谷歌发布开源 AI 医疗模型 MedGemma 1.5

谷歌宣布推出新一代开源医疗 AI 模型 MedGemma 1.5，增强对医学影像的支持。同时发布的还有开源医疗语音转文本模型 MedASR。两款模型旨在提升临床工作流程效率，支持全球开发者和医疗机构免费使用，推动人工智能在医疗领域的应用与发展。

MedGemma 1.5：更强的医疗图像与文本理解能力

更广泛的医疗图像支持

• MedGemma 1.5 扩展了对高维医学影像的支持，包括 CT、MRI 体积数据和整片组织病理图像；也提升了对胸部 X 光时间序列及解剖标注的理解能力。

• 这是目前首个公开可用、支持三维体积数据与二维图像同时处理的多模态大型语言模型。

性能显著提升

内部基准显示，与前一代相比：

• CT 相关病变分类准确率提高～3%；MRI 提升～14%。

• 在病理图像等多个医学影像任务上表现更稳健。

• 文本能力也更强，在医学问答（MedQA）和电子病历问答任务上分别提升了约 5% 和 22%。

支持开发更强大应用

• MedGemma 1.5 提供了更好的 DICOM 支持，便于与临床影像系统无缝对接。

• 模型保持开源，开发者可在 Hugging Face 与 Google Cloud Vertex AI 上使用与扩展。

MedASR：为医疗场景定制的语音识别模型

谷歌同时发布了 MedASR，一款针对医学口述语音特别训练的 自动语音识别（ASR）模型：

• 相比通用语音识别模型（如 Whisper large-v3），MedASR 在医疗口述转写上的错误率大幅下降，在胸片报告语音转写上错误率减少约 58%。

• MedASR 可用于实时医嘱记录、临床对话转写，甚至作为触发 MedGemma 推理的语音接口。

• 与 MedGemma 配合，构建 “听 — 理解 — 写” 的医疗 AI 工作流更为自然。