谷歌开源医疗AI新星MedGemma 1.5：从看平面图到读懂3D影像

谷歌开源医疗AI模型MedGemma1.5：从“二维”到“高维”的临床洞察力跨越

最近，谷歌在医疗AI领域投下了一枚“重磅冲击波”——开源了其最新的MedGemma1.5模型。这次更新的核心突破，可以说是一次维度的跃升：它成功突破了传统2D图像的局限，真正具备了处理高维度、复杂医疗数据的能力，在多个关键临床场景的表现上，实现了质的飞跃。

能力全景：不止于“看”，更在于“洞察”

那么，MedGemma1.5到底带来了哪些具体升级？幅度相当全面。首先，它原生支持对CT和MRI这类三维扫描数据的分析，能够直接处理包含数十个切片的立体影像，让模型对病灶的立体定位和评估成为可能。在病理学领域，它支持对整张全视野数字切片（WSI）进行分析，这意味着模型能在微观层面，像经验丰富的病理科医生一样，系统地寻找病变线索。

更精细的是，在分析胸部X光片时，它的能力不再局限于给出一个模糊的“疑似”结论，而是可以通过边界框精准地标注出具体的解剖结构和病变位置。此外，它还具备了多时间点对比分析的能力，能够追踪同一患者在不同时期的影像变化，从而判断病情是好转、稳定还是正在恶化。当然，它的“阅读理解”能力也没落下，对PDF格式的电子病历和化验单的理解大幅提升，能更精准地提取关键的结构化数据，为临床决策提供更全面的信息支撑。

技术内核：数据与知识的双重“投喂”

实现这些能力背后，技术团队下了不少硬功夫。为了给模型注入足够的“医学常识”，团队投喂了海量的医学图文配对数据，覆盖放射学、皮肤科、病理学乃至合成的电子健康记录。一个关键的技术挑战在于处理3D数据：团队设计了一套预处理方法，能将一次3D CT扫描巧妙地切分为最多85张序列图像，让模型能够循序渐进地“理解”立体信息。

当然，仅有数据还不够。在训练后期，团队引入了领域专家模型进行“知识蒸馏”，这相当于请了一位位顶尖的“医学教授”，将他们的专业经验和判断逻辑，直接“传授”给了MedGemma1.5，从而大幅提升了其输出的专业性和可靠性。

定位与挑战：是“基础资源”，而非“终极答案”

不过，必须明确一点：MedGemma1.5并非一个开箱即用、能直接替代医生的临床决策工具。谷歌对其的定位非常清晰——它是一个供全球开发者和研究者进一步微调与探索的“基础资源”或“强大起点”。真正的临床落地，必然还需要针对具体的医院场景、疾病类型和设备数据进行专项训练和严格验证。

此外，模型在向“医疗通才”演进的道路上，也面临着一个有趣的挑战：为了获得更全面的高维数据处理能力，它在部分旧有的、相对小众的视觉问答基准测试上，出现了极其轻微的性能退步。这其实不难理解，可以看作是能力全面化过程中，一种不可避免的“权衡”与“代价”。毕竟，让一个模型在所有任务上都做到极致，本身就是一项巨大的挑战。

论文地址：https://www.alphaxiv.org/abs/2604.05081