A Google erőteljes új, nyílt orvosi AI modelljei

A Google jelentős lépést tett az egészségügyi mesterséges intelligencia területén a MedGemma modellcsalád legújabb, nyílt hozzáférésű verzióinak bemutatásával. Ezek a fejlett AI-eszközök, amelyek képesek orvosi képek és adatok elemzésére, forradalmasíthatják az orvosi diagnosztikát és ellátást, különösen azokon a területeken, ahol a kifinomult egészségügyi eszközökhöz való hozzáférés korlátozott.

• A Google két új MedGemma modellt tett közzé: egy 27 milliárd paraméteres, multimodális változatot orvosi képek és betegadatok elemzésére, valamint egy MedSigLIP eszközt kép- és szövegelemzésre.
• A modellek kiváló pontosságot értek el: a kisebb, 4 milliárd paraméteres verzió 64,4%-os, a nagyobb, 27 milliárd paraméteres modell pedig 87,7%-os pontosságot mutatott a MedQA referenciaértéken, felülmúlva a hasonló méretű riválisokat.
• A MedGemma által készített röntgenleletek 81%-ban elegendőek voltak a valós betegellátáshoz, ami az emberi radiológusok által nyújtott minőséggel vetekszik, jelentősen csökkentve az egészségügyi innováció belépési korlátját világszerte.

Új korszak az orvosi diagnosztikában

A Google folyamatosan fejleszti nyílt forráskódú orvosi AI eszközeit, és a MedGemma legújabb frissítésével két új modellt bocsátott a fejlesztők és egészségügyi intézmények rendelkezésére. Ezek között kiemelkedő a 27 milliárd paraméteres multimodális modell, amely rendkívül komplex feladatokra képes, mint például orvosi képek (pl. röntgenfelvételek) és betegadatok egyidejű értelmezése. Emellett bemutatták a MedSigLIP eszközt, amely speciálisan kép- és szövegelemzésre lett optimalizálva az orvosi kontextusban.

A MedGemma képességei rendkívül széleskörűek: képes elemezni a mellkasröntgenektől kezdve a különböző bőrbetegségekig szinte bármit. Fontos kiemelni, hogy a modellek kisebb verziója, a 4 milliárd paraméteres változat, akár egyszerűbb fogyasztói eszközökön, például otthoni számítógépeken vagy okostelefonokon is futtatható, ami soha nem látott mértékű hozzáférést biztosíthat a fejlett diagnosztikai képességekhez.

Pontosság és megbízhatóság

A MedGemma modellek pontossága a tesztek során lenyűgözőnek bizonyult. Az iparágban elismert MedQA referenciaértéken a kisebb, 4 milliárd paraméteres modell 64,4%-os pontosságot ért el, míg a nagyobb, 27 milliárd paraméteres modell 87,7%-os eredménnyel zárta a tesztet. Ezek az eredmények a legmodernebb (SOTA) kategóriába sorolják a modelleket, és jelentősen felülmúlják a hasonló méretű versenytársak teljesítményét.

A gyakorlati alkalmazás szempontjából különösen ígéretes, hogy a MedGemma által készített mellkasröntgen-leletek 81%-ban olyan pontosságúak voltak, hogy azok közvetlenül felhasználhatók voltak a betegellátásban. Ez a teljesítmény gyakorlatilag megegyezik az emberi radiológusok által nyújtott minőséggel, ami óriási potenciált rejt magában a radiológiai diagnosztika tehermentesítésében és felgyorsításában.

Nyílt hozzáférés és testreszabhatóság

A MedGemma modellek nyílt forráskódú jellege kiemelten fontos, mivel ez lehetővé teszi, hogy az egészségügyi intézmények és kutatók világszerte testreszabják és adaptálják azokat saját specifikus igényeikhez. Erre már most is számos példa van: az egyik kórház például a hagyományos kínai orvosi szövegek elemzéséhez adaptálta a modelleket, míg egy másik sürgősségi röntgenfelvételek gyors kiértékelésére használja őket.

Az egészségügy jövője a zsebünkben

A MedGemma család bevezetése hatalmas jelentőséggel bír az egészségügy jövője szempontjából. A mesterséges intelligencia révén elérhetővé válik a világszínvonalú orvosi ellátás, amely immár elfér egy telefonon vagy számítógépen. Azáltal, hogy a Google ezeket a fejlett AI-eszközöket nyíltan és hozzáférhetővé teszi, jelentősen csökken az egészségügyi innováció belépési korlátja világszerte. Ez különösen nagy segítséget jelenthet az alulellátott betegek és a kisebb klinikák/kórházak számára, akik eddig nem férhettek hozzá ilyen kifinomult diagnosztikai és elemző eszközökhöz.

Forrás: https://research.google/blog/medgemma-our-most-capable-open-models-for-health-ai-development/