2025年5月，谷歌在其年度开发者大会 Google I/O 期间宣布推出 MedGemma，专为医疗领域打造的开源 AI 模型。

MedGemma是谷歌 “健康人工智能开发者基础”（Health AI Developer Foundations）计划的核心项目。

基于 Gemma 3 架构， MedGemma提供多模态和纯文本两种模型变体，旨在降低医疗 AI 开发门槛。

模型版本

MedGemma有两个版本：40 亿参数的多模态模型和 270 亿参数的纯文本模型。

MedGemma 4B

一个包含 40 亿参数的多模态模型，能够同时处理医学图像和文本。

采用在去标识化医学数据集（包括胸部 X 光片、皮肤科图像、眼科图像和组织病理学切片）上预训练的 SigLIP 图像编码器。

语言模型组件在多样化医疗数据上进行训练，以促进全面理解。

MedGemma 27B

一个包含 270 亿参数的纯文本模型，针对需要深度医学文本理解和临床推理的任务场景。

该版本仅能通过指令调优。

主要特点

1. 高效性：模型轻量化，适合在资源受限环境中运行。

2. 领域专精：针对医学领域的专业术语、上下文和复杂推理进行了优化。

3. 开源：代码和模型权重公开，鼓励社区贡献和透明性。

4. 多场景支持：适用于医疗文本生成、问答、分类和知识提取等。

应用场景

1. 医学图像分类：

使用 MedGemma 4B 对医学图像进行分类，包括放射学（如胸部 X 光片）、数字病理学、眼底和皮肤图像。

2. 医学图像解释：

使用 MedGemma 4B 生成医学图像报告或回答自然语言问题（如“这个 X 光片显示了什么？”）。

需注意，该功能尚未达到临床级别，需要进一步微调。

3. 医学文本理解和临床推理：

使用 MedGemma 27B（或 MedGemma 4B）进行文本理解和临床推理任务，包括：

患者访谈：帮助医生进行患者预临床访谈。

分诊：根据患者症状进行初步分诊。

临床决策支持：提供基于医学知识的决策建议。

总结：生成患者病历或临床报告的摘要。

非临床应用级别

谷歌称，相对于其他类似规模的模型，这两种模型都显示出强大的基线性能。

然而，这家科技巨头表示，这些模型并非临床级别的，仅用于研究和开发。

开发人员需要针对其特定应用场景验证性能，并在部署前进行相应微调。

开发人员可以使用不同的方法来调整模型，例如优化输入到系统中的提示词、进一步训练模型或将其与其他工具结合使用。

到目前为止，MedGemma 主要在单图像任务上进行了测试，尚未对分析多幅图像或处理较长时间的来回交互进行评估。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】