%.

Esistono risorse per il fine-tuning di MedGemma?

Sì. Il repository GitHub google-health/medgemma di Google offre un notebook di avvio rapido e un notebook di fine-tuning per Hugging Face, oltre ad altri notebook di tutorial, ad esempio su TC e patologia su vetrino intero con MedGemma 1.5.

Di quale hardware ho bisogno per eseguire MedGemma?

Secondo Google tutti i modelli MedGemma possono girare su una singola GPU, e MedGemma 4B può persino essere adattato per funzionare su hardware mobile. I modelli 27B richiedono una GPU di grandi dimensioni: le note di avvio rapido di Google indicano GPU di classe Colab Enterprise per eseguirli senza quantizzazione.

Esiste un MedGemma 2 o un MedGemma 1.5 27B?

No, non a ottobre 2026. La versione più recente è MedGemma 1.5, che Google offre solo come modello 4B multimodale ottimizzato per le istruzioni (instruction-tuned). I modelli 27B sono ancora le versioni originali di MedGemma 1 di maggio e luglio 2025.

MedGemma funziona in lingue diverse dall'inglese, come l'italiano?

MedGemma si basa su Gemma 3, che supporta oltre 140 lingue, quindi può leggere e rispondere in molte lingue. Google segnala però che le sue valutazioni di sicurezza hanno usato principalmente prompt in inglese e che i benchmark medici sono per lo più in inglese: conviene quindi verificare la qualità nella propria lingua (ad esempio l'italiano) prima di farvi affidamento.

MedGemma è la stessa cosa di Med-Gemini o Med-PaLM 2?

No. Med-Gemini (2024, 91,1% su MedQA) e Med-PaLM 2 (2023, 86,5% su MedQA) sono modelli di ricerca di Google i cui pesi non sono mai stati rilasciati. MedGemma è la famiglia di modelli open di Google che chiunque può scaricare e sottoporre a fine-tuning.