刚刚，AI医疗新突破，来自谷歌！
这一次，他们直接瞄准了真实临床环境的痛点。
长期以来，医疗模型就像是一个“偏科生”，它擅长“读病历”，却对CT、MRI、病理切片这些医学影像“力不从心”。
这是因为，它们被迫用文本逻辑去理解图像，导致效率低、错误多、成本高。
为此，谷歌祭出了最新模型MedGemma 1.5，找到了破局答案。
相较于此前的MedGemma 1.5，MedGemma 1.5在多模态应用上实现重大突破，融合了：
高维医学影像：计算机断层扫描（CT）、磁共振成像（MRI）和组织病理学
纵向医学影像：胸部X光时间序列回顾
解剖定位：胸部X光片中解剖特征的定位
医学文档理解：从医学实验室报告中提取结构化数据
谷歌表示，MedGemma 1.5是首个公开发布的开源多模态大语言模型，既能够解读高维医学数据，同时还拥有解读通用二维图像和文本的能力。
更关键的是，MedGemma 1.5只有40亿参数量，这意味着，普通的消费级显卡甚至高性能工作站，就能流畅运行。
MedGemma 1.5开源地址：https://huggingface.co/google/medgemma-1.5-4b-it
不仅如此，谷歌还发布了MedASR，一个专门为医疗语音微调的语音识别模型，可以将医生与患者的对话转化为文本，并无缝接入到MedGemma。
MedASR开源地址：https://huggingface.co/google/medasr
直白讲，MedGemma 1.5解决「怎么看图」，MedASR解决「怎么听音」。
这并不是简单的模型迭代，而是谷歌对“如何让AI真正走进诊室”给出的一套体系化答案。
一个读得透病历、看得懂影像、听得清语音的AI医生，即将走进每一家医院。
AI医疗，进入多模态时代
在过去的一年里，我们见证了GPT-5等模型在医学考试中的惊艳表现，
但在真实的临床场景中，它们的表现往往不尽如人意。
一个重要的原因在于信息维度的断层。
包括初代MedGemma在内的很多医疗模型本质是“文字专家”，对于图像的理解能力不强，带来了诊断信息的丢失。
MedGemma 1.5则在医学影像应用场景中实现了全方位、多维度的性能跃升，显著超越其前代模型。
针对高维医学影像，MedGemma 1.5做到了：
CT
疾病分类准确率从
58%
提升至
61%。
MRI
疾病分类准确率从
51%
提升
65%
，尤其在脑部、关节等复杂解剖结构识别上进步显著。
全切片病理描述质量
ROUGE-L
分数从近乎无效的
0.02
提高到
0.49
，达到专用模型
PolyPath
的水平（
），可生成临床可用的组织学描述。
图：MedGemma 1.5在医疗影像上的性能提升
针对纵向时序影像分析，MedGemma 1.5做到了：
MS-CXR-T
时序评估基准上，宏观准确率从
61%
提升至
66%
有效捕捉病灶动态变化，例如判断肺炎浸润是否吸收，支持随访决策
针对通用2D医学图像解读，MedGemma 1.5做到了：
在内部综合单图基准（涵盖
X
光、皮肤、眼底、病理切片）上，整体分类准确率从
59%
提升至
62%。
表明模型在保持广泛
2D
能力的同时，未因新增高维任务而牺牲基础性能。
针对结构化医学文档，MedGemma 1.5做到了：
从非结构化
PDF
或文本中提取检验项目、数值、单位的宏平均
F1
分数从
60%
提升至
78%
）。
自动构建结构化数据库，打通影像
文本
检验多源信息融合分析的最后一环。
图：MedGemma 1.5在文本任务上的性能提升
与此同时，传统的语音识别（ASR）模型在面对生僻医疗术语时，也表现得像一个完全没受过医学教育的外行，极高的词错率让AI录入变成了医生的负担。
而新发布的自动语音识别模型MedASR针对医疗进行了微调，错误率大大减少
研究人员将MedASR的性能与通用ASR模型Whisper large-v3进行了对比。
发现MedASR在胸部X光口述错误率上降低了58%，在不同专科之间的口述中错误减少82%。
万亿谷歌，押注AI医疗
谷歌在医疗健康领域的布局十分深入，其技术触角已延伸至行业各个角落。
投资上，谷歌通过旗下风险投资及其私募股权部门投资了许多生命科学公司。
其中，AI制药成为谷歌偏爱的重点领域，在Google Ventures在2021年51笔医疗健康领域投资中，对于药物研发的投资就达到28笔，超过半数。
合作层面，凭借业内领先的人工智能、云计算等服务，谷歌近年来与拜耳、辉瑞、施维雅、梅奥诊所等药企和医院达成协议，探索从药物研发到临床诊疗的智能解决方案。
在内部，谷歌除了Google Health外，还有包括Verily、Calico在内专注于不同领域的业务单元，形成多元化的强大矩阵。
尤其是，作为全球顶尖的人工智能研究机构，GoogleDeepMind推出多个具有重要意义的科学模型，包括AlphaFold（蛋白质结构）、AlphaGenome（DNA调控）、C2S-Scale（单细胞）等。
DeepMind的CEO，Demis Hassabis，就因为在AI蛋白质结构预测上的贡献获得了2024年诺贝尔化学奖。
近年来，在大语言模型的潮流下，谷歌也开发了多款用于医疗保健的垂类大模型。
这些模型不仅能够帮助医生更精准地诊断疾病，还能为患者提供个性化的健康建议。
谷歌团队首先研发了Flan-PaLM，这一模型挑战了美国医学执照考试（USMLE），取得了67.6%的成绩，比此前最好的模型提高了17%。
之后，谷歌发布了Med-PaLM，该成果登上了Nature，经过专业临床医生评判，Med-PaLM对实际问题的回答准确率与真人相差无几。
2023年，全球首个全科医疗大模型Med-PaLM M发布，其在14项测试任务（问题回答、报告生成和摘要、视觉问题回答、医学图像分类和基因组变体调用）中均接近或超过现有SOTA。
去年，谷歌首席健康官Karen DeSalvo博士宣布了六项进展，包括AI制药模型TxGemma、获得FDA批准的手表脉搏停止检测功能、多智能体系统“AI联合科学家”、儿科个性化癌症治疗模型等。
从医学影像到药物研发，从健康助手到可穿戴设备，谷歌正在重新定义未来医疗，
—The End—
热门跟贴