Qu’est-ce que MedGemma 1.5 4B ?
MedGemma 1.5 4B est le modèle médical ouvert vision-langage de Google, publié le 13 janvier 2026 comme mise à jour du MedGemma 4B de mai 2025. Il repose sur Gemma 3 avec un encodeur d'image SigLIP préentraîné sur des images médicales anonymisées, et répond en texte. Il n'est proposé qu'en modèle 4B ajusté aux instructions.
La mise à jour ajoute des entrées que la première version ne gérait pas : volumes 3D de scanner et d'IRM, plusieurs fragments d'une même lame entière de pathologie, radiographies thoraciques comparées à des examens antérieurs, cadres de délimitation autour de l'anatomie et valeurs structurées extraites de comptes rendus de laboratoire et de dossiers médicaux. Les images de scanner, d'IRM et de lames doivent d'abord être prétraitées. Chaque image est redimensionnée à 896 sur 896 pixels et devient 256 tokens, et le contexte accepte jusqu'à 128K tokens.
L'usage est régi par les conditions Health AI Developer Foundations (HAI-DEF) de Google, pas par Apache 2.0, et le téléchargement sur Hugging Face exige de les accepter. Sur les 30 derniers jours, il a été téléchargé environ 198 000 fois.
MedGemma 1.5 4B vaut-il le coup ?
La raison d'être de MedGemma 1.5 est l'étendue des entrées médicales qu'il accepte avec 4B paramètres. Google le présente comme le premier modèle médical généraliste ouvert capable de lire nativement des volumes complets de scanner et d'IRM. Selon la fiche de Google, la précision sur les pathologies en IRM passe de 51,3 à 64,7 et en scanner de 58,2 à 61,1 par rapport à MedGemma 1, le ROUGE en pathologie sur lame entière bondit de 2,2 à 49,4, et le test de dossiers médicaux EHRQA passe de 67,6 à 89,6. La localisation anatomique sur Chest ImaGenome monte de 3,1 à 38,0 d'IoU.
Les progrès sont inégaux. Les questions visuelles de SLAKE reculent de 72,3 à 59,7, ce que Google attribue à un nouveau modèle moins adapté à ce format, PubMedQA baisse de 73,4 à 68,2, et la génération de comptes rendus de radiographie thoracique obtient 27,2 contre 30,3 pour une version de MedGemma 1 affinée pour cette tâche. Les scores absolus sur les tests difficiles restent bas : 20,9 sur MedXpertQA multimodal et 27,0 de F1 macro sur CT-RATE.
Google est explicite sur les limites. La fiche indique que les sorties ne sont pas destinées à éclairer directement le diagnostic, le traitement ou la prise en charge des patients sans validation ni adaptation, et que le modèle a surtout été évalué sur des images isolées, pas sur plusieurs images ni sur plusieurs tours. Les conditions HAI-DEF vous confient l'autorisation réglementaire, interdisent un usage qui ferait de Google le fabricant d'un dispositif médical et imposent de transmettre les restrictions d'usage à quiconque reçoit le modèle de vous.
Comme base, il offre beaucoup : 4B paramètres tiennent sur un GPU modeste, si bien que les équipes informatiques d'un hôpital peuvent l'exécuter et l'affiner sur site lorsque les données des patients ne peuvent pas sortir.
Là où il fait la différence
Une équipe d'informatique clinique dans un hôpital régional
Reporter dans le dossier patient les valeurs et unités de laboratoire tirées de comptes rendus externes scannés
Exécutez le modèle sur site et demandez une sortie structurée ; Google indique un F1 macro passant de 78 à 91 sur un jeu d'extraction de dossiers. Un clinicien relit toujours chaque import, comme l'attendent les conditions et la fiche.
Un ingénieur en apprentissage automatique dans une start-up d'IA en radiologie
Construire un prototype de tri qui signale les scanners à relire
Affinez-le sur vos propres volumes annotés après le prétraitement de Google. La précision de base de 61,1 en scanner est un point de départ, pas un produit ; l'autorisation réglementaire vous incombe sous HAI-DEF.
Une chercheuse en pathologie numérique dans un CHU
Rédiger des descriptions d'images de lames entières pour le jeu de données d'une étude
Fournissez plusieurs fragments par lame ; le ROUGE WSI est passé de 2,2 à 49,4 dans le tableau de Google. Utilisez les sorties comme brouillons pour les pathologistes, car la fiche déconseille l'usage clinique direct.
Avant de vous engager
- Mise en route
- Acceptez les conditions HAI-DEF sur Hugging Face, puis chargez le modèle avec transformers, ou déployez-le depuis Vertex AI Model Garden. Les entrées scanner, IRM et lame entière doivent d'abord être prétraitées, comme le décrit la fiche.
- Intégrations
- Hugging Face transformers, Vertex AI, MedSigLIP pour les tâches d'image seule et le modèle vocal MedASR de Google pour les prompts dictés.
- Données et confidentialité
- L'auto-hébergement garde les données des patients sur votre matériel. Les conditions HAI-DEF vous rendent responsable de l'autorisation réglementaire et imposent de supprimer les copies si l'accord prend fin.
- Coût à grande échelle
- Les poids sont gratuits ; un modèle de 4B tourne sur un seul GPU. Le déploiement sur Vertex AI est facturé aux tarifs de calcul standard de Google Cloud.
- Limites
- Sortie jusqu'à 8 192 tokens ; évalué surtout sur des images isolées et un seul tour ; plus sensible à la formulation des prompts que Gemma 3, selon la fiche ; tests de sécurité surtout en anglais.
Les points forts
- Lit les volumes 3D de scanner et d'IRM et la pathologie sur lame entière
- Précision en IRM de 51,3 à 64,7 par rapport à MedGemma 1
- EHRQA de 67,6 à 89,6 ; solide pour extraire les comptes rendus de laboratoire
- Avec 4B, il tourne sur site et les données des patients peuvent rester en interne
Les points faibles
- Pas destiné aux décisions cliniques sans votre propre validation
- SLAKE et PubMedQA en recul par rapport à la version 1
- Conditions HAI-DEF et non Apache 2.0, avec obligations en cascade
- Les entrées scanner, IRM et lames exigent un prétraitement
Idéal pour
Les équipes d'ingénierie de la santé numérique et des hôpitaux qui construisent et valident leurs propres outils d'imagerie ou de dossiers sur site.
Alternatives à MedGemma 1.5 4B
MedGemma 1.5 4B : questions fréquentes
- MedGemma 1.5 4B vaut-il le coup ?
- MedGemma 1.5 est le point de départ ouvert pour les applications d'imagerie médicale qui ont besoin d'examens 3D, mais c'est une base à valider et à adapter, pas un modèle à placer devant des patients. Nous lui donnons 3.9 sur 5.
- Combien coûte MedGemma 1.5 4B ?
- Poids gratuits sous les conditions Health AI Developer Foundations. L'hébergement sur Vertex AI est facturé aux tarifs de calcul de Google Cloud.
- Quels sont les inconvénients de MedGemma 1.5 4B ?
- Pas destiné aux décisions cliniques sans votre propre validation; sLAKE et PubMedQA en recul par rapport à la version 1; conditions HAI-DEF et non Apache 2.0, avec obligations en cascade; les entrées scanner, IRM et lames exigent un prétraitement.
- À qui s’adresse MedGemma 1.5 4B ?
- Les équipes d'ingénierie de la santé numérique et des hôpitaux qui construisent et valident leurs propres outils d'imagerie ou de dossiers sur site.
- Combien coûte MedGemma 1.5 4B pour une équipe ou en production ?
- Les poids sont gratuits ; un modèle de 4B tourne sur un seul GPU. Le déploiement sur Vertex AI est facturé aux tarifs de calcul standard de Google Cloud.
- MedGemma 1.5 4B est-il sûr pour les données de l’entreprise ?
- L'auto-hébergement garde les données des patients sur votre matériel. Les conditions HAI-DEF vous rendent responsable de l'autorisation réglementaire et imposent de supprimer les copies si l'accord prend fin.
- Quelles sont les meilleures alternatives à MedGemma 1.5 4B ?
- Les alternatives les plus proches que nous avons testées sont Gemma 4, Qwen3.8-27B, MiniCPM-V 4.7 (35B-A3B and 1B) et Phi-4-multimodal.
Réponses vérifiées le 7 nov. 2026.