谷歌近日在医疗人工智能领域迈出重要一步，正式推出新一代开源医疗大模型MedGemma 1.5及专为临床场景设计的语音识别模型MedASR。这一双模型组合不仅拓展了医疗AI的技术边界，更通过开源策略为全球医疗创新注入新动能。两款模型均基于脱敏临床数据训练，在确保隐私合规的前提下，向全球开发者与研究机构免费开放。
作为Gemma系列的医疗专项升级，MedGemma 1.5突破传统文本处理框架，首次实现多模态医疗数据融合。该模型在保留原有病历分析、文献解读能力的基础上，新增对X光、CT等医学影像的语义理解功能。通过整合影像描述性文本与视觉特征，模型可辅助完成初步筛查与诊断推理，例如识别肺部结节特征或分析骨折影像细节，使临床决策支持从单维度文本交互升级为全流程智能辅助。
同步发布的MedASR则聚焦解决医疗场景中的效率痛点。针对医生文书工作耗时长的行业难题，该模型通过深度优化医疗领域声学模型与语言模型，实现医患对话、手术记录等专业语音的高精度转写。测试数据显示，模型在复杂医疗术语识别准确率上达到98.7%，转写效率较传统方式提升4倍以上，生成的文本可直接导入电子病历系统，显著减轻临床文书负担。
开源策略成为此次发布的核心亮点。谷歌医疗AI团队表示，两个模型均采用MIT许可协议，允许商业机构免费使用与二次开发。此举与前期通过HIPAA认证的Gemini医疗助手形成战略协同，构建起从底层技术到合规应用的完整生态。医疗机构可基于开源框架快速部署远程诊疗系统，初创企业能低成本开发专科辅助诊断工具，学术团队则获得研究医疗AI模型可解释性的基础平台。
技术专家指出，多模态融合与开源生态的双重突破，标志着医疗AI进入成熟应用阶段。MedGemma 1.5的影像理解能力与MedASR的语音处理技术形成互补，覆盖诊疗全流程的关键节点。而开源模式通过降低技术门槛，将加速AI在基层医疗、公共卫生等资源薄弱领域的渗透，推动全球医疗体系向智能化、均等化方向演进。
