MedGemma 1.5

MedGemma 是 Google 基于 Gemma 3 架构开发的医疗专用模型系列，2025 年首次推出时提供了 4B 多模态版本和 27B 文本版本，在胸部 X 光、皮肤科、眼科、病理切片等多个医疗场景中表现良好，下载量达到数百万级别，并在 Hugging Face 上衍生出数百个社区变体。

2026 年 1 月 13 日，Google Research 正式发布了 MedGemma 1.5（目前主要为 4B 多模态指令微调版本），重点提升了对更高维度、更复杂医疗影像的理解能力，同时同日发布了医疗语音转文字模型 MedASR。

MedGemma 1.5 的核心亮点

1. 首次开源支持 3D CT、MRI 和全切片病理影像
   这是目前公开可用的首个开源多模态大模型，能够原生处理 CT 体积数据、MRI 序列以及数字病理全切片图像（whole-slide histopathology）。
   在多项基准测试中，相比 MedGemma 1 版本有明显提升：
2. 保持轻量级设计
   核心参数规模为 4B，可在单张消费级或专业级 GPU 上运行（量化后更易部署），适合研究者、初创团队以及医院内部开发使用。
3. 与 MedASR 结合使用
   同日发布的 MedASR 是专为医疗场景优化的语音转文字模型，在包含大量医学术语的对话（如医生讨论胸片）中，字错率低至 5.2%，明显低于 OpenAI Whisper large-v3 的 12.5%。
   MedASR 的转录结果可直接作为 MedGemma 的输入提示，形成“语音输入 → 影像理解 → 报告生成”的完整流程。
4. 开源与商用许可

典型应用场景

• 放射科报告自动生成与初步筛查（支持多张影像的纵向对比）
• 病理科全切片图像描述与关键区域定位
• 多模态临床问答（上传 CT + 症状描述 → 模型提供分析建议）
• 电子病历结合影像的综合总结
• 远程医疗或患者端初步分诊（结合 MedASR 语音输入）

MedGemma 1.5 并非现成的临床诊断工具，所有输出必须由专业医师独立验证，并结合临床背景使用。模型的定位是“开发者起点模型”，鼓励在其基础上进行进一步的领域微调、偏见评估、本地隐私数据适配等工作。

短短一年多时间，Google 将 MedGemma 从支持 2D 影像扩展到处理 3D CT/MRI + 全切片病理，并且保持开源，这为医疗 AI 社区提供了更多开发可能性。

如果你是医疗 AI 开发者、放射科医生、病理学家，或对开源医疗大模型感兴趣，现在正是开始探索的好时机——模型已就位，等待进一步的 fine-tune 与应用开发。