谷歌发布MedGemma 1.5与MedASR两大开源医疗模型，推动AI向边缘化、多模态临床落地

摘要： 2026年1月13日，谷歌研究院正式发布两大开源医疗AI模型：升级版多模态模型MedGemma 1.5 4B与专业医疗语音识别模型MedASR。此次更新的核心在于，MedGemma 1.5原生支持处理CT、MRI三维容积数据及病理切片等高维医疗影像，填补了此前模型多局限于二维图像的空白。同时，配套的MedASR模型在医疗听写场景下词错误率显著低于通用模型，旨在打通“语音录入-影像分析-报告生成”的全链路诊疗流程。谷歌此举通过提供轻量化、可本地化部署的开源模型，直击医疗行业数据隐私与合规痛点，大幅降低了医疗机构应用AI的技术与成本门槛，标志着医疗AI正从“云端巨型大脑”向“边缘侧专业助手”加速演进。

技术双核升级：从“平面阅片”到“空间理解”与“精准听写”

谷歌此次发布并非孤立的产品更新，而是其“Health AI Developer Foundations”（HAI-DEF）项目下的系统性推进，旨在为开发者提供可组合的医疗AI基础工具。

1. MedGemma 1.5：高维影像理解能力的突破 MedGemma 1.5最显著的进化是突破了二维图像的局限。相较于前代主要处理胸部X光等二维图像的能力，新版本能够原生处理计算机断层扫描（CT）、磁共振成像（MRI）的三维容积切片以及全玻片病理图像（Whole-slide histopathology）。这使得AI能够理解病灶的空间结构和连续的病理变化，而不仅仅是“看图说话”。根据谷歌内部基准测试，新模型在疾病相关CT发现分类上的准确率相比上一代提升3%，在MRI发现分类上提升14%。在病理切片分析任务中，其文本生成质量（ROUGE-L评分）从0.02大幅跃升至0.49。此外，模型还增强了胸部X光纵向对比、解剖结构定位及从实验报告中提取结构化数据的能力。

2. MedASR：专为医疗场景“降噪”的语音识别引擎 医疗语音转写长期受困于专业术语密集、表达模式固定等难题。谷歌发布的MedASR模型正是针对这一痛点。该模型基于Conformer+CTC架构，参数量约1.05亿，在约5000小时去标识化的医疗语音语料（覆盖放射科、内科等）上训练而成。其专长在于精准识别药名、症状、检查项等医疗术语及临床叙事模式。在胸部X光相关听写测试中，其词错误率（WER）仅为5.2%，远低于OpenAI通用模型Whisper large-v3的12.5%。MedASR被设计为可无缝接入下游工作流，其转录文本可直接作为MedGemma等模型的输入，构建“听-思-写”一体化应用。

战略深意：4B参数的“小模型”与医疗落地的“大逻辑”

在动辄千亿参数的大模型时代，谷歌特意强调发布4B（40亿参数）版本，背后有着深刻的产业考量。

首先，是隐私合规与边缘部署的刚性需求。 医疗行业受HIPAA等法规严格约束，患者数据出域存在巨大障碍。4B参数的轻量化模型体积小，足以在医院内部服务器、高性能工作站甚至边缘计算设备上离线运行，实现“数据不出院”，解决了医疗AI落地的最大合规阻碍。

其次，是降低商业化门槛。 对于医疗机构和软件开发商而言，基于轻量级模型开发应用的推理成本远低于调用云端巨型模型，这使得将AI功能大规模集成到现有电子病历系统（EHR）或影像归档系统（PACS）中在商业上变得可行。模型的小型化与开源特性，让基层医疗机构也能触手可及。

最后，是生态构建。 谷歌通过开源方式，旨在建立一个标准化的、可私有化部署的多模态基座。未来的竞争焦点可能从“拥有更好的模型”转向“拥有更高质量的标注数据来微调模型”以及“谁能更好地将其集成到医生工作流中”。目前，MedGemma系列已衍生出超过500款衍生模型，展现了开发者社区的活跃度。

行业共振：AI医疗商业化进入加速通道

谷歌的发布并非偶然，它正处于全球AI医疗加速商业化的浪潮之巅。

从市场趋势看， 医疗保健行业正在引领企业采用AI的步伐。据Menlo Ventures数据，其部署AI的速度是其他行业的2.2倍。近期，OpenAI推出“ChatGPT Health”，Anthropic也宣布进军医疗保健服务，国内百川智能开源了医疗大模型Baichuan-M3。蚂蚁集团的“蚂蚁阿福”AI健康应用月活用户已突破3000万，展现了“医+药+险”闭环的商业潜力。中信证券指出，2026年AI医疗支付方更加明确且支付力更强，商业化确定性有望增强。

从政策环境看， 国内外均在积极推动。中国国家卫健委等五部门于2025年10月发布《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，明确提出到2027年形成一批临床专病垂直大模型，到2030年基层诊疗智能辅助应用基本全覆盖的目标。这为产业发展提供了清晰路径和广阔市场空间。

审慎前行：机遇与挑战并存

尽管前景广阔，但医疗AI的落地仍需保持审慎。谷歌在技术文档中明确提示，当前的高维影像理解能力仍处于早期阶段，模型输出可能存在“幻觉”风险，其输出不应直接用于临床诊断。此外，AI医疗的落地还面临数据安全、责任界定、伦理规范以及适应不同医疗机构（如基层医院与三甲医院需求差异）的挑战。

总体而言，谷歌MedGemma 1.5与MedASR的发布，是医疗AI向轻量化、多模态、边缘化发展的一个关键里程碑。它通过降低技术门槛和合规风险，为全球开发者，尤其是资源有限的基层医疗机构，打开了利用先进AI提升诊疗效率和服务质量的大门，正在推动医疗AI从实验室的“黑科技”真正转变为临床一线触手可及的“生产力工具”。

文章来源： 综合自财联社、艾瑞网、腾讯新闻、新浪财经、CSDN技术博客及国家卫健委相关政策文件等公开报道与资讯。