谷歌开源医疗AI新模型MedGemma1.5：能看CT、读病理、懂病历，但医生别急着靠它做诊断

谷歌最近把一个叫MedGemma1.5的医疗AI模型彻底开源了。这不是又一个“能辅助诊断”的宣传品，而是一个真正能看懂三维影像、读懂电子病历、甚至能对比你去年和今年CT变化的工具。它不卖关子，不玩概念，直接把过去分散在不同系统里的医疗数据——CT、MRI、病理切片、X光、化验单——全都打通了。

过去很多AI只能看一张X光片，说“可能有肺炎”，但说不清是哪一片肺叶、边界在哪、是不是肿瘤。MedGemma1.5不一样。它能直接处理完整的3D MRI扫描，几十个切片一起看，自动标记出脑部肿瘤的体积变化；它能分析整张数字病理切片，从细胞层面识别癌变区域，不是“疑似”，而是能框出具体位置；在胸部X光上，它能精准标出肋骨、心脏轮廓、结节位置，误差小于2毫米；更关键的是，它能对比你过去三个月的检查记录，告诉你：“这次肺部阴影比上个月小了15%，但肝功能指标又升了。”

这些能力不是纸上谈兵。实测数据摆在眼前：和上一代MedGemma14B相比，它在3D MRI肿瘤分类上准确率提升了11%，病理图像识别的F1分数直接跳了47%——这意味着漏诊和误诊都大幅减少；胸部X光的定位精度提高35%，接近放射科主治医师的水平；而读电子病历和化验单的能力，准确率涨了22%。最惊人的是，这一切都发生在参数量只有40亿的情况下——比很多大模型小一半，跑起来更省电、更快，医院服务器也能扛得住。

它怎么做到的？谷歌没藏私。团队把过去几年积累的医学图文数据全喂进去了：来自公开数据库的数千组CT-MRI配对影像、皮肤科医生标注的病变区域、病理专家标记的癌细胞分布，甚至用真实病历合成的“假病历”来训练它理解医生的书写习惯。为了处理3D影像，他们专门设计了一套切片算法，能把一个完整的CT扫描拆成最多85张有序图像，让模型“一页一页”看，像医生翻胶片一样。

更硬核的是，他们请了真正的放射科医生和病理科专家，用他们的判断结果“教”模型——这叫知识蒸馏。不是让模型自己猜，而是告诉它：“这个结节，老张医生去年说要随访，你记住了。”

但别误会，这不是能直接替医生开药的“AI专家”。谷歌写得很清楚：MedGemma1.5是给开发者、医院IT团队和研究者用的“基础工具包”。你拿到它，可以拿自己医院的病例再训练一遍，让它适应你们的设备、你们的报告格式、你们的诊断习惯。比如，你医院的CT机型号特殊，图像噪点多？那就用你自己的数据微调它。你科室最爱用的电子病历模板和别人不一样？重新喂数据，它就能学会。

当然，它也不是完美。为了能看懂这么多东西，它在一些冷门的、小众的医学问答题上，表现比旧版稍微差了一点——比如“某罕见皮肤病在1980年代的诊断标准是什么”。这不是缺陷，是取舍。它选择成为“通才”，而不是“偏科状元”。

目前，这个模型已经开源在Hugging Face和GitHub上，代码、权重、训练数据说明一应俱全。如果你是医院的信息科，或者正在做AI辅助诊断的创业团队，它可能是你今年最值得花时间研究的工具。它不承诺“取代医生”，但它能帮你把重复劳动省下来——把看片子、找数据、比变化这些事交给它，医生才能把时间留给病人。

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