Dr7.ai Medical AI 플랫폼 지원
MedGemma는 Google이 Gemma 3를 기반으로 개발한 가중치 공개 의료 AI 모델 제품군입니다. 버전, 벤치마크, 다운로드 방법을 알아보거나 아래에서 MedGemma 인터랙티브 데모를 무료로 체험해 보세요.
의료 텍스트 및 이미지 분석을 위한 MedGemma 4B IT 모델의 성능을 경험해보세요
AI 의료 어시스턴트 체험
OpenAI 호환 API로 Dr7 자체 의료 AI 도우미를 이용하세요. GPU나 배포를 관리할 필요가 없습니다.
Pro 버전으로 업그레이드하여 고급 AI 모델, 무제한 대화, 전문 의료 이미지 분석 및 더 강력한 기능을 잠금 해제하세요
MedGemma 는 Google이 Gemma 3를 기반으로 개발해 의료 텍스트와 의료 이미지를 이해하도록 학습시킨 오픈 AI 모델 제품군입니다. Google은 2025년 5월 20일 첫 MedGemma 모델을 공개했으며, 최신 버전은 MedGemma 1.5 4B(2026년 1월 13일)입니다.
강력한 Gemma 3 아키텍처를 기반으로 구축된 MedGemma는 헬스케어 애플리케이션에 최적화되어 개발자들에게 혁신적인 의료 솔루션을 만들 수 있는 강력한 도구를 제공합니다.
Health AI Developer Foundations의 일부로서 MedGemma는 고급 의료 AI 기술에 대한 접근을 민주화하여 전 세계 연구자와 개발자들이 더 효과적인 헬스케어 애플리케이션을 구축할 수 있도록 합니다. Med Gemma, Med-Gemma, MedGamma, Medgema, Google MedGemma 또는 메드젬마라고 표기되기도 하지만 모두 같은 모델 제품군을 가리키며, 공개되지 않은 별도의 Google 연구 모델인 Med-Gemini와는 다릅니다.
3D CT 및 MRI 볼륨, 전체 슬라이드 병리 이미지, 이전 흉부 X선과의 비교, 해부학적 위치 파악, 검사 결과지 데이터 추출 기능이 추가되었습니다.
MedGemma 1.5 4B 자세히 보기2026년 10월 확인 기준: MedGemma 2와 MedGemma 1.5 27B는 존재하지 않으며, MedGemma 1.5는 4B 모델로만 제공됩니다.
Google이 공개한 모든 공식 MedGemma 체크포인트와 관련 MedSigLIP 이미지 인코더입니다.
업데이트된 4B 모델로, 인스트럭션 튜닝 4B로만 제공됩니다.
자세히: MedGemma 1.5 4B인스트럭션 튜닝 모델로, 권장되는 시작점입니다.
심화 실험을 위한 사전 학습 기본 모델입니다.
의료 텍스트로만 학습되었으며 텍스트 벤치마크 점수가 가장 높습니다.
텍스트, 의무기록, 이미지를 하나의 27B 모델로 처리합니다.
채팅 모델이 아니라 MedGemma의 의료 이미지 인코더로, 분류와 이미지 검색에 사용됩니다.
자세히: MedSigLIP| 모델 | 매개변수 | 입력 | 출시일 | Hugging Face 저장소 | 라이선스 |
|---|---|---|---|---|---|
업데이트된 4B 모델로, 인스트럭션 튜닝 4B로만 제공됩니다. | 4B | 텍스트 + 이미지(3D CT/MRI, 전체 슬라이드 병리 포함) | 2026년 1월 | google/medgemma-1.5-4b-it | HAI-DEF 약관 |
MedGemma 4B-it 인스트럭션 튜닝 모델로, 권장되는 시작점입니다. | 4B | 텍스트 + 이미지 | 2025년 5월 | google/medgemma-4b-it | HAI-DEF 약관 |
MedGemma 4B-pt 심화 실험을 위한 사전 학습 기본 모델입니다. | 4B | 텍스트 + 이미지 | 2025년 5월 | google/medgemma-4b-pt | HAI-DEF 약관 |
MedGemma 27B text-it 의료 텍스트로만 학습되었으며 텍스트 벤치마크 점수가 가장 높습니다. | 27B | 텍스트 전용 | 2025년 5월 | google/medgemma-27b-text-it | HAI-DEF 약관 |
MedGemma 27B multimodal 텍스트, 의무기록, 이미지를 하나의 27B 모델로 처리합니다. | 27B | 텍스트 + 이미지 + EHR 데이터 | 2025년 7월 | google/medgemma-27b-it | HAI-DEF 약관 |
채팅 모델이 아니라 MedGemma의 의료 이미지 인코더로, 분류와 이미지 검색에 사용됩니다. | 400M + 400M | 이미지 및 텍스트 임베딩(448×448) | 2025년 7월 | google/medsiglip-448 | HAI-DEF 약관 |
출처: 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
Google 모델 카드에 따른 MedGemma의 기능
의료 이미지와 텍스트를 함께 읽습니다. 흉부 X선, 피부과, 안과, 조직병리 이미지 등 비식별화된 의료 데이터로 사전 학습된 SigLIP 이미지 인코더를 사용합니다.
의료 텍스트로만 학습되고 의학적 추론에 최적화되어, 텍스트 벤치마크에서 27B 멀티모달 모델보다 약간 높은 점수를 기록합니다.
Google 공식 모델 카드에 보고된 정확도(%) 또는 매크로 F1입니다. 27B 결과는 테스트 시점 확장(test-time scaling)을 적용했습니다.
| 벤치마크 | MedGemma 4B | MedGemma 1.5 4B | MedGemma 27B text | MedGemma 27B multimodal |
|---|---|---|---|---|
| MedQA(4지선다) | 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 의학 | 70.0 | 69.6 | 87.0 | 86.2 |
| MIMIC-CXR(매크로 F1, 상위 5개 질환) | 88.9 | 89.5 | — | 90.0 |
| EyePACS 안저 | 64.9 | 76.8 | — | 75.3 |
의료 이미지를 검사하고, 보고서를 생성하며, 환자를 분류하는 AI 기반 애플리케이션을 구축합니다.
Hugging Face와 Google Cloud를 통한 고급 AI에 대한 오픈 액세스로 연구를 가속화합니다.
의사결정 지원, 요약, 기록 검토 도구의 프로토타입을 만들고, 임상에 사용하기 전에 반드시 검증하세요.
Hugging Face 또는 Vertex AI로 MedGemma를 직접 실행하거나, Dr7 의료 AI 채팅을 온라인에서 바로 사용해 보세요. Dr7 API가 필요하다면 데모 바로 아래에 있습니다.
Hugging Face에 로그인해 모델 페이지를 열고 Health AI Developer Foundations 약관에 동의하세요(접근 권한은 즉시 부여됩니다). 그런 다음 Transformers 4.50 이상으로 불러옵니다. Google에 따르면 모든 MedGemma 모델은 단일 GPU에서 실행할 수 있으며, 27B 모델은 양자화하지 않으면 대용량 GPU가 필요합니다.
Hugging Face의 MedGemma자체 Google Cloud 프로젝트에서 Vertex AI Model Garden을 통해 MedGemma를 관리형 엔드포인트로 배포하세요. 프로덕션 규모에 대해 Google이 권장하는 방식이며, 비용은 Google Cloud에서 청구됩니다.
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"])퓨샷 예시를 활용하고 작업을 더 작은 하위 작업으로 나누면 결과가 향상됩니다.
GitHub에 있는 Google의 파인튜닝 노트북에서 시작해 자체 의료 데이터로 학습시키세요.
MedGemma를 웹 검색, FHIR 데이터 생성기, 다른 AI 모델 등의 도구와 결합하세요.
MedGemma는 그대로 임상 수준으로 쓸 수 있는 모델이 아닙니다. Google 모델 카드에는 개발자가 이를 활용하기 전에 특정 사용 사례에 맞게 검증하고 조정해야 한다고 명시되어 있습니다.
MedGemma 사용에는 Health AI Developer Foundations 이용 약관이 적용되며, 가중치를 다운로드하기 전에 이 약관에 동의해야 합니다.
실제로 다운로드할 수 있는 의료 AI 모델은 무엇인지, 어떤 입력을 처리하는지, 공개된 MedQA 점수를 비교합니다.
| 모델 | 개발사 | 다운로드 가능? | 입력 | MedQA |
|---|---|---|---|---|
| MedGemma 4B | 예(HAI-DEF 약관 동의) | 텍스트 + 이미지 | 64.4% | |
| MedGemma 1.5 4B | 예(HAI-DEF 약관 동의) | 텍스트 + 이미지(3D CT/MRI 포함) | 69.1% | |
| MedGemma 27B text | 예(HAI-DEF 약관 동의) | 텍스트 | 87.7% | |
| MedGemma 27B multimodal | 예(HAI-DEF 약관 동의) | 텍스트 + 이미지 | 85.3% | |
| Med-PaLM 2 | 아니요(가중치 미공개) | 텍스트 | 86.5% | |
| LLaVA-Med v1.5 | Microsoft | 예(연구용으로만) | 텍스트 + 이미지 | 보고되지 않음 |
점수는 각 모델의 논문이나 모델 카드에서 서로 다른 조건으로 측정된 값입니다(예: Med-PaLM 2는 앙상블 정제 프롬프팅, MedGemma 27B는 테스트 시점 확장 사용). 따라서 직접 비교 결과가 아닌 참고용 수치로 보아야 합니다. LLaVA-Med는 MedQA가 아니라 의료 이미지 질의응답(VQA-RAD, SLAKE, PathVQA)으로 평가되었습니다.
출처: 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
이 페이지에서 설명하는 모델은 임상 영상을 위한 연구용 도구입니다. 발진, 점, 손발톱, 상처처럼 일상적인 사진이라면 AI Doctor Scan이 약 30초 만에 무료로 긴급도 등급과 쉽게 풀어쓴 요약을 알려줍니다. 진단명을 말하지 않으며 계정도 필요 없습니다.
AI Doctor Scan 무료로 사용해 보기MedGemma에 관한 일반적인 질문
MedGemma 4B는 의료 이미지와 텍스트를 읽는 40억 매개변수 멀티모달 모델입니다. MedGemma 27B는 270억 매개변수 버전 두 가지로 제공됩니다. 하나는 의료 텍스트로만 학습된 텍스트 전용 모델이고, 다른 하나는 이미지와 전자의무기록(EHR) 데이터도 처리하는 멀티모달 모델입니다. 27B 모델은 의료 텍스트 벤치마크에서 더 높은 점수를 기록하지만(MedQA 기준 27B 텍스트 전용 87.7% 대 4B 64.4%), 4B는 실행 비용이 훨씬 저렴합니다. MedGemma 1.5 4B(2026년 1월)는 업데이트된 4B 모델입니다.
아니요. Google 모델 카드에 따르면 MedGemma는 특정 사용 사례에 대한 적절한 검증, 조정 또는 의미 있는 수정 없이 사용하도록 의도되지 않았으며, 그 출력은 임상 진단, 환자 관리 또는 치료 결정에 직접 활용하도록 의도된 것이 아닙니다.
MedGemma 가중치는 Hugging Face에 있습니다(예: google/medgemma-4b-it). 로그인한 뒤 모델 페이지에서 Health AI Developer Foundations 약관에 동의하면 접근 권한이 즉시 부여되며, Transformers로 모델을 불러올 수 있습니다. Google Cloud의 Vertex AI Model Garden에서 배포할 수도 있습니다.
MedGemma의 이미지 인코더는 비식별화된 흉부 X선, 피부과 이미지, 안과(안저) 이미지, 조직병리 슬라이드로 사전 학습되었습니다. MedGemma 1.5 4B는 여기에 3D CT 및 MRI 볼륨, 전체 슬라이드 병리 이미지의 여러 패치, 흉부 X선과 이전 영상의 비교 기능을 추가했습니다.
Google은 프롬프트 엔지니어링(예: 퓨샷 예시), 그라운딩, 다른 도구와의 에이전트 오케스트레이션, 자체 데이터를 이용한 파인튜닝을 제시합니다. 공식 google-health/medgemma GitHub 저장소에는 파인튜닝 노트북이 포함되어 있습니다.
Google은 Google I/O 즈음인 2025년 5월 20일에 MedGemma 4B와 MedGemma 27B 텍스트 전용 모델을 출시했습니다. 이어 2025년 7월 9일 MedGemma 27B 멀티모달 모델과 MedSigLIP 이미지 인코더가, 2026년 1월 13일 MedGemma 1.5 4B가 공개되었습니다. 동료 심사를 거친 MedGemma 논문은 2026년 10월 6일 Nature Medicine에 게재되었습니다.
MedQA(USMLE 형식, 4지선다)에서 Google이 보고한 점수는 MedGemma 4B 64.4%, MedGemma 1.5 4B 69.1%, MedGemma 27B 텍스트 전용 87.7%, MedGemma 27B 멀티모달 85.3%입니다(27B 결과는 테스트 시점 확장 적용). 비교하자면 기본 Gemma 3 4B 모델은 50.7%입니다.
네. Google의 google-health/medgemma GitHub 저장소에서 빠른 시작 노트북과 Hugging Face용 파인튜닝 노트북을 제공하며, MedGemma 1.5를 활용한 CT 및 전체 슬라이드 병리 이미지 튜토리얼 등 추가 노트북도 있습니다.
Google에 따르면 모든 MedGemma 모델은 단일 GPU에서 실행할 수 있으며, MedGemma 4B는 모바일 하드웨어에서 실행되도록 조정할 수도 있습니다. 27B 모델에는 대용량 GPU가 필요하며, Google의 빠른 시작 안내에서는 양자화 없이 실행하려면 Colab Enterprise급 GPU를 사용하라고 안내합니다.
2026년 10월 현재로서는 없습니다. 최신 버전은 MedGemma 1.5이며, Google은 이를 4B 멀티모달 인스트럭션 튜닝 모델로만 제공합니다. 27B 모델은 여전히 2025년 5월과 7월에 공개된 기존 MedGemma 1 버전입니다.
MedGemma는 140개 이상의 언어를 지원하는 Gemma 3를 기반으로 하므로 여러 언어로 읽고 답할 수 있습니다. 다만 Google에 따르면 안전성 평가에는 주로 영어 프롬프트가 사용되었고 의료 벤치마크도 대부분 영어이므로, 한국어 등 사용하려는 언어에서 품질을 직접 검증한 뒤 활용하는 것이 좋습니다.
아니요. Med-Gemini(2024년, MedQA 91.1%)와 Med-PaLM 2(2023년, MedQA 86.5%)는 가중치가 공개된 적 없는 Google의 연구 모델입니다. MedGemma는 누구나 다운로드하고 파인튜닝할 수 있는 Google의 오픈 모델 제품군입니다.