¿Qué es MedGemma 1.5 4B?
MedGemma 1.5 4B es el modelo médico abierto de visión y lenguaje de Google, publicado el 13 de enero de 2026 como actualización del MedGemma 4B de mayo de 2025. Se basa en Gemma 3 con un codificador de imagen SigLIP preentrenado con imágenes médicas anonimizadas, y responde en texto. Solo se ofrece como modelo de 4B ajustado a instrucciones.
La actualización añade entradas que la primera versión no admitía: volúmenes 3D de TC y RM, varios parches de una misma imagen de patología de preparación completa, radiografías de tórax comparadas con estudios anteriores, cuadros delimitadores alrededor de la anatomía y valores estructurados extraídos de informes de laboratorio e historias clínicas. Las imágenes de TC, RM y preparaciones necesitan preprocesarse antes. Cada imagen se redimensiona a 896 por 896 píxeles y se convierte en 256 tokens, y el contexto admite hasta 128K tokens.
El uso se rige por las condiciones Health AI Developer Foundations (HAI-DEF) de Google, no por Apache 2.0, y la descarga en Hugging Face exige aceptarlas. En los últimos 30 días sumó unas 198.000 descargas.
¿Merece la pena MedGemma 1.5 4B?
La razón de ser de MedGemma 1.5 es la amplitud de entradas médicas con 4B parámetros. Google lo presenta como el primer modelo médico generalista abierto que lee de forma nativa volúmenes completos de TC y RM. En la ficha de Google, la precisión en patologías de RM sube de 51,3 a 64,7 y la de TC de 58,2 a 61,1 respecto a MedGemma 1, el ROUGE en patología de preparación completa salta de 2,2 a 49,4 y la prueba de historias clínicas EHRQA pasa de 67,6 a 89,6. La localización anatómica en Chest ImaGenome sube de 3,1 a 38,0 de IoU.
Las mejoras son desiguales. Las preguntas visuales de SLAKE bajan de 72,3 a 59,7, algo que Google atribuye a que el nuevo modelo está menos ajustado a ese formato, PubMedQA cae de 73,4 a 68,2 y la generación de informes de radiografía de tórax obtiene 27,2 frente a 30,3 de una versión de MedGemma 1 ajustada para esa tarea. Las puntuaciones absolutas en pruebas difíciles siguen siendo bajas: 20,9 en MedXpertQA multimodal y 27,0 de F1 macro en CT-RATE.
Google es explícito con los límites. La ficha dice que los resultados no están pensados para informar directamente el diagnóstico, el tratamiento o la gestión de pacientes sin validación y adaptación, y que el modelo se evaluó sobre todo con imágenes sueltas, no con varias imágenes ni en varios turnos. Las condiciones HAI-DEF te atribuyen la autorización regulatoria, exigen que no lo uses de forma que convierta a Google en fabricante de un producto sanitario y obligan a trasladar las restricciones de uso a cualquiera a quien lo redistribuyas.
Como base ofrece mucho: 4B parámetros caben en una GPU modesta, así que los equipos de TI de un hospital pueden ejecutarlo y ajustarlo en sus instalaciones cuando los datos de pacientes no pueden salir.
Dónde se gana su sitio
Un equipo de informática clínica en un hospital regional
Extraer valores y unidades de laboratorio de informes externos escaneados al sistema de historias
Ejecuta el modelo en local y pide salida estructurada; Google informa de que el F1 macro sube de 78 a 91 en un conjunto de extracción de historias clínicas. Un clínico sigue revisando cada importación, como esperan las condiciones y la ficha.
Un ingeniero de aprendizaje automático en una start-up de IA radiológica
Crear un prototipo de triaje que marque estudios de TC para revisión
Ajústalo con tus propios volúmenes etiquetados tras el preprocesado de Google. La precisión base de 61,1 en TC es un punto de partida, no un producto; la autorización regulatoria es responsabilidad tuya bajo HAI-DEF.
Una investigadora de patología digital en un hospital universitario
Redactar descripciones de imágenes de preparación completa para un conjunto de datos de un estudio
Pasa varios parches por preparación; el ROUGE en WSI subió de 2,2 a 49,4 en la tabla de Google. Usa los resultados como borradores para patólogos, ya que la ficha desaconseja el uso clínico directo.
Antes de decidirte
- Puesta en marcha
- Acepta las condiciones HAI-DEF en Hugging Face y cárgalo con transformers, o despliégalo desde Vertex AI Model Garden. Las entradas de TC, RM y preparación completa deben preprocesarse antes, como describe la ficha.
- Integraciones
- Hugging Face transformers, Vertex AI, MedSigLIP para tareas solo de imagen y el modelo de voz MedASR de Google para prompts dictados.
- Datos y privacidad
- Autoalojarlo mantiene los datos de pacientes en tu hardware. Las condiciones HAI-DEF te hacen responsable de la autorización regulatoria y obligan a borrar las copias si el acuerdo termina.
- Coste a escala
- Los pesos son gratuitos; un modelo de 4B funciona en una sola GPU. El despliegue en Vertex AI se factura a precios estándar de cómputo de Google Cloud.
- Límites
- Salida de hasta 8.192 tokens; evaluado sobre todo con imágenes sueltas y un solo turno; más sensible a la redacción del prompt que Gemma 3, según la ficha; las pruebas de seguridad fueron sobre todo en inglés.
Lo bueno
- Lee volúmenes 3D de TC y RM y patología de preparación completa
- Precisión en RM de 51,3 a 64,7 frente a MedGemma 1
- EHRQA de 67,6 a 89,6; fuerte extrayendo datos de informes de laboratorio
- Con 4B se ejecuta en local, así que los datos de pacientes pueden quedarse dentro
Lo malo
- No apto para decisiones clínicas sin tu propia validación
- SLAKE y PubMedQA empeoraron respecto a la versión 1
- Condiciones HAI-DEF, no Apache 2.0, con obligaciones en cascada
- Las entradas de TC, RM y preparaciones requieren preprocesado
Ideal para
Equipos de ingeniería de salud digital y de hospitales que crean y validan sus propias herramientas de imagen o historias clínicas en sus instalaciones.
Alternativas a MedGemma 1.5 4B
MedGemma 1.5 4B: preguntas frecuentes
- ¿Merece la pena MedGemma 1.5 4B?
- MedGemma 1.5 es el punto de partida abierto para apps de imagen médica que necesitan estudios 3D, pero es una base que hay que validar y adaptar, no un modelo para poner delante de pacientes. Le damos un 3.9 sobre 5.
- ¿Cuánto cuesta MedGemma 1.5 4B?
- Pesos gratuitos bajo las condiciones Health AI Developer Foundations. El alojamiento en Vertex AI se factura a las tarifas de cómputo de Google Cloud.
- ¿Qué inconvenientes tiene MedGemma 1.5 4B?
- No apto para decisiones clínicas sin tu propia validación; sLAKE y PubMedQA empeoraron respecto a la versión 1; condiciones HAI-DEF, no Apache 2.0, con obligaciones en cascada; las entradas de TC, RM y preparaciones requieren preprocesado.
- ¿Para quién es MedGemma 1.5 4B?
- Equipos de ingeniería de salud digital y de hospitales que crean y validan sus propias herramientas de imagen o historias clínicas en sus instalaciones.
- ¿Cuánto cuesta MedGemma 1.5 4B para un equipo o en producción?
- Los pesos son gratuitos; un modelo de 4B funciona en una sola GPU. El despliegue en Vertex AI se factura a precios estándar de cómputo de Google Cloud.
- ¿Es MedGemma 1.5 4B seguro para los datos de la empresa?
- Autoalojarlo mantiene los datos de pacientes en tu hardware. Las condiciones HAI-DEF te hacen responsable de la autorización regulatoria y obligan a borrar las copias si el acuerdo termina.
- ¿Cuáles son las mejores alternativas a MedGemma 1.5 4B?
- Las alternativas más cercanas que hemos analizado son Gemma 4, Qwen3.8-27B, MiniCPM-V 4.7 (35B-A3B and 1B) y Phi-4-multimodal.
Respuestas comprobadas el 7 nov 2026.