Alimentado pela Plataforma Dr7.ai Medical AI
MedGemma é a família de modelos de IA médica do Google com pesos abertos, baseada no Gemma 3. Conheça versões, resultados e downloads ou experimente grátis a demo interativa do MedGemma abaixo.
Experimente o poder do modelo MedGemma 4B IT para análise avançada de texto e imagens médicas
Experimente o Assistente Médico IA
Use o assistente médico de IA próprio do Dr7 por uma API compatível com OpenAI, sem gerenciar GPU nem implantação.
Faça upgrade para a versão Pro e desbloqueie modelos de IA avançados, conversas ilimitadas, análise profissional de imagens médicas e recursos mais poderosos
MedGemma é uma família de modelos abertos de IA do Google, baseada no Gemma 3 e treinada para entender textos e imagens médicas. O Google lançou os primeiros modelos MedGemma em 20 de maio de 2025; a versão mais recente é o MedGemma 1.5 4B (13 de janeiro de 2026).
Construído sobre a poderosa arquitetura Gemma 3, o MedGemma foi otimizado para aplicações de saúde e oferece aos desenvolvedores ferramentas robustas para criar soluções médicas inovadoras.
Como parte do Health AI Developer Foundations, o MedGemma busca democratizar o acesso à IA médica avançada, permitindo que pesquisadores e desenvolvedores do mundo todo criem aplicações de saúde mais eficazes. Você também pode encontrá-lo escrito como Med Gemma, Med-Gemma, MedGamma, Medgema ou Google MedGemma — todos se referem à mesma família de modelos, que não deve ser confundida com o Med-Gemini, um modelo de pesquisa separado do Google que não foi disponibilizado publicamente.
Adiciona volumes 3D de CT e MRI, patologia de lâmina inteira (whole-slide), comparação com radiografias de tórax anteriores, localização anatômica e extração de dados de laudos laboratoriais.
MedGemma 1.5 4B em detalhesVerificado em outubro de 2026: não existe MedGemma 2 nem MedGemma 1.5 27B — o MedGemma 1.5 existe apenas como modelo 4B.
Todos os checkpoints oficiais do MedGemma publicados pelo Google, mais o codificador de imagens relacionado MedSigLIP.
Modelo 4B atualizado; disponível apenas como 4B ajustado por instruções.
Detalhes: MedGemma 1.5 4BAjustado por instruções — o ponto de partida recomendado.
Modelo base pré-treinado para experimentação mais aprofundada.
Treinado apenas com texto médico; maiores pontuações nos benchmarks de texto.
Um único modelo 27B para texto, prontuários e imagens.
Não é um modelo de chat: é o codificador de imagens médicas por trás do MedGemma, para classificação e busca de imagens.
Detalhes: MedSigLIP| Modelo | Parâmetros | Entrada | Lançamento | Repo no Hugging Face | Licença |
|---|---|---|---|---|---|
MedGemma 1.5 4BMais recente Modelo 4B atualizado; disponível apenas como 4B ajustado por instruções. | 4B | Texto + imagens, incl. CT/MRI 3D e patologia whole-slide | jan. de 2026 | google/medgemma-1.5-4b-it | Termos HAI-DEF |
MedGemma 4B-it Ajustado por instruções — o ponto de partida recomendado. | 4B | Texto + imagens | mai. de 2025 | google/medgemma-4b-it | Termos HAI-DEF |
MedGemma 4B-pt Modelo base pré-treinado para experimentação mais aprofundada. | 4B | Texto + imagens | mai. de 2025 | google/medgemma-4b-pt | Termos HAI-DEF |
MedGemma 27B text-it Treinado apenas com texto médico; maiores pontuações nos benchmarks de texto. | 27B | Só texto | mai. de 2025 | google/medgemma-27b-text-it | Termos HAI-DEF |
MedGemma 27B multimodal Um único modelo 27B para texto, prontuários e imagens. | 27B | Texto + imagens + dados de EHR | jul. de 2025 | google/medgemma-27b-it | Termos HAI-DEF |
MedSigLIPRelacionado Não é um modelo de chat: é o codificador de imagens médicas por trás do MedGemma, para classificação e busca de imagens. | 400M + 400M | Embeddings de imagem e texto (448×448) | jul. de 2025 | google/medsiglip-448 | Termos HAI-DEF |
Fontes: 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
O que o MedGemma consegue fazer, segundo os model cards (fichas técnicas) do Google
Leem imagens médicas e texto em conjunto. Usam um codificador de imagens SigLIP pré-treinado com dados médicos anonimizados — radiografias de tórax e imagens de dermatologia, oftalmologia e histopatologia.
Treinado exclusivamente com texto médico e otimizado para raciocínio médico, por isso pontua um pouco acima do modelo 27B multimodal nos benchmarks de texto.
Acurácia (%) ou F1 macro conforme os model cards oficiais do Google. Os resultados do 27B usam escalonamento em tempo de teste (test-time scaling).
| Benchmark | MedGemma 4B | MedGemma 1.5 4B | MedGemma 27B text | MedGemma 27B multimodal |
|---|---|---|---|---|
| MedQA (4 alternativas) | 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 médico | 70,0 | 69,6 | 87,0 | 86,2 |
| MIMIC-CXR (F1 macro, 5 principais condições) | 88,9 | 89,5 | — | 90,0 |
| EyePACS (fundo de olho) | 64,9 | 76,8 | — | 75,3 |
Fontes: MedGemma 1.5 model card · MedGemma 1 model card
Crie aplicações de IA que analisam imagens médicas, geram relatórios e ajudam na triagem de pacientes.
Acelere sua pesquisa com acesso aberto a IA avançada pelo Hugging Face e pelo Google Cloud.
Crie protótipos de ferramentas de apoio à decisão, resumo e revisão de prontuários e valide-os antes de qualquer uso clínico.
Execute o MedGemma por conta própria com Hugging Face ou Vertex AI, ou experimente online o chat de IA médica do Dr7. Procurando a API do Dr7? Ela fica logo abaixo da demo.
Faça uma pergunta ao assistente médico de IA próprio do Dr7 ou envie uma radiografia, um corte de TC ou uma foto da pele. Entre na sua conta para começar.
Abrir a demoEntre no Hugging Face, abra a página do modelo e aceite os termos do Health AI Developer Foundations (o acesso é liberado na hora). Depois carregue-o com o Transformers 4.50 ou mais recente. Segundo o Google, todos os modelos MedGemma podem rodar em uma única GPU; os modelos 27B precisam de uma GPU grande, a menos que você os quantize.
MedGemma no Hugging FaceImplante o MedGemma como endpoint gerenciado pelo Vertex AI Model Garden no seu próprio projeto do Google Cloud — o caminho recomendado pelo Google para produção em escala. Cobrado pelo Google Cloud.
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"])Use exemplos few-shot e divida as tarefas em subtarefas menores para melhorar os resultados.
Treine com seus próprios dados médicos, partindo do notebook de fine-tuning do Google no GitHub.
Combine o MedGemma com ferramentas como busca na web, geradores de dados FHIR ou outros modelos de IA.
O MedGemma não tem nível clínico de fábrica. O model card do Google afirma que os desenvolvedores devem validá-lo e adaptá-lo ao seu caso de uso específico antes de confiar nele.
O uso do MedGemma é regido pelos termos de uso do Health AI Developer Foundations, que você aceita antes de baixar os pesos.
Quais modelos de IA médica você realmente pode baixar, o que eles leem e suas pontuações publicadas no MedQA.
| Modelo | Desenvolvedor | Dá para baixar? | Entrada | MedQA |
|---|---|---|---|---|
| MedGemma 4B | Sim (aceitando os termos HAI-DEF) | Texto + imagens | 64.4% | |
| MedGemma 1.5 4B | Sim (aceitando os termos HAI-DEF) | Texto + imagens (incl. CT/MRI 3D) | 69.1% | |
| MedGemma 27B text | Sim (aceitando os termos HAI-DEF) | Texto | 87.7% | |
| MedGemma 27B multimodal | Sim (aceitando os termos HAI-DEF) | Texto + imagens | 85.3% | |
| Med-PaLM 2 | Não — pesos nunca liberados | Texto | 86.5% | |
| LLaVA-Med v1.5 | Microsoft | Sim (só para pesquisa) | Texto + imagens | Não divulgado |
As pontuações vêm do artigo ou do model card de cada modelo, com configurações diferentes (por exemplo, o Med-PaLM 2 usou prompting com refinamento por ensemble e o MedGemma 27B usou escalonamento em tempo de teste), então considere-as indicativas, e não um teste direto. O LLaVA-Med foi avaliado em perguntas e respostas sobre imagens médicas (VQA-RAD, SLAKE, PathVQA), não no MedQA.
Fontes: 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
Os modelos descritos nesta página são ferramentas de pesquisa para imagem clínica. Se o que você tem é uma foto do dia a dia — uma erupção, uma pinta, uma unha, um ferimento —, o AI Doctor Scan a analisa e devolve gratuitamente um nível de urgência e um resumo em linguagem simples em cerca de 30 segundos. Não nomeia nenhum diagnóstico e não exige conta.
Experimente o AI Doctor Scan — grátisDúvidas comuns sobre o MedGemma
O MedGemma 4B é um modelo multimodal de 4 bilhões de parâmetros que lê imagens médicas e texto. O MedGemma 27B tem duas versões de 27 bilhões de parâmetros: um modelo só de texto, treinado exclusivamente com texto médico, e um modelo multimodal que também lida com imagens e dados de prontuário eletrônico. Os modelos 27B pontuam mais alto nos benchmarks de texto médico (MedQA: 87,7% no 27B só texto contra 64,4% no 4B), enquanto o 4B é bem mais barato de rodar. O MedGemma 1.5 4B (janeiro de 2026) é um modelo 4B atualizado.
Não. O model card do Google diz que o MedGemma não deve ser usado sem a devida validação, adaptação ou modificação significativa para um caso de uso específico, e que seus resultados não se destinam a embasar diretamente diagnósticos clínicos, o manejo de pacientes ou decisões de tratamento.
Os pesos do MedGemma estão no Hugging Face (por exemplo, google/medgemma-4b-it). Entre na sua conta, aceite os termos do Health AI Developer Foundations na página do modelo — o acesso é liberado na hora — e carregue o modelo com o Transformers. Você também pode implantá-lo pelo Vertex AI Model Garden do Google Cloud.
O codificador de imagens do MedGemma foi pré-treinado com radiografias de tórax, imagens dermatológicas, imagens oftalmológicas (de fundo de olho) e lâminas de histopatologia, todas anonimizadas. O MedGemma 1.5 4B adiciona volumes 3D de CT e MRI, múltiplos recortes (patches) de imagens de patologia de lâmina inteira e a comparação de uma radiografia de tórax com imagens anteriores.
O Google cita engenharia de prompts (por exemplo, exemplos few-shot), grounding (ancoragem em fontes), orquestração agêntica com outras ferramentas e fine-tuning com seus próprios dados. O repositório oficial google-health/medgemma no GitHub inclui um notebook de fine-tuning.
O Google lançou o MedGemma 4B e o MedGemma 27B só texto em 20 de maio de 2025, na época do Google I/O. O MedGemma 27B multimodal e o codificador de imagens MedSigLIP vieram em 9 de julho de 2025, e o MedGemma 1.5 4B em 13 de janeiro de 2026. O artigo revisado por pares sobre o MedGemma foi publicado na Nature Medicine em 6 de outubro de 2026.
No MedQA (estilo USMLE, 4 alternativas), o Google reporta 64,4% para o MedGemma 4B, 69,1% para o MedGemma 1.5 4B, 87,7% para o MedGemma 27B só texto e 85,3% para o MedGemma 27B multimodal (os resultados do 27B usam escalonamento em tempo de teste). Para comparação, o modelo base Gemma 3 4B atinge 50,7%.
Sim. O repositório google-health/medgemma do Google no GitHub oferece um notebook de início rápido e um notebook de fine-tuning para Hugging Face, além de outros notebooks de tutorial, por exemplo para CT e patologia de lâmina inteira com o MedGemma 1.5.
Segundo o Google, todos os modelos MedGemma podem rodar em uma única GPU, e o MedGemma 4B pode até ser adaptado para rodar em hardware móvel. Os modelos 27B precisam de uma GPU grande — as notas de início rápido do Google indicam GPUs da classe do Colab Enterprise para rodá-los sem quantização.
Não, até outubro de 2026. A versão mais recente é o MedGemma 1.5, que o Google oferece apenas como modelo multimodal 4B ajustado por instruções (instruction-tuned). Os modelos 27B continuam sendo as versões originais do MedGemma 1, de maio e julho de 2025.
O MedGemma é baseado no Gemma 3, que suporta mais de 140 idiomas, então consegue ler e responder em muitos idiomas. No entanto, o Google observa que suas avaliações de segurança usaram principalmente prompts em inglês e que seus benchmarks médicos são majoritariamente em inglês, por isso valide a qualidade no seu próprio idioma (por exemplo, português ou japonês) antes de confiar nele.
Não. O Med-Gemini (2024, 91,1% no MedQA) e o Med-PaLM 2 (2023, 86,5% no MedQA) são modelos de pesquisa do Google cujos pesos nunca foram disponibilizados. O MedGemma é a família de modelos abertos do Google que qualquer pessoa pode baixar e ajustar.