🩺 Google раскрыл MedGemma — целую линейку open-source-моделей, с которой «врач с 50-летним стажем» переезжает прямо на смартфон. 27-миллиардная версия читает снимки и истории болезни одновременно, тогда как компактная 4B (квантизуемая до 4 бит) пускается в работу на ноутбуке или даже Pixel-10: ≈700 мс на офлайн-расшифровку рентгена, 5,2 ГБ ОЗУ

Как это устроено

Модели строятся на Gemma 3-трансформере; за «зрение» отвечает MedSigLIP — улучшенный SigLIP-энкодер c ViT-G/16, дообученный на 35 млн анонимизированных рентгенов, дерма- и гистоснимков. Текстовая часть проглотила 450 млн токенов PubMed, MIMIC-IV и EHR-заметок. Тренировали всё на TPU v5p-поде (1024 чипа, 3,2 PFLOPs/с), а веса сразу выложили в HuggingFace и Vertex Model Garden под Apache-2.0  .

Как уже попробовали

— Chang Gung Memorial (Тайвань) уже натренировал MedGemma на традиционных китайских источниках — бот отвечает врачам на местном диалекте и вылавливает редкие травы в анамнезе  .
— DeepHealth (США) прикрутил MedSigLIP к «горящим» рентгенам — ИИ сортирует снимки грудной клетки за секунды и кидает тревогу дежурному, экономя 45 минут на пациента  .
— Tap Health (Индия) вставил 4B-версию в своё мобильное приложение: консультация по дерме и базовая триаж-оценка работают офлайн в сельских клиниках без стабильного интернета 

И что?

Для бизнеса: готовый SOTA-движок снижает порог входа — можно пилить нишевые мед-сервисы без миллиона на GPU.
Для инвесторов: hospital-as-a-platform оживает — провайдеры ИТ-услуг получат новый поток лицензий и MRR.
Для рынка: конкуренция уйдёт в сторону качественных датасетов и удобного UX, а приоритет получат команды, которые быстрее адаптируют модель под реальные задачи.