由Dr7.ai医疗AI平台提供支持
MedGemma 是 Google 基于 Gemma 3 推出的开放权重医疗 AI 模型系列。了解版本、基准成绩和下载方式,或在下方免费试用 MedGemma 交互式演示。
MedGemma 是 Google 推出的开放权重 AI 模型系列,基于 Gemma 3 构建,经过训练可理解医学文本和医学影像。Google 于 2025年5月20日发布了首批 MedGemma 模型;最新版本是 MedGemma 1.5 4B(2026年1月13日)。
基于强大的Gemma 3架构构建,MedGemma已针对医疗应用进行了优化,为开发者提供了创建创新医疗解决方案的强大工具。
MedGemma 属于 Google 的 Health AI Developer Foundations(HAI-DEF)系列,旨在让更多人用上先进的医疗 AI 技术,帮助全球研究人员和开发者构建更有效的医疗应用。您可能还会看到 Med Gemma、Med-Gemma、MedGamma、Medgema 或 Google MedGemma 等写法,它们指的都是同一个模型系列;MedGemma 也不同于 Med-Gemini,后者是 Google 另一款尚未公开发布的研究模型。
新增 3D CT 和 MRI 容积数据、全切片病理图像、与既往胸部 X 光片对比、解剖结构定位以及化验报告数据提取。
MedGemma 1.5 4B 详解截至 2026年10月核实:不存在 MedGemma 2,也不存在 MedGemma 1.5 27B——MedGemma 1.5 仅有 4B 模型。
Google 发布的所有官方 MedGemma 检查点,以及相关的 MedSigLIP 图像编码器。
更新版 4B 模型;仅提供 4B 指令微调版。
详情: MedGemma 1.5 4B指令微调版——推荐的入门选择。
预训练基础模型,适合更深入的实验。
仅用医学文本训练;文本基准测试得分最高。
一个 27B 模型同时处理文本、病历和影像。
不是对话模型:它是 MedGemma 背后的医学图像编码器,用于分类和图像检索。
详情: MedSigLIP| 模型 | 参数量 | 输入 | 发布时间 | Hugging Face 仓库 | 许可 |
|---|---|---|---|---|---|
更新版 4B 模型;仅提供 4B 指令微调版。 | 4B | 文本 + 影像,含 3D CT/MRI 和全切片病理 | 2026年1月 | google/medgemma-1.5-4b-it | HAI-DEF 条款 |
MedGemma 4B-it 指令微调版——推荐的入门选择。 | 4B | 文本 + 影像 | 2025年5月 | google/medgemma-4b-it | HAI-DEF 条款 |
MedGemma 4B-pt 预训练基础模型,适合更深入的实验。 | 4B | 文本 + 影像 | 2025年5月 | google/medgemma-4b-pt | HAI-DEF 条款 |
MedGemma 27B text-it 仅用医学文本训练;文本基准测试得分最高。 | 27B | 仅文本 | 2025年5月 | google/medgemma-27b-text-it | HAI-DEF 条款 |
MedGemma 27B multimodal 一个 27B 模型同时处理文本、病历和影像。 | 27B | 文本 + 影像 + 电子病历数据 | 2025年7月 | google/medgemma-27b-it | HAI-DEF 条款 |
不是对话模型:它是 MedGemma 背后的医学图像编码器,用于分类和图像检索。 | 400M + 400M | 图像与文本嵌入(448×448) | 2025年7月 | google/medsiglip-448 | HAI-DEF 条款 |
来源: 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
根据 Google 模型卡,MedGemma 能做什么
可同时理解医学影像和文本。它们使用在去标识化医学数据上预训练的 SigLIP 图像编码器——涵盖胸部 X 光片、皮肤科、眼科和组织病理学图像。
仅使用医学文本训练,并针对医学推理进行了优化,因此在文本基准测试上的得分略高于 27B 多模态模型。
准确率(%)或宏平均 F1,数据来自 Google 官方模型卡。27B 结果使用了测试时扩展(test-time scaling)。
| 基准测试 | MedGemma 4B | MedGemma 1.5 4B | MedGemma 27B text | MedGemma 27B multimodal |
|---|---|---|---|---|
| MedQA(4 选项) | 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 医学 | 70.0 | 69.6 | 87.0 | 86.2 |
| MIMIC-CXR(宏平均 F1,前 5 种病症) | 88.9 | 89.5 | — | 90.0 |
| EyePACS 眼底 | 64.9 | 76.8 | — | 75.3 |
构建基于AI的应用程序,检查医疗图像、生成报告并对患者进行分诊。
通过Hugging Face和Google Cloud开放访问先进AI,加速研究。
快速搭建决策支持、摘要生成和病历审阅工具的原型,并在任何临床使用前完成验证。
通过 Hugging Face 或 Vertex AI 自行运行 MedGemma,或直接在线体验 Dr7 的医疗 AI 对话。需要 Dr7 API?入口就在演示对话框下方。
登录 Hugging Face,打开模型页面并接受 Health AI Developer Foundations 条款(立即获得访问权限),然后使用 Transformers 4.50 或更高版本加载。Google 表示所有 MedGemma 模型都可以在单张 GPU 上运行;27B 模型除非经过量化,否则需要大显存 GPU。
Hugging Face 上的 MedGemma在您自己的 Google Cloud 项目中,通过 Vertex AI Model Garden 将 MedGemma 部署为托管端点——这是 Google 推荐的生产规模部署方式。费用由 Google Cloud 计收。
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"])使用少样本示例,并将任务拆分为更小的子任务,以提升效果。
以 Google 在 GitHub 上提供的微调 notebook 为起点,用您自己的医学数据进行训练。
将 MedGemma 与网页搜索、FHIR 数据生成器或其他 AI 模型等工具结合使用。
MedGemma 开箱即用时并非临床级工具。Google 模型卡指出,开发者在依赖它之前,必须针对具体用例进行验证和调整。
MedGemma 的使用受 Health AI Developer Foundations 使用条款约束,下载权重前需先接受该条款。
哪些医疗 AI 模型真正可以下载、它们能理解什么输入,以及已公布的 MedQA 成绩。
| 模型 | 开发方 | 可下载? | 输入 | MedQA |
|---|---|---|---|---|
| MedGemma 4B | 是(需接受 HAI-DEF 条款) | 文本 + 影像 | 64.4% | |
| MedGemma 1.5 4B | 是(需接受 HAI-DEF 条款) | 文本 + 影像(含 3D CT/MRI) | 69.1% | |
| MedGemma 27B text | 是(需接受 HAI-DEF 条款) | 文本 | 87.7% | |
| MedGemma 27B multimodal | 是(需接受 HAI-DEF 条款) | 文本 + 影像 | 85.3% | |
| Med-PaLM 2 | 否——权重从未公开 | 文本 | 86.5% | |
| LLaVA-Med v1.5 | Microsoft | 是(仅限研究用途) | 文本 + 影像 | 未公布 |
各项成绩分别来自各模型自己的论文或模型卡,测试设置不同(例如 Med-PaLM 2 使用了集成精炼提示,MedGemma 27B 使用了测试时扩展),因此仅供参考,并非直接对比测试。LLaVA-Med 评测的是医学影像问答(VQA-RAD、SLAKE、PathVQA),而不是 MedQA。
来源: 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
关于 MedGemma 的常见问题
MedGemma 4B 是一个 40 亿参数的多模态模型,可理解医学影像和文本。MedGemma 27B 有两个 270 亿参数的版本:一个是仅用医学文本训练的纯文本模型,另一个是还能处理影像和电子病历数据的多模态模型。27B 模型在医学文本基准测试上得分更高(MedQA:27B 纯文本版 87.7%,4B 为 64.4%),而 4B 的运行成本要低得多。MedGemma 1.5 4B(2026年1月)是 4B 模型的更新版本。
不可以。Google 模型卡指出,MedGemma 不应在未针对具体用例进行适当验证、调整或实质性修改的情况下使用,其输出也不应直接用于临床诊断、患者管理或治疗决策。
MedGemma 的权重托管在 Hugging Face 上(例如 google/medgemma-4b-it)。登录后在模型页面接受 Health AI Developer Foundations 条款——即可立即获得访问权限——然后用 Transformers 加载模型。您也可以通过 Google Cloud 的 Vertex AI Model Garden 部署。
MedGemma 的图像编码器在去标识化的胸部 X 光片、皮肤科图像、眼科(眼底)图像和组织病理切片上进行了预训练。MedGemma 1.5 4B 新增支持 3D CT 和 MRI 容积数据、全切片病理图像的多个图块,以及胸部 X 光片与既往影像的对比。
Google 列出的方法包括提示词工程(例如少样本示例)、知识锚定(grounding)、与其他工具进行智能体编排,以及用自有数据微调。官方 google-health/medgemma GitHub 仓库提供了微调 notebook。
Google 于 2025年5月20日(Google I/O 前后)发布了 MedGemma 4B 和 MedGemma 27B 纯文本版。MedGemma 27B 多模态版和 MedSigLIP 图像编码器于 2025年7月9日推出,MedGemma 1.5 4B 于 2026年1月13日推出。经同行评审的 MedGemma 论文于 2026年10月6日发表在 Nature Medicine 上。
在 MedQA(USMLE 风格,4 选项)上,Google 公布的成绩为:MedGemma 4B 64.4%,MedGemma 1.5 4B 69.1%,MedGemma 27B 纯文本版 87.7%,MedGemma 27B 多模态版 85.3%(27B 结果使用了测试时扩展)。作为对比,基础模型 Gemma 3 4B 的得分为 50.7%。
有。Google 的 google-health/medgemma GitHub 仓库提供了快速入门 notebook 和适用于 Hugging Face 的微调 notebook,此外还有更多教程 notebook,例如使用 MedGemma 1.5 处理 CT 和全切片病理图像。
Google 表示所有 MedGemma 模型都可以在单张 GPU 上运行,MedGemma 4B 甚至可以适配到移动设备上运行。27B 模型需要大显存 GPU——Google 的快速入门说明指出,如不量化,需使用 Colab Enterprise 级别的 GPU。
截至 2026年10月还没有。最新版本是 MedGemma 1.5,Google 仅提供 4B 多模态指令微调模型。27B 模型仍是 2025年5月和7月发布的初代 MedGemma 1 版本。
MedGemma 基于 Gemma 3 构建,Gemma 3 支持 140 多种语言,因此 MedGemma 能够读懂并用多种语言作答。不过 Google 指出,其安全评估主要使用英文提示词,医学基准测试也大多为英文,因此在依赖它之前,您应先在自己的语言(例如中文)中验证其质量。
不是。Med-Gemini(2024年,MedQA 91.1%)和 Med-PaLM 2(2023年,MedQA 86.5%)是 Google 的研究模型,其权重从未公开发布。MedGemma 则是 Google 的开放权重模型系列,任何人都可以下载和微调。