由 Dr7.ai 醫療 AI 平台提供支援
MedGemma 是 Google 以 Gemma 3 為基礎推出的開放權重醫療 AI 模型系列。了解版本、基準成績和下載方式,或在下方免費體驗 MedGemma 互動演示。
MedGemma 是 Google 推出的開放 AI 模型系列,以 Gemma 3 為基礎打造,經過訓練能理解醫學文字與醫學影像。Google 於 2025年5月20日發布第一批 MedGemma 模型;最新版本為 MedGemma 1.5 4B(2026年1月13日)。
MedGemma 以強大的 Gemma 3 架構為基礎,並針對醫療應用最佳化,為開發者提供打造創新醫療解決方案的可靠工具。
MedGemma 是 Health AI Developer Foundations(HAI-DEF)的一部分,目標是讓更多人取得先進的醫療 AI 技術,協助全球研究人員與開發者打造更有效的醫療應用。您可能也會看到 Med Gemma、Med-Gemma、MedGamma、Medgema 或 Google MedGemma 等寫法,指的都是同一個模型系列;MedGemma 也不同於 Med-Gemini,後者是 Google 另一個尚未公開發布的研究模型。
新增 3D CT 與 MRI 容積資料、全玻片病理影像、與先前胸部 X 光片比較、解剖結構定位,以及檢驗報告資料擷取。
MedGemma 1.5 4B 詳細介紹2026年10月查核:目前沒有 MedGemma 2,也沒有 MedGemma 1.5 27B——MedGemma 1.5 只有 4B 模型。
Google 發布的所有官方 MedGemma 檢查點,以及相關的 MedSigLIP 影像編碼器。
更新版 4B 模型;僅提供 4B 指令微調版。
詳細資訊: MedGemma 1.5 4B指令微調版——建議的入門選擇。
預訓練基礎模型,適合更深入的實驗。
僅以醫學文字訓練;文字基準測試分數最高。
單一 27B 模型同時處理文字、病歷與影像。
不是對話模型:它是 MedGemma 背後的醫學影像編碼器,用於分類與影像搜尋。
詳細資訊: MedSigLIP| 模型 | 參數量 | 輸入 | 發布時間 | Hugging Face 儲存庫 | 授權 |
|---|---|---|---|---|---|
更新版 4B 模型;僅提供 4B 指令微調版。 | 4B | 文字 + 影像,含 3D CT/MRI 與全玻片病理 | 2026年1月 | google/medgemma-1.5-4b-it | HAI-DEF 條款 |
MedGemma 4B-it 指令微調版——建議的入門選擇。 | 4B | 文字 + 影像 | 2025年5月 | google/medgemma-4b-it | HAI-DEF 條款 |
MedGemma 4B-pt 預訓練基礎模型,適合更深入的實驗。 | 4B | 文字 + 影像 | 2025年5月 | google/medgemma-4b-pt | HAI-DEF 條款 |
MedGemma 27B text-it 僅以醫學文字訓練;文字基準測試分數最高。 | 27B | 僅文字 | 2025年5月 | google/medgemma-27b-text-it | HAI-DEF 條款 |
MedGemma 27B multimodal 單一 27B 模型同時處理文字、病歷與影像。 | 27B | 文字 + 影像 + 電子病歷資料 | 2025年7月 | google/medgemma-27b-it | HAI-DEF 條款 |
不是對話模型:它是 MedGemma 背後的醫學影像編碼器,用於分類與影像搜尋。 | 400M + 400M | 影像與文字嵌入(448×448) | 2025年7月 | google/medsiglip-448 | HAI-DEF 條款 |
資料來源: 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
根據 Google 模型卡,MedGemma 能做什麼
可同時理解醫學影像與文字。這些模型採用以去識別化醫療資料預訓練的 SigLIP 影像編碼器——涵蓋胸部 X 光片、皮膚科、眼科與組織病理學影像。
僅以醫學文字訓練,並針對醫學推理最佳化,因此在文字基準測試上的分數略高於 27B 多模態模型。
準確率(%)或巨觀平均 F1(macro F1),數據來自 Google 官方模型卡。27B 結果採用測試時擴展(test-time scaling)。
| 基準測試 | MedGemma 4B | MedGemma 1.5 4B | MedGemma 27B text | MedGemma 27B multimodal |
|---|---|---|---|---|
| MedQA(4 選項) | 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 醫學 | 70.0 | 69.6 | 87.0 | 86.2 |
| MIMIC-CXR(macro F1,前 5 種病症) | 88.9 | 89.5 | — | 90.0 |
| EyePACS 眼底 | 64.9 | 76.8 | — | 75.3 |
打造能判讀醫療影像、生成報告並協助病患分流的 AI 應用。
透過 Hugging Face 與 Google Cloud 開放取用先進 AI,加速研究進展。
快速打造決策支援、摘要與病歷審閱工具的原型,並在任何臨床使用前完成驗證。
透過 Hugging Face 或 Vertex AI 自行執行 MedGemma,或直接在線上體驗 Dr7 的醫療 AI 對話。需要 Dr7 API?入口就在示範對話框下方。
登入 Hugging Face,開啟模型頁面並接受 Health AI Developer Foundations 條款(立即取得存取權),再以 Transformers 4.50 或更新版本載入。Google 表示每個 MedGemma 模型都能在單張 GPU 上執行;27B 模型若未經量化,則需要大顯示記憶體的 GPU。
Hugging Face 上的 MedGemma在您自己的 Google Cloud 專案中,透過 Vertex AI Model Garden 將 MedGemma 部署為代管端點——這是 Google 建議的正式環境規模部署方式。費用由 Google Cloud 計費。
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"])使用少樣本範例,並將任務拆解為較小的子任務,以提升成效。
以 Google 在 GitHub 上提供的微調 notebook 為起點,用您自己的醫療資料進行訓練。
將 MedGemma 與網路搜尋、FHIR 資料產生器或其他 AI 模型等工具結合使用。
MedGemma 開箱即用時並非臨床等級工具。Google 模型卡指出,開發者在依賴它之前,必須針對特定用途進行驗證與調整。
MedGemma 的使用受 Health AI Developer Foundations 使用條款規範,下載權重前須先接受該條款。
哪些醫療 AI 模型真的能下載、能讀取哪些輸入,以及已公布的 MedQA 成績。
| 模型 | 開發者 | 可下載? | 輸入 | MedQA |
|---|---|---|---|---|
| MedGemma 4B | 可(須接受 HAI-DEF 條款) | 文字 + 影像 | 64.4% | |
| MedGemma 1.5 4B | 可(須接受 HAI-DEF 條款) | 文字 + 影像(含 3D CT/MRI) | 69.1% | |
| MedGemma 27B text | 可(須接受 HAI-DEF 條款) | 文字 | 87.7% | |
| MedGemma 27B multimodal | 可(須接受 HAI-DEF 條款) | 文字 + 影像 | 85.3% | |
| Med-PaLM 2 | 否——權重從未公開 | 文字 | 86.5% | |
| LLaVA-Med v1.5 | Microsoft | 可(僅限研究用途) | 文字 + 影像 | 未公布 |
各項成績分別取自各模型自己的論文或模型卡,測試設定各不相同(例如 Med-PaLM 2 採用集成精煉提示,MedGemma 27B 採用測試時擴展),因此僅供參考,並非直接對比測試。LLaVA-Med 評測的是醫學影像問答(VQA-RAD、SLAKE、PathVQA),而非 MedQA。
資料來源: 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
關於 MedGemma 的常見問題
MedGemma 4B 是 40 億參數的多模態模型,能理解醫學影像與文字。MedGemma 27B 有兩個 270 億參數的版本:一個是僅以醫學文字訓練的純文字模型,另一個是也能處理影像與電子病歷資料的多模態模型。27B 模型在醫學文字基準測試上分數較高(MedQA:27B 純文字版 87.7%,4B 為 64.4%),而 4B 的執行成本則低得多。MedGemma 1.5 4B(2026年1月)是 4B 模型的更新版本。
不行。Google 模型卡指出,MedGemma 不應在未針對特定用途進行適當驗證、調整或實質修改的情況下使用,其輸出也不應直接用於臨床診斷、病患照護管理或治療決策。
MedGemma 的權重放在 Hugging Face 上(例如 google/medgemma-4b-it)。登入後在模型頁面接受 Health AI Developer Foundations 條款——會立即取得存取權——再以 Transformers 載入模型。您也可以透過 Google Cloud 的 Vertex AI Model Garden 部署。
MedGemma 的影像編碼器以去識別化的胸部 X 光片、皮膚科影像、眼科(眼底)影像與組織病理切片進行預訓練。MedGemma 1.5 4B 新增支援 3D CT 與 MRI 容積資料、全玻片病理影像的多個區塊,以及將胸部 X 光片與先前影像比較。
Google 列出的方法包括提示工程(例如少樣本範例)、以外部資料為依據(grounding)、與其他工具進行代理式協作,以及以自有資料微調。官方 google-health/medgemma GitHub 儲存庫提供了微調 notebook。
Google 於 2025年5月20日(Google I/O 前後)發布 MedGemma 4B 與 MedGemma 27B 純文字版。MedGemma 27B 多模態版與 MedSigLIP 影像編碼器於 2025年7月9日推出,MedGemma 1.5 4B 則於 2026年1月13日推出。經同儕審查的 MedGemma 論文於 2026年10月6日刊登於 Nature Medicine。
在 MedQA(USMLE 形式,4 選項)上,Google 公布的成績為:MedGemma 4B 64.4%、MedGemma 1.5 4B 69.1%、MedGemma 27B 純文字版 87.7%、MedGemma 27B 多模態版 85.3%(27B 結果採用測試時擴展)。作為對照,基礎模型 Gemma 3 4B 的分數為 50.7%。
有。Google 的 google-health/medgemma GitHub 儲存庫提供快速入門 notebook 與適用於 Hugging Face 的微調 notebook,另有更多教學 notebook,例如使用 MedGemma 1.5 處理 CT 與全玻片病理影像。
Google 表示所有 MedGemma 模型都能在單張 GPU 上執行,MedGemma 4B 甚至可調整為在行動裝置上執行。27B 模型需要大顯示記憶體的 GPU——Google 的快速入門說明指出,若不量化,需使用 Colab Enterprise 等級的 GPU。
截至 2026年10月還沒有。最新版本是 MedGemma 1.5,Google 只提供 4B 多模態指令微調模型。27B 模型仍是 2025年5月與7月發布的初代 MedGemma 1 版本。
MedGemma 以 Gemma 3 為基礎,而 Gemma 3 支援超過 140 種語言,因此 MedGemma 能閱讀並以多種語言回答。不過 Google 指出,其安全性評估主要使用英文提示,醫學基準測試也多為英文,因此在依賴它之前,應先以您自己的語言(例如中文)驗證其品質。
不是。Med-Gemini(2024年,MedQA 91.1%)與 Med-PaLM 2(2023年,MedQA 86.5%)是 Google 的研究模型,權重從未公開。MedGemma 則是 Google 的開放模型系列,任何人都能下載與微調。