Google brengt open AI-model uit voor ontwikkelaars in de gezondheidszorg

MedGemma 27B zal volgens de ontwikkelaars een aanvulling vormen op de 4B Multimodal- en 27B-tekstmodellen die eerder in het MedGemma-pakket werden gepresenteerd. 4B Multimodal is een computer vision-service. Eerder in het onderzoek beoordeelde een gediplomeerd arts uit de Verenigde Staten 81% van de met 4B Multimodal opgestelde thoraxfoto's als voldoende nauwkeurig. Volgens Google, die interne beoordelingen aanhaalt, behoort MedGemma 27B (tekstmodel) tot de "best presterende kleine open modellen in de MedQA-benchmark voor medische kennis en redenering [standaard voor prestatievergelijking – Vademecum]." MedQA is een meertalige database met vragen van Amerikaanse medische licentie-examens. Het taalmodel van Google scoort 87,7% correct.

MedGemma is een verzameling open-source AI-modellen die zijn ontworpen voor gebruik in diverse medische gebieden. De services zijn geïntegreerd in de Health AI Developer Foundations (HAI-DEF), een groot project dat in november 2024 is gestart om ontwikkelaars te helpen bij het creëren en implementeren van AI-services in zorgsystemen. Google ontwikkelt veel van de modellen die in HAI-DEF zijn geïntegreerd op basis van de Gemma-familie van lichtgewicht AI's. Vergelijkbare technologie is gebruikt bij de ontwikkeling van MedGemma 4B en MedSigLIP, waardoor nieuwe modellen zelfs op mobiele apparaten kunnen worden aangepast. Door de niet-medische mogelijkheden van Gemma te behouden, kunnen nieuwe algoritmen bovendien effectief problemen oplossen die gespecialiseerde en niet-gespecialiseerde informatie combineren, terwijl instructies kunnen worden gevolgd en er in andere talen dan Engels kan worden gewerkt.

MedSigLIP wordt door Google omschreven als een lichtgewicht beeldcoder met slechts 400 miljoen parameters. Het model is afgestemd op verschillende soorten medische beeldvorming: röntgenfoto's van de borstkas, resultaten van patchtests, dermatologische beelden en fundusbeelden. De ontwikkelaars identificeerden de mogelijkheid om servicegebaseerde modellen te creëren voor het classificeren van medische beelden, het classificeren van beelden zonder specifieke trainingsvoorbeelden en het zoeken naar visueel of semantisch vergelijkbare beelden in grote databases als drie belangrijke toepassingen van MedSigLIP.

"Omdat de MedGemma-collectie open is, kunnen de modellen worden gedownload, uitgebreid en aangepast om te voldoen aan de specifieke behoeften van ontwikkelaars", concludeerde Google.

In december 2024 kondigde Smart Engines, een Russisch bedrijf gespecialiseerd in AI-ontwikkelingen, aan dat het in de Verenigde Staten een patent had gekregen voor een technologie die de stralingsbelasting van een patiënt tijdens computertomografie vermindert. Het document werd op 17 december uitgegeven door het United States Patent and Trademark Office. Medewerkers van Smart Engines begonnen in 2018 aan het project; een patentaanvraag in Rusland werd in 2021 ingediend, maar deze is nog in behandeling. Volgens de ontwikkelaars zorgt AI voor een gemiddelde vermindering van de stralingsbelasting met 15%.