谷歌更新了其开源医疗人工智能模型MedGemma 1.5，使其成为首个能够解读三维CT和MRI图像的公开语言模型。

根据谷歌研究，医疗行业采用生成式人工智能的速度大约是整体经济的两倍。为支持这一转变，公司推出了MedGemma 1.5 4B，这是其开源医学图像解读模型的升级版，同时推出了专为医疗口述设计的新语音识别模型MedASR。

据谷歌称，自去年上线以来，原版MedGemma已获得数百万次下载，催生了数百个社区版《Hugging Face》。

此次更新标志着能力的显著扩展。之前的版本仅限于二维输入，如X光或皮肤图像，而MedGemma 1.5则处理来自CT和MRI扫描的三维体积数据，以及组织病理切片。这使得开发者可以一次性将整个CT扫描卷输入模型，而不必逐片处理。

这种方法同样适用于组织病理学，模型会同时分析组织样本的多个切片。通过将这些切片一起查看，AI可以识别单个切片中可能遗漏的相关性。谷歌声称MedGemma 1.5是首个在处理此类3D医学数据的开源模型，同时保留了对标准图像和文本的理解。

诊断准确性显著提升

内部基准测试显示，性能相较于前一版本有显著提升。CT分类准确率上升3个百分点至61%，MRI分类率上升14个百分点，接近65%。

模型还显示了基于文本的任务的进展。在MedQA医学推理基准测试中，MedGemma 1.5 4B得分为69%，高于上一版的64%。从电子病历中提取信息的准确率提升最大，从68%跃升至90%。

尽管取得了这些进展，谷歌强调该技术仍处于早期阶段。公司指出该模型尚未完整，但开发者通过在自身特定数据集上微调，可能能获得更好的结果。

减少临床工作流程中的转录错误

谷歌还推出了MedASR，一款专门训练医学词汇的语音识别工具。据谷歌称，MedASR在X光口述错误中减少了58%，在一般医疗口述中错误减少了82%，优于OpenAI的通用Whisper大型v3模型。

该模型具有双重功能：既作为转录工具，也作为MedGemma的语音接口，可能使医生能够完全通过语音与人工智能系统互动。

早期采用者已经在测试这项技术。马来西亚公司Qmed Asia利用MedGemma为临床治疗指南提供对话界面，台湾国家健康保险管理局则利用该模型分析了超过3万份与肺癌手术相关的病理报告。

这两款模型均免费供研究和商业使用，通过Hugging Face和Google Cloud Vertex AI实现。然而，谷歌强调这些模型是开发者的起点，而非完成的临床产品。它们需要验证和定制，其输出不应用于直接诊断或治疗。

患者护理的监管障碍

虽然MedGemma是开源的，但它属于“健康人工智能开发者基金会使用条款”的范畴。该许可证对源代码所用的标准Apache 2.0协议施加了限制。具体来说，使用模型权重进行患者直接诊断或治疗需要获得相关部门作为医疗器械的批准。

在MedGemma上开发的开发商必须将这些限制下放给第三方。谷歌明确表示不承担任何责任，也不会通过模型提供医疗建议。虽然公司不主张对该输出拥有版权，但用户对该输出的使用负有全部责任。

人工智能实验室争夺医疗人工智能主导地位

谷歌的发布正值该行业竞争加剧之际。OpenAI最近以约1亿美元收购了初创公司Torch，用于构建“人工智能医疗记忆”，并推出了专门的ChatGPT健康功能，同时为医疗服务提供者推出了新的人工智能服务。

Anthropic还推出了Claude for Healthcare，这是一款符合HIPAA标准的解决方案，能够访问美国数据库，如Medicare和PubMed。这些举措反映了行业对庞大市场机遇的信心，这得益于全球用户已向聊天机器人提出数亿健康相关咨询的压力。