Was ist MedGemma 1.5 4B?
MedGemma 1.5 4B ist Googles offenes medizinisches Vision-Language-Modell, veröffentlicht am 13. Januar 2026 als Update des MedGemma 4B vom Mai 2025. Es basiert auf Gemma 3 mit einem SigLIP-Bildencoder, der auf anonymisierten medizinischen Bildern vortrainiert wurde, und antwortet als Text. Es gibt es nur als instruktionsoptimiertes 4B-Modell.
Das Update ergänzt Eingaben, die die erste Version nicht verarbeiten konnte: 3D-Volumen aus CT und MRT, mehrere Ausschnitte eines Whole-Slide-Pathologiebildes, Thorax-Röntgenbilder im Vergleich mit früheren Aufnahmen, Begrenzungsrahmen um anatomische Strukturen und strukturierte Werte aus Laborberichten und Patientenakten. CT-, MRT- und Slide-Bilder müssen vorher vorverarbeitet werden. Jedes Bild wird auf 896 mal 896 Pixel skaliert und ergibt 256 Tokens, und der Kontext fasst bis zu 128K Tokens.
Die Nutzung unterliegt Googles Bedingungen Health AI Developer Foundations (HAI-DEF), nicht Apache 2.0, und der Download bei Hugging Face setzt deren Annahme voraus. In den letzten 30 Tagen kam es auf etwa 198.000 Downloads.
Lohnt sich MedGemma 1.5 4B?
MedGemma 1.5 lebt von der Breite medizinischer Eingaben bei 4B Parametern. Google nennt es das erste offene medizinische Generalistenmodell, das vollständige CT- und MRT-Volumen nativ liest. Laut Googles Modellkarte steigt die Genauigkeit bei MRT-Befunden gegenüber MedGemma 1 von 51,3 auf 64,7 und bei CT von 58,2 auf 61,1, der ROUGE-Wert für Whole-Slide-Pathologie springt von 2,2 auf 49,4, und der Aktentest EHRQA geht von 67,6 auf 89,6. Die anatomische Lokalisierung in Chest ImaGenome steigt von 3,1 auf 38,0 IoU.
Die Fortschritte sind ungleich verteilt. Das visuelle Frage-Antwort-Set SLAKE fällt von 72,3 auf 59,7, was Google darauf zurückführt, dass das neue Modell weniger auf dieses Format abgestimmt ist, PubMedQA sinkt von 73,4 auf 68,2, und die Erstellung von Thorax-Röntgenberichten erreicht 27,2 gegenüber 30,3 für eine dafür feinabgestimmte Version von MedGemma 1. Die absoluten Werte bei schweren Tests bleiben niedrig: 20,9 im multimodalen MedXpertQA und 27,0 Makro-F1 bei CT-RATE.
Google benennt die Grenzen deutlich. Laut Modellkarte sind die Ausgaben nicht dafür gedacht, Diagnose, Behandlung oder Patientenmanagement ohne Validierung und Anpassung direkt zu beeinflussen, und das Modell wurde vor allem an Einzelbildern geprüft, nicht an mehreren Bildern oder mehreren Gesprächsrunden. Die HAI-DEF-Bedingungen legen die behördliche Zulassung in deine Verantwortung, verbieten eine Nutzung, die Google zum Hersteller eines Medizinprodukts machen würde, und verlangen, die Nutzungsbeschränkungen an alle weiterzugeben, an die du es weitergibst.
Als Basis bietet es viel: 4B Parameter passen auf eine bescheidene GPU, sodass Klinik-IT-Teams es vor Ort betreiben und feinabstimmen können, wo Patientendaten das Haus nicht verlassen dürfen.
Wo es sich lohnt
Ein Team für klinische Informatik in einem Regionalkrankenhaus
Laborwerte und Einheiten aus gescannten externen Berichten ins Aktensystem übernehmen
Das Modell vor Ort betreiben und strukturierte Ausgabe anfordern; Google meldet bei einem Extraktionsset für Patientenakten einen Anstieg des Makro-F1 von 78 auf 91. Eine Ärztin oder ein Arzt prüft weiter jeden Import, wie Bedingungen und Modellkarte es vorsehen.
Ein Machine-Learning-Ingenieur in einem Start-up für Radiologie-KI
Einen Triage-Prototyp bauen, der CT-Studien zur Begutachtung markiert
Nach Googles Vorverarbeitung mit eigenen annotierten Volumen feinabstimmen. Die Basisgenauigkeit von 61,1 bei CT ist ein Ausgangspunkt, kein Produkt; die behördliche Zulassung liegt unter HAI-DEF bei dir.
Eine Forscherin für digitale Pathologie an einem Universitätsklinikum
Beschreibungen von Whole-Slide-Bildern für einen Studiendatensatz entwerfen
Mehrere Ausschnitte pro Schnitt übergeben; in Googles Tabelle stieg der WSI-ROUGE von 2,2 auf 49,4. Die Ausgaben als Entwürfe für Pathologen nutzen, da die Modellkarte vor direktem klinischem Einsatz warnt.
Bevor du dich festlegst
- Einrichtung
- Die HAI-DEF-Bedingungen bei Hugging Face akzeptieren und mit transformers laden oder aus dem Vertex AI Model Garden bereitstellen. CT-, MRT- und Whole-Slide-Eingaben müssen vorher vorverarbeitet werden, wie die Modellkarte beschreibt.
- Integrationen
- Hugging Face transformers, Vertex AI, MedSigLIP für reine Bildaufgaben und Googles Sprachmodell MedASR für diktierte Prompts.
- Daten und Datenschutz
- Selbsthosting hält Patientendaten auf deiner Hardware. Die HAI-DEF-Bedingungen machen dich für die behördliche Zulassung verantwortlich und verlangen das Löschen aller Kopien, wenn die Vereinbarung endet.
- Kosten im großen Maßstab
- Die Gewichte sind kostenlos; ein 4B-Modell läuft auf einer einzelnen GPU. Bereitstellung über Vertex AI wird zu Standardpreisen für Google-Cloud-Rechenleistung abgerechnet.
- Grenzen
- Ausgabe bis 8.192 Tokens; vor allem an Einzelbildern und Einzelrunden geprüft; laut Modellkarte empfindlicher für Prompt-Formulierungen als Gemma 3; Sicherheitstests überwiegend auf Englisch.
Was gut ist
- Liest 3D-Volumen aus CT und MRT sowie Whole-Slide-Pathologie
- MRT-Genauigkeit gegenüber MedGemma 1 von 51,3 auf 64,7
- EHRQA von 67,6 auf 89,6; stark beim Auslesen von Laborberichten
- Mit 4B lokal betreibbar, Patientendaten können im Haus bleiben
Was nicht
- Nicht für klinische Entscheidungen ohne eigene Validierung
- SLAKE und PubMedQA schlechter als in Version 1
- HAI-DEF-Bedingungen statt Apache 2.0, mit Weitergabepflichten
- CT-, MRT- und Slide-Eingaben brauchen Vorverarbeitung
Am besten für
Health-Tech- und Klinik-Engineering-Teams, die eigene Werkzeuge für Bildgebung oder Patientenakten vor Ort bauen und validieren.
Alternativen zu MedGemma 1.5 4B
MedGemma 1.5 4B: häufige Fragen
- Lohnt sich MedGemma 1.5 4B?
- MedGemma 1.5 ist der offene Ausgangspunkt für medizinische Bildgebungs-Apps, die 3D-Aufnahmen brauchen, aber eine Basis zum Validieren und Anpassen, kein Modell für den Einsatz am Patienten. Wir bewerten es mit 3.9 von 5.
- Was kostet MedGemma 1.5 4B?
- Kostenlose Gewichte unter den Bedingungen Health AI Developer Foundations. Hosting über Vertex AI wird zu Google-Cloud-Rechenpreisen abgerechnet.
- Welche Nachteile hat MedGemma 1.5 4B?
- Nicht für klinische Entscheidungen ohne eigene Validierung; SLAKE und PubMedQA schlechter als in Version 1; HAI-DEF-Bedingungen statt Apache 2.0, mit Weitergabepflichten; CT-, MRT- und Slide-Eingaben brauchen Vorverarbeitung.
- Für wen eignet sich MedGemma 1.5 4B?
- Health-Tech- und Klinik-Engineering-Teams, die eigene Werkzeuge für Bildgebung oder Patientenakten vor Ort bauen und validieren.
- Was kostet MedGemma 1.5 4B für ein Team oder im Produktivbetrieb?
- Die Gewichte sind kostenlos; ein 4B-Modell läuft auf einer einzelnen GPU. Bereitstellung über Vertex AI wird zu Standardpreisen für Google-Cloud-Rechenleistung abgerechnet.
- Ist MedGemma 1.5 4B sicher für Firmendaten?
- Selbsthosting hält Patientendaten auf deiner Hardware. Die HAI-DEF-Bedingungen machen dich für die behördliche Zulassung verantwortlich und verlangen das Löschen aller Kopien, wenn die Vereinbarung endet.
- Was sind die besten Alternativen zu MedGemma 1.5 4B?
- Die nächsten Alternativen, die wir getestet haben, sind Gemma 4, Qwen3.8-27B, MiniCPM-V 4.7 (35B-A3B and 1B) und Phi-4-multimodal.
Antworten geprüft am 7. Nov. 2026.