Mit MedGemma hat Google eine offene Familie medizinischer Vision-Language-Modelle vorgestellt, die Text und medizinische Bilddaten gemeinsam verarbeiten kann. Die zugehörige Arbeit ist am 6. Oktober in Nature Medicine erschienen.
Quelle:
https://www.nature.com/articles/s41591-026-04626-w
🔎 Was ist passiert?
MedGemma basiert auf Gemma 3 und wurde speziell für medizinische Anwendungen weiterentwickelt. Die Modelle sollen medizinische Texte und verschiedene Bildtypen verarbeiten und sich für unterschiedliche klinische und forschungsnahe Aufgaben feinabstimmen lassen.
In der veröffentlichten Studie berichten die Autoren unter anderem über Verbesserungen bei medizinischen Bild-Frage-Antwort-Aufgaben, bei der Klassifikation von Befunden auf Röntgenbildern sowie bei agentischen medizinischen Evaluationen im Vergleich zu den zugrunde liegenden Basismodellen.
⚖️ Der Realitätscheck
MedGemma ist kein autonomer Arzt und die veröffentlichten Ergebnisse bedeuten nicht, dass das Modell ohne weitere Validierung für klinische Entscheidungen eingesetzt werden sollte. Medizinische KI muss je nach Einsatzgebiet zusätzlich geprüft, angepasst und regulatorisch bewertet werden.
Auch „offen“ bedeutet hier nicht, dass sämtliche verwendeten Trainingsdaten veröffentlicht wurden. Ein Teil der zugrunde liegenden medizinischen Datensätze kann aus Lizenz- und Datenschutzgründen nicht öffentlich bereitgestellt werden.
💡 Warum ist das interessant?
Medizin gehört zu den Bereichen, in denen spezialisierte KI besonders großes Potenzial hat: große Mengen an Bild- und Textdaten können gemeinsam ausgewertet, Modelle für konkrete Fachgebiete angepasst und Forschungsprojekte schneller entwickelt werden.
Dass Google die Modelle offen zugänglich macht, könnte Forschungseinrichtungen und Entwickler dabei unterstützen, eigene medizinische Anwendungen aufzubauen, ohne jedes Basismodell vollständig selbst trainieren zu müssen.