谷歌宣佈推出新一代開源醫療 AI 模型 MedGemma 1.5，增強對醫學影像的支持。同時發佈的還有開源醫療語音轉文本模型 MedASR。兩款模型旨在提升臨牀工作流程效率，支持全球開發者和醫療機構免費使用，推動人工智能在醫療領域的應用與發展。

MedGemma 1.5：更強的醫療圖像與文本理解能力

更廣泛的醫療圖像支持

• MedGemma 1.5 擴展了對高維醫學影像的支持，包括 CT、MRI 體積數據和整片組織病理圖像；也提升了對胸部 X 光時間序列及解剖標註的理解能力。

• 這是目前首個公開可用、支持三維體積數據與二維圖像同時處理的多模態大型語言模型。

性能顯著提升

內部基準顯示，與前一代相比：

• CT 相關病變分類準確率提高～3%；MRI 提升～14%。

• 在病理圖像等多個醫學影像任務上表現更穩健。

• 文本能力也更強，在醫學問答（MedQA）和電子病歷問答任務上分別提升了約 5% 和 22%。

支持開發更強大應用

• MedGemma 1.5 提供了更好的 DICOM 支持，便於與臨牀影像系統無縫對接。

• 模型保持開源，開發者可在 Hugging Face 與 Google Cloud Vertex AI 上使用與擴展。

MedASR：為醫療場景定製的語音識別模型

谷歌同時發佈了 MedASR，一款針對醫學口述語音特別訓練的 自動語音識別（ASR）模型：

• 相比通用語音識別模型（如 Whisper large-v3），MedASR 在醫療口述轉寫上的錯誤率大幅下降，在胸片報告語音轉寫上錯誤率減少約 58%。

• MedASR 可用於實時醫囑記錄、臨牀對話轉寫，甚至作為觸發 MedGemma 推理的語音接口。

• 與 MedGemma 配合，構建 “聽 — 理解 — 寫” 的醫療 AI 工作流更為自然。

詳細內容查看：https://research.google/blog/next-generation-medical-image-interpretation-with-medgemma-15-and-medical-speech-to-text-with-medasr/