O que é MedGemma 1.5 4B?
MedGemma 1.5 4B é o modelo médico aberto de visão e linguagem do Google, lançado em 13 de janeiro de 2026 como atualização do MedGemma 4B de maio de 2025. É baseado no Gemma 3 com um codificador de imagem SigLIP pré-treinado em imagens médicas anonimizadas, e responde em texto. É oferecido só como modelo de 4B ajustado para instruções.
A atualização acrescenta entradas que a primeira versão não aceitava: volumes 3D de TC e RM, vários recortes de uma mesma imagem de lâmina inteira de patologia, radiografias de tórax comparadas com exames anteriores, caixas delimitadoras ao redor da anatomia e valores estruturados extraídos de laudos de laboratório e prontuários. Imagens de TC, RM e lâminas precisam de pré-processamento antes. Cada imagem é redimensionada para 896 por 896 pixels e vira 256 tokens, e o contexto comporta até 128K tokens.
O uso é regido pelos termos Health AI Developer Foundations (HAI-DEF) do Google, não pelo Apache 2.0, e o download no Hugging Face exige aceitá-los. Nos últimos 30 dias, teve cerca de 198.000 downloads.
MedGemma 1.5 4B vale a pena?
A razão de ser do MedGemma 1.5 é a amplitude de entradas médicas com 4B parâmetros. O Google o descreve como o primeiro modelo médico generalista aberto a ler nativamente volumes completos de TC e RM. Na ficha do Google, a acurácia em achados de RM sobe de 51,3 para 64,7 e em TC de 58,2 para 61,1 em relação ao MedGemma 1, o ROUGE em patologia de lâmina inteira salta de 2,2 para 49,4 e o teste de prontuários EHRQA vai de 67,6 para 89,6. A localização anatômica no Chest ImaGenome sobe de 3,1 para 38,0 de IoU.
Os ganhos são desiguais. As perguntas visuais do SLAKE caem de 72,3 para 59,7, o que o Google atribui ao novo modelo estar menos ajustado a esse formato, o PubMedQA cai de 73,4 para 68,2 e a geração de laudos de radiografia de tórax marca 27,2 contra 30,3 de uma versão do MedGemma 1 ajustada para essa tarefa. As notas absolutas em testes difíceis continuam baixas: 20,9 no MedXpertQA multimodal e 27,0 de F1 macro no CT-RATE.
O Google é explícito sobre os limites. A ficha diz que as saídas não se destinam a orientar diretamente diagnóstico, tratamento ou manejo de pacientes sem validação e adaptação, e que o modelo foi avaliado sobretudo com imagens únicas, não com várias imagens nem em vários turnos. Os termos HAI-DEF põem a aprovação regulatória sob sua responsabilidade, exigem que você não o use de modo que torne o Google fabricante de um dispositivo médico e obrigam a repassar as restrições de uso a quem receber o modelo de você.
Como base, ele oferece muito: 4B parâmetros cabem numa GPU modesta, então equipes de TI de hospitais podem rodá-lo e ajustá-lo localmente quando os dados de pacientes não podem sair.
Onde ele se destaca
Uma equipe de informática clínica num hospital regional
Levar valores e unidades de laudos externos escaneados para o sistema de prontuários
Rode o modelo localmente e peça saída estruturada; o Google relata F1 macro subindo de 78 para 91 num conjunto de extração de prontuários. Um clínico continua revisando cada importação, como os termos e a ficha esperam.
Um engenheiro de aprendizado de máquina numa start-up de IA para radiologia
Criar um protótipo de triagem que marque exames de TC para revisão
Ajuste com seus próprios volumes rotulados após o pré-processamento do Google. A acurácia base de 61,1 em TC é um ponto de partida, não um produto; a aprovação regulatória é responsabilidade sua sob o HAI-DEF.
Uma pesquisadora de patologia digital num hospital universitário
Redigir descrições de imagens de lâmina inteira para o conjunto de dados de um estudo
Envie vários recortes por lâmina; o ROUGE em WSI subiu de 2,2 para 49,4 na tabela do Google. Use as saídas como rascunhos para patologistas, já que a ficha desaconselha o uso clínico direto.
Antes de decidir
- Configuração
- Aceite os termos HAI-DEF no Hugging Face e carregue com transformers, ou implante pelo Vertex AI Model Garden. Entradas de TC, RM e lâmina inteira precisam ser pré-processadas antes, como a ficha descreve.
- Integrações
- Hugging Face transformers, Vertex AI, MedSigLIP para tarefas só de imagem e o modelo de fala MedASR do Google para prompts ditados.
- Dados e privacidade
- Auto-hospedar mantém os dados de pacientes no seu hardware. Os termos HAI-DEF tornam você responsável pela aprovação regulatória e exigem apagar as cópias se o acordo terminar.
- Custo em escala
- Os pesos são gratuitos; um modelo de 4B roda numa única GPU. A implantação no Vertex AI é cobrada pelos preços padrão de computação do Google Cloud.
- Limites
- Saída de até 8.192 tokens; avaliado sobretudo com imagens únicas e um só turno; mais sensível à redação do prompt que o Gemma 3, segundo a ficha; testes de segurança feitos principalmente em inglês.
O que é bom
- Lê volumes 3D de TC e RM e patologia de lâmina inteira
- Acurácia em RM de 51,3 para 64,7 em relação ao MedGemma 1
- EHRQA de 67,6 para 89,6; forte na extração de laudos de laboratório
- Com 4B roda localmente, então os dados de pacientes podem ficar na casa
O que não é
- Não serve para decisões clínicas sem sua própria validação
- SLAKE e PubMedQA pioraram em relação à versão 1
- Termos HAI-DEF, não Apache 2.0, com obrigações repassadas
- Entradas de TC, RM e lâminas exigem pré-processamento
Ideal para
Equipes de engenharia de health tech e de hospitais que criam e validam as próprias ferramentas de imagem ou prontuário localmente.
Alternativas ao MedGemma 1.5 4B
MedGemma 1.5 4B: perguntas frequentes
- MedGemma 1.5 4B vale a pena?
- O MedGemma 1.5 é o ponto de partida aberto para apps de imagem médica que precisam de exames 3D, mas é uma base para validar e adaptar, não um modelo para pôr diante de pacientes. Damos nota 3.9 de 5.
- Quanto custa MedGemma 1.5 4B?
- Pesos gratuitos sob os termos Health AI Developer Foundations. A hospedagem no Vertex AI é cobrada pelas tarifas de computação do Google Cloud.
- Quais são as desvantagens de MedGemma 1.5 4B?
- Não serve para decisões clínicas sem sua própria validação; sLAKE e PubMedQA pioraram em relação à versão 1; termos HAI-DEF, não Apache 2.0, com obrigações repassadas; entradas de TC, RM e lâminas exigem pré-processamento.
- Para quem MedGemma 1.5 4B é indicado?
- Equipes de engenharia de health tech e de hospitais que criam e validam as próprias ferramentas de imagem ou prontuário localmente.
- Quanto custa MedGemma 1.5 4B para uma equipe ou em produção?
- Os pesos são gratuitos; um modelo de 4B roda numa única GPU. A implantação no Vertex AI é cobrada pelos preços padrão de computação do Google Cloud.
- MedGemma 1.5 4B é seguro para dados da empresa?
- Auto-hospedar mantém os dados de pacientes no seu hardware. Os termos HAI-DEF tornam você responsável pela aprovação regulatória e exigem apagar as cópias se o acordo terminar.
- Quais são as melhores alternativas ao MedGemma 1.5 4B?
- As alternativas mais próximas que analisamos são Gemma 4, Qwen3.8-27B, MiniCPM-V 4.7 (35B-A3B and 1B) e Phi-4-multimodal.
Respostas verificadas em 7 de nov. de 2026.