Google AI lanza Medgemma: un conjunto abierto de modelos entrenados para el rendimiento en texto médico y comprensión de la imagen

En Google I/O 2025, Google introdujo Medgemma, un conjunto abierto de modelos diseñados para texto médico multimodal y comprensión de imagen. Construido en la arquitectura de Gemma 3, Medgemma tiene como objetivo proporcionar a los desarrolladores una base sólida para crear aplicaciones de atención médica que requieren un análisis integrado de imágenes médicas y datos textuales.

Variantes de modelo y arquitectura

Medgemma está disponible en dos configuraciones:

• Medgemma 4B: Un modelo multimodal de parámetros de 4 mil millones capaz de procesar imágenes médicas y texto. Emplea un codificador de imagen Siglip previamente entrenado en conjuntos de datos médicos desidentificados, que incluyen radiografías en el tórax, imágenes de dermatología, imágenes de oftalmología y diapositivas de histopatología. El componente del modelo de lenguaje está capacitado en diversos datos médicos para facilitar la comprensión integral.
• Medgemma 27b: Un modelo de texto de 27 mil millones de parámetros optimizado para tareas que requieren una comprensión de texto médico profundo y un razonamiento clínico. Esta variante se ajusta exclusivamente a las instrucciones y está diseñada para aplicaciones que exigen un análisis textual avanzado.

Implementación y accesibilidad

Los desarrolladores pueden acceder a los modelos de Medgemma a través de la cara abrazada, sujeto a aceptar los Términos de uso de los fundamentos de los desarrolladores de IA de salud. Los modelos se pueden ejecutar localmente para experimentar o implementar como puntos finales HTTPS escalables a través de la IA de vértices de Google Cloud para aplicaciones de grado de producción. Google proporciona recursos, incluidos los cuadernos Colab, para facilitar el ajuste y la integración en varios flujos de trabajo.

Aplicaciones y casos de uso

Medgemma sirve como modelo fundamental para varias aplicaciones relacionadas con la atención médica:

• Clasificación de imágenes médicas: El pretrabenamiento del modelo 4B lo hace adecuado para clasificar varias imágenes médicas, como escaneos de radiología e imágenes dermatológicas.
• Interpretación de imágenes médicas: Puede generar informes o responder preguntas relacionadas con imágenes médicas, ayudando en procesos de diagnóstico.
• Análisis de texto clínico: El modelo 27B sobresale en la comprensión y el resumen de las notas clínicas, respaldando tareas como el triado de los pacientes y el apoyo a la decisión.

Adaptación y ajuste fino

Si bien Medgemma proporciona un fuerte rendimiento de referencia, se alienta a los desarrolladores a validar y ajustar los modelos para sus casos de uso específicos. Se pueden emplear técnicas como ingeniería rápida, aprendizaje en contexto y métodos de ajuste fino eficientes como Lora para mejorar el rendimiento. Google ofrece orientación y herramientas para apoyar estos procesos de adaptación.

Conclusión

Medgemma representa un paso significativo para proporcionar herramientas accesibles de código abierto para el desarrollo de IA médica. Al combinar capacidades multimodales con escalabilidad y adaptabilidad, ofrece un recurso valioso para los desarrolladores que pretenden crear aplicaciones que integren el análisis de imágenes y texto médicos.

Mira el Modelos en la cara abrazada y Página del proyecto. Todo el crédito por esta investigación va a los investigadores de este proyecto. Además, siéntete libre de seguirnos Gorjeo Y no olvides unirte a nuestro 95k+ ml de subreddit y suscribirse a Nuestro boletín.