Google 开源医疗 AI 模型 MedGemma：单卡可跑，支持电子病历与医学影像

Google 这次开源的 MedGemma 和 MedSigLIP，是一套专门给医疗健康开发者准备的基础模型，让你不用把敏感的病历和影像上传给闭源 API，在自己的机器上就能做二次开发。

这次更新主要补充了两个新角色。一个是 MedGemma 27B Multimodal，补齐了之前的 4B 多模态和 27B 纯文本版本，重点支持复杂的医学影像以及纵向电子病历（EHR）解读。另一个是 MedSigLIP，参数量只有 400M，是个专门用来做医学图像和文本编码的轻量模型，负责图像分类和检索等结构化任务。

它能做什么，怎么跑起来

MedGemma 系列覆盖 4B 和 27B 两种尺寸，现在都支持输入图像与文本并输出文本。比如写胸部 X 光报告、回答医疗视觉问答（VQA），或者整理门诊前的患者信息收集，它都很擅长。

在硬件门槛上，这套模型相当克制。官方表示所有模型都可以在单张 GPU 上跑起来。其中 4B 的 MedGemma 和 400M 的 MedSigLIP 经过适配后，甚至可以直接部署在移动硬件或边缘设备上。

在实现方式上，Google 先训练了针对医疗优化的图像编码器 MedSigLIP，再把对应规格的 Gemma 3 模型放进医疗数据里微调。关键在于，他们在训练时保留了 Gemma 原有的通用能力与非英语能力，处理非纯英文或夹杂日常对话的病历时不会直接宕机。

根据官方测试，4B 的 MedGemma 在微调后，胸部 X 光报告生成的 RadGraph F1 分数达到了 30.3。MedSigLIP 则在胸片、病理切片、皮肤科图像和眼底照片上都做了针对性学习，同时保留了自然图像分类能力。

已经有团队在实际环境里测试了。美国 DeepHealth 用 MedSigLIP 辅助胸片分诊与结节检测；中国台湾长庚纪念医院测试后表示，它对繁体中文医学文献和医护提问响应良好；印度 Tap Health 则用它来总结病程记录并提供符合指南的医疗提示。

怎么下载和上手限制

目前权重已经开源，Google 在 Hugging Face 上提供了 safetensors 格式的下载，GitHub 上也放出了推理和微调的 Notebook 示例代码。

如果你需要云端规模化部署，Vertex AI 也支持直接挂载成专用端点。官方在 HAI-DEF 的 Hugging Face 页面还放了一个门诊前信息收集的演示 demo。

不过要说明的是，Google 明确强调这套模型只是开发基座，严禁直接未经适配就拿来做临床诊断、患者管理决策或治疗方案制定。即使在训练集覆盖的领域，模型依然可能产生错误输出，必须由开发者做针对性验证。

为什么重要

医疗领域做 AI，最大的死穴就是数据隐私与合规。调用闭源商用 API 往往伴随着合规风险和高昂成本，而完全从头训一个又不是中小团队能承担的。

MedGemma 和 MedSigLIP 的聪明之处在于把尺寸压在单卡甚至端侧可跑的范围内，同时放开权重和微调自由度。如果你的团队正在做医疗影像检索、辅助报告草拟或本地化电子病历工具，这套模型是目前最值得优先尝试的开源起点之一。