Nature Computational Science· Vikas Bansal·· 7 天前精选AI 评分62
开源医疗基础模型 MedGemma 推出 4B 与 27B 版本,多项基准超过 Gemma 3
Open foundation models for clinical AI
AI 导读
Nature Computational Science 的研究亮点介绍,Andrew Sellergren、Lin Yang 等提出开源医疗基础模型家族 MedGemma,包含 4B 与 27B 多模态模型、27B 纯文本模型以及医学图像编码器 MedSigLIP。
- 背景
- 大语言模型在医学任务上表现出的能力越来越强,视觉–语言模型又把这种能力延伸到临床图像和其他多模态数据。但作者指出,在单项基准上取得高分,并不会自动转化为有用的临床应用。要在医疗场景中部署模型,模型需要能适配本地环境、接入临床信息系统,并支持跨异质患者数据的复杂推理。这三点构成了从基准分数到临床落地之间的缺口,也是这项工作的出发点:作者认为,现有模型即便单项能力突出,也未必满足上述部署条件。
- 做法
- Andrew Sellergren、Lin Yang 及同事提出 MedGemma,一个开放的医学基础模型家族,用来支撑广泛的医疗人工智能应用。该家族包含 4B 和 27B 两个参数量的多模态模型、一个 27B 的纯文本模型,以及医学图像编码器 MedSigLIP。训练所用材料是覆盖放射、病理、皮肤和眼科四个领域的医学文本与图像。评测以 Gemma 3 基座模型作为对照基准,因为这些模型是在 Gemma 3 基础上继续训练得到的。评测场景分为几类:一是常规基准测试;二是 AgentClinic,一个用于评估纵向临床推理的模拟环境,并在分布外的 MIMIC-IV 病例上再测一次,以检验能力是否保持;三是用合成的纵向电子健康记录做后训练,观察对需要跨多条相互依赖的患者记录进行信息综合的题目有什么影响;四是数据效率实验,即用仅 10% 的任务特定训练数据微调 MedGemma 4B,再与同条件下微调的 Gemma 3 比较。
- 结论
- 在一系列基准上,MedGemma 一致优于它的 Gemma 3 基座模型。在 AgentClinic 这个模拟纵向临床推理的环境中,MedGemma 27B 表现强劲;当评测对象换成分布外的 MIMIC-IV 病例时,它仍保持了这些能力,也就是说没有因为数据分布改变而明显失分。在合成纵向电子健康记录上做后训练后,模型表现进一步提升,提升尤其集中在那些需要综合相互依赖的患者记录信息才能回答的题目上。数据效率方面,仅用 10% 的任务特定训练数据微调 MedGemma 4B,就比同等条件下微调的 Gemma 3 表现更好,作者据此提出它具备数据高效适配的潜力。以上结果均为相对基座模型的比较,正文未给出具体分数、效应量或置信区间。
- 意义
- MedGemma 的价值指向此前提出的部署缺口:以开放模型家族的形式给出多个参数规模、一个纯文本变体和一个独立的医学图像编码器,意味着使用方可以在自己的环境中对模型做适配,而不必只依赖外部接口;训练数据跨放射、病理、皮肤、眼科,对应的是临床数据本身的多模态与多科室性质。10% 数据即可完成有效微调这一结果,对标注数据稀缺的临床场景具有直接的操作意义。作者把它定位为支撑广泛医疗 AI 应用的基础模型集合,而非某一个具体临床任务的成品。
本页是 AI 精读,不转载论文原文;完整论文(含方法、图表与参考文献)见原文
推荐理由
4B 与 27B 开放医疗模型在多项基准上超过 Gemma 3 基座,10% 任务数据微调的结果可供评估本地适配成本。
来源:Nature Computational Science · nature.com