谷歌发布的 MedGemma 1.5 医疗大模型，标志着医疗AI正从单纯的技术能力展示，向贴近实际临床应用的医疗系统能力转变。此次升级在影像理解、文档处理和语音识别等方面均有显著突破，旨在让AI真正融入医院工作流，为开发者和医疗从业者提供了更具实用价值的工具。
智能速览
影像分析能力从2D扩展至3D CT、MRI及病理全切片。
支持纵向医学理解，能分析时间序列影像进行随访判断。
医疗文档理解增强，可从复杂报告中提取结构化信息。
综合推理能力提升，电子病历问答准确率提高22%。
新增医疗语音模块MedASR，专业场景错误率最多降低82%。
模型开源可商用，强调落地部署与二次开发。
精华内容
MedGemma 1.5 的升级并非简单的参数堆砌，而是针对医疗场景的痛点进行了深度优化，其核心变革体现在以下五个关键维度，共同指向一个目标：让AI真正成为医生的得力助手。
影像维度跃迁
新一代模型突破了传统AI仅能分析单张2D医学影像的局限。它现在能够理解并处理更为复杂的三维CT、MRI扫描数据，以及分辨率极高的病理全切片影像。这意味着AI可以像资深放射科或病理科医生一样，从更立体的、全局的视角进行病灶分析，为诊断提供更全面的信息依据。
纵向理解突破
模型新增了纵向医学理解能力，这是医疗AI走向实用化的关键一步。它不再局限于单次影像的静态判断，而是可以分析一位患者在不同时间点的多次检查影像，如一系列胸片随访数据。通过对比病灶随时间的变化，AI能够辅助医生评估病情进展或治疗效果，提供动态的诊断建议。
文档信息解析
面对充斥着专业术语和复杂格式的检验报告、电子病历，MedGemma 1.5 的文档理解能力显著增强。它能自动从这些非结构化文本中抽取出关键的结构化信息，如化验指标、既往病史、用药记录等。这将极大减轻医护人员的文书处理负担，提升信息检索效率，为后续的诊疗决策提供清晰的数据支持。
推理与语音
模型的核心推理能力在文本、影像及电子病历（EHR）处理上均获得全面提升。例如，在电子病历问答任务中，其准确率相比前代提升了22%。
此外，新增的医疗语音识别模块MedASR专门为医生口述场景优化。在专业医疗语境下，其语音转文字的错误率比通用语音模型最多降低了82%，能够更精准地记录医嘱和病情交流。
走向系统落地
此次升级的核心思路是转向医疗系统能力。MedGemma 1.5 强调算力友好、易于落地和二次开发。该模型不仅免费开放用于科研与商业用途，还支持在Hugging Face等主流平台下载，并能直接在Google Cloud Vertex AI上进行规模化部署。这为医疗机构和技术开发者快速整合先进AI能力、构建专属应用扫清了障碍。
MedGemma 1.5 的发布，预示着医疗AI的发展进入新阶段，焦点从模型本身的能力竞赛，转向如何更好地与现有医疗系统融合。对于医生、研究者和医疗AI从业者而言，这提供了一个更接近现实需求、更易于发挥创造力的平台。未来，AI将如何重塑诊疗流程，值得持续关注。
关键评论
有观点认为，医疗AI的未来会像公用电话一样普及。
