جدیدترین
MedGemma مجموعه‌ای از مدل‌های باز هوش مصنوعی پزشکی گوگل است. این مدل‌ها را می‌توان دانلود کرد و برای ساخت نرم‌افزارهای سلامت به کار برد، ولی چت‌بات پزشکی آماده‌ای برای بیماران نیستند. تازه‌ترین نسخه، MedGemma 1.5 4B، در ۱۳ ژانویه ۲۰۲۶ منتشر شد. گوگل می‌گوید این مدل هنوز برای استفاده بالینی آماده نیست و باید برای هر کاربرد جداگانه اعتبارسنجی شود.[۱][۳]
مبنای بررسی: کارت‌های مدل و شرایط رسمی گوگل و مطالعه‌های مستقل · به‌روزرسانی: ۱۳ آبان ۱۴۰۵ · این حوزه زود تغییر می‌کند
خلاصه کلیدی
این مدل بر پایه Gemma 3 ساخته شده است، متن و تصویر را ورودی می‌گیرد و خروجی آن فقط متن است. گوگل آن را نقطه شروعی برای توسعه‌دهندگان حوزه سلامت و علوم زیستی می‌داند و مسئولیت سازگار کردن مدل با کاربرد نهایی را بر عهده آن‌ها می‌گذارد.[۲]
به بیان ساده، MedGemma محصولی نیست که آن را باز کنید و نظر پزشکی بگیرید. برای استفاده از آن باید رابط کاربری، پردازش تصویر و کنترل‌های ایمنی ساخته شود و مدل روی داده‌های همان محل آزمون شود. برای دیدن جایگاه آن در کنار مدل‌های دیگر، مقایسه مدل‌های هوش مصنوعی پزشکی را ببینید.
| نسخه | انتشار | ورودی | نقطه قوت |
|---|---|---|---|
| MedGemma 1.5 4B | ۱۳ ژانویه ۲۰۲۶ | متن و تصویر؛ با پیش‌پردازش برای CT، MRI و اسلاید کامل پاتولوژی | تصویربرداری، برگه آزمایش و پرونده الکترونیک[۱] |
| MedGemma 1 4B | ۲۰ مه ۲۰۲۵ | متن و تصویر | نسخه کوچک اولیه، در دو گونه pt و it[۲] |
| MedGemma 1 27B text | ۲۰ مه ۲۰۲۵ | فقط متن | پرسش‌های متنی دشوار[۲] |
| MedGemma 1 27B multimodal | ۹ ژوئیه ۲۰۲۵ | متن و تصویر | پرسش از پرونده الکترونیک و کار با تصویر[۲] |
ورودی همه این نسخه‌ها حداکثر ۱۲۸ هزار توکن و خروجی حداکثر ۸۱۹۲ توکن است. نسخه‌های تصویری هر تصویر را در اندازه ۸۹۶ در ۸۹۶ پردازش می‌کنند.[۱][۲] گوگل برای کارهایی مثل طبقه‌بندی و بازیابی تصویر که تولید متن لازم ندارند، MedSigLIP را پیشنهاد می‌کند.[۲]
این عددها را خود گوگل گزارش کرده و از آزمون مستقل به دست نیامده‌اند. مقیاس معیارها یکسان نیست؛ پس هر ردیف را فقط میان نسخه‌های همان ردیف مقایسه کنید.[۱]
| آزمون | نسخه 1 4B | نسخه 1.5 4B | نسخه 1 27B |
|---|---|---|---|
| طبقه‌بندی MRI (دقت ماکرو) | ۵۱٫۳ | ۶۴٫۷ | ۵۷٫۴ |
| طبقه‌بندی CT (دقت ماکرو) | ۵۸٫۲ | ۶۱٫۱ | ۵۷٫۸ |
| شبکیه EyePACS (دقت) | ۶۴٫۹ | ۷۶٫۸ | ۷۵٫۳ |
| تبدیل پرونده PDF به JSON (F1) | ۷۸٫۰ | ۹۱٫۰ | ۷۶٫۰ |
| پرسش از پرونده الکترونیک EHRQA (دقت) | ۶۷٫۶ | ۸۹٫۶ | ۹۰٫۵ |
| پرسش پزشکی MedQA (دقت) | ۶۴٫۴ | ۶۹٫۱ | ۸۵٫۳ |
| PubMedQA (دقت) | ۷۳٫۴ | ۶۸٫۲ | ۷۷٫۲ |
نسخه تازه در همه آزمون‌ها بهتر نیست. امتیاز آن در PubMedQA از نسخه ۱ کمتر است و گزارش فنی نیز به افت در SLAKE، VQA-RAD و دانش عمومی MMLU Pro اشاره می‌کند.[۱][۷] به گفته گوگل، امتیاز استخراج داده از برگه آزمایش از ۶۰٪ به ۷۸٪ رسیده است.[۵]
گوگل می‌گوید مدل‌ها روی یک GPU اجرا می‌شوند، ولی در کارت مدل حداقل حافظه را اعلام نکرده است.[۶][۱] یک پژوهشگر مستقل نسخه فشرده‌شده 1.5 4B را بدون اینترنت روی مک‌بوک M1 Max با ۳۲ گیگابایت حافظه اجرا کرده است.[۱۳] برای اجرای نسخه 27B بدون فشرده‌سازی، گوگل به Colab Enterprise ارجاع می‌دهد.[۴]
نسخه‌های بازنشرشده این مدل هم در Hugging Face و سرویس‌های دیگر پیدا می‌شوند. برای کار پزشکی فقط از صفحه رسمی گوگل (زیر نام google) دانلود کنید. در صفحه‌های رسمی چیزی درباره دسترسی از ایران نیامده است؛ پس پیش از برنامه‌ریزی، امکان دانلود و شرایط را با حساب و شبکه خودتان بررسی کنید.
medgemma: ایستگاه کاری با کارت گرافیک در دفتر انفورماتیک بیمارستان؛ تصویر نمایشی
باز بودن مدل به این معنی نیست که هر استفاده‌ای از آن مجاز است. استفاده از آن تابع شرایط Health AI Developer Foundations است و این نکته‌ها برای سازنده محصول مهم‌اند:[۹]
در متن شرایط بند جداگانه‌ای درباره استفاده تجاری ندیدیم؛ پس محصول تجاری را هم باید با همین محدودیت‌ها سنجید. این توضیح مشاوره حقوقی نیست و پیش از انتشار محصول، متن کامل را با حقوق‌دان بررسی کنید.
داوری هیچ‌یک از این سه مطالعه هنوز کامل نشده است؛ پس نتایج آن‌ها را اولیه بدانید. هر سه نشان می‌دهند عملکرد مدل به نوع کار بستگی زیادی دارد.
| مطالعه | روش | نتیجه |
|---|---|---|
| گزارش رادیوگرافی قفسه سینه، اورژانس[۱۱] | MedGemma 4B-it، ۴۷۸ بیمار با CT مرجع و سه رادیولوژیست ارزیاب | گزارش قابل قبول بالینی ۷۱٫۴٪ در برابر ۷۴٫۳٪ رادیولوژیست؛ یافته ساختگی ۵٫۴٪ در برابر ۰٫۱٪. حساسیت برای کدورت ریه ۷۶٫۷٪ ولی برای پنوموتوراکس ۲۲٫۲٪ (فقط ۹ مورد) |
| طبقه‌بندی پایه تصویر، لوزان[۱۲] | MedGemma 4B-it بدون تنظیم دقیق، ۶۰۰ تصویر عمومی | دقت کلی ۶۲٪؛ تشخیص نوع تصویربرداری ۹۷٪ ولی تشخیص کنتراست ۳۲٪ |
| HealthBench، مک‌بوک بدون اینترنت[۱۳] | MedGemma 1.5 4B فشرده‌شده، ۵۰۰۰ گفت‌وگو با نمره‌دهی خودکار، تک‌نویسنده | نمره کلی ۰٫۴۵؛ برآوردن ۹۰٫۶٪ معیارهای اورژانس، ولی وقتی اطلاعات کافی نبود، فقط ۷٫۲٪ معیارهای پرسیدن اطلاعات تکمیلی |
این نکته برای ساخت چت‌بات مهم است: گوگل می‌گوید این مدل برای گفت‌وگوی چندمرحله‌ای ارزیابی یا بهینه نشده است.[۱]
اگر دنبال هوش مصنوعی برای پزشکان هستید که همین امروز در مطب قابل استفاده باشد، MedGemma انتخاب مستقیم نیست. این مدل ماده اولیه ساخت نرم‌افزار است و گزینه‌های دیگر را در راهنمای مدل‌های هوش مصنوعی پزشکی مقایسه کرده‌ایم.
| شما | پیشنهاد |
|---|---|
| توسعه‌دهنده یا پژوهشگر | گزینه خوبی برای شروع است. آن را با نسخه 1.5 4B و داده‌های غیرعمومی خودتان بیازمایید.[۱] |
| بیمارستان، آزمایشگاه یا شرکت سلامت | فقط همراه تیم فنی، پایش خطا، بازبینی انسانی و بررسی مقررات.[۹] |
| پزشک بدون تیم فنی | این مدل آماده استفاده بالینی نیست و اجرای آن روی رایانه هم آن را به ابزار بالینی تبدیل نمی‌کند.[۳] |
| بیمار یا همراه بیمار | برای تشخیص یا تصمیم درمانی از آن استفاده نکنید.[۱] |
گوگل دو نمونه کاربرد را نام برده است: Qmed Asia که با آن رابط گفت‌وگو برای راهنماهای بالینی مالزی ساخته، و بیمه سلامت تایوان که داده بیش از ۳۰ هزار گزارش پاتولوژی را با آن استخراج کرده است.[۵] این دو نمونه را خود گوگل گزارش کرده است و ارزیابی مستقل اثر بالینی نیستند.
اگر جواب آزمایش دارید، آن را در ابزار تفسیر آزمایش فهیم طب بررسی کنید و نتیجه را با پزشک در میان بگذارید.
در کارت‌های مدل، فهرستی از زبان‌های ارزیابی‌شده نیامده و آزمون ایمنی عمدتاً با پرسش‌های انگلیسی انجام شده است.[۱][۲] این منابع نشان نمی‌دهند که مدل در متن پزشکی فارسی، برگه آزمایش ایرانی یا نام داروهای بازار ایران دقیق است. پیشنهاد ما این است که پیش از هر استفاده، چند صد برگه و پرسش واقعی و بی‌نام را با پاسخ تأییدشده پزشک بسنجید و خطاهای عدد، واحد و محدوده مرجع را جدا بشمارید.
هر دو از گوگل‌اند، ولی راه دسترسی فرق دارد. MedGemma را می‌توان از Hugging Face گرفت.[۸] در صفحه رسمی Med-PaLM و Med-PaLM 2 راه عمومی دانلود نیامده است.[۱۴] گوگل هم MedGemma را جانشین رسمی آن معرفی نکرده است. برای کاربردهای این حوزه، مقاله هوش مصنوعی در بهداشت و درمان را هم ببینید.
MedGemma چیست؟
MedGemma مجموعه‌ای از مدل‌های باز هوش مصنوعی پزشکی گوگل بر پایه Gemma 3 است. ورودی آن متن و تصویر و خروجی آن متن است و برای توسعه‌دهندگانی ساخته شده که می‌خواهند نرم‌افزار سلامت بسازند.
MedGemma هوش مصنوعی پزشکی رایگان است؟
دانلود مدل از Hugging Face هزینه‌ای ندارد، اما باید وارد حساب شوید و شرایط Health AI Developer Foundations را بپذیرید. هزینه GPU یا سرویس ابری به عهده خودتان است. رایگان بودن دانلود به معنی آماده بودن برای استفاده پزشکی نیست.
چگونه MedGemma را دانلود کنم؟
در Hugging Face وارد شوید، صفحه google/medgemma-1.5-4b-it را باز کنید و شرایط را بپذیرید. بعد می‌توانید مدل را با Transformers نسخه 4.50.0 یا بالاتر اجرا کنید. گزینه دیگر، راه‌اندازی آن در Vertex AI Model Garden است.
MedGemma 1.5 بهتر است یا 27B؟
برای CT، MRI، پاتولوژی و استخراج داده از برگه آزمایش از نسخه 1.5 4B شروع کنید. در پرسش‌های متنی دشوار، نسخه 27B هنوز نتیجه بهتری دارد؛ مثلاً در MedQA امتیاز ۸۵٫۳ در برابر ۶۹٫۱.
آیا MedGemma هوش مصنوعی تشخیص بیماری است؟
گوگل آن را ابزار تشخیص بیماری معرفی نمی‌کند. طبق کارت مدل، خروجی آن نباید مستقیم مبنای تشخیص، مدیریت بیمار یا توصیه درمانی باشد و باید مستقل بررسی شود. بیمار نباید برای تشخیص یا درمان به آن تکیه کند.
MedGemma فارسی را پشتیبانی می‌کند؟
در کارت‌های مدل فهرستی از زبان‌های ارزیابی‌شده نیامده و آزمون‌های ایمنی عمدتاً با پرسش‌های انگلیسی انجام شده است. کیفیت فارسی را پیش از استفاده باید روی داده واقعی خودتان بسنجید.
اگر درباره این مقاله سوالی دارید یا تجربه‌ای در این زمینه داشته‌اید، می‌توانید نظر خود را ثبت کنید. پیام شما پس از بررسی نمایش داده خواهد شد.
جدیدترین
