谷歌开源医疗AI新星MedGemma 1.5：从看平面图到读懂3D影像

谷歌近日开源医疗AI模型MedGemma1.5，最核心的突破在于突破了传统2D图像的局限，具备了处理高维度医疗数据的能力，在多个关键医疗场景上实现了显著跨越。

能力层面，MedGemma1.5的升级幅度相当全面。它原生支持CT和MRI三维扫描数据分析，可直接处理包含数十个切片的立体影像;支持病理学全视野数字切片分析，能在微观层面寻找病变线索;在胸部X光分析中，可通过边界框精准标注解剖结构和病变位置，而非仅给出模糊结论;还具备多时间点对比分析能力，追踪病情是好转、稳定还是恶化。此外，它对PDF格式电子病历和化验单的理解能力也大幅提升，能精准提取关键结构化数据。

成绩单同样亮眼。与上一代MedGemma14B相比，1.5版本在3D MRI病情分类上准确率绝对提升11%，全视野病理图像宏观F1分数提升47%，胸部X光解剖定位交并比增加35%，电子病历问答准确率飙升22%。值得注意的是，这些提升均在保持40亿参数量不变的前提下实现，计算效率极高。

技术实现上，团队为模型注入了放射学、皮肤科、病理学及合成电子健康记录等大量医学图文配对数据，并设计了将3D CT扫描切分为最多85张序列图像的预处理方法;训练后期还引入领域专家模型进行知识蒸馏，将专业经验直接"传授"给模型。

不过需要明确的是，MedGemma1.5并非开箱即用的临床决策工具。谷歌将其定位为供开发者进一步微调的基础资源，真正落地临床还需针对具体场景进行专项训练。此外，模型在向"医疗通才"演进的过程中，在部分旧有小众视觉问答基准上出现了极轻微的退步，这也是能力全面化不可避免的代价。

论文地址：https://www.alphaxiv.org/abs/2604.05081