MedGemmaとは？
2025年5月、Google DeepMindは医療テキストと画像の解析に特化した先進的AIモデル群「MedGemma」を発表しました。マルチモーダルかつ4Bというかなり軽量なモデルにも拘わらず、高いパフォーマンスを発揮しているモデルです。
MedGemmaの主な特徴
MedGemmaには、用途に応じて選択可能な2つのバリエーションがあります。
- 4B マルチモーダルモデル: 40億のパラメータを持ち、テキストと医療画像を同時に処理できるモデル
- 27B テキスト専用モデル: 270億のパラメータを誇り、医療テキストの深い読解と臨床的な推論に特化している
これらのモデルにより、MedGemmaは医療画像の分類・読影から、臨床意思決定支援、患者への予備問診まで、幅広い能力を発揮します。
※日本語の医学用語におけるパフォーマンスは不十分みたいです。
原理：MedGemmaを支える技術
MedGemmaの高度な能力は、その基盤となる先進的なアーキテクチャによって実現されています。
- Gemma 3 アーキテクチャ: MedGemmaは、Googleの次世代AIモデル基盤である「Gemma 3」アーキテクチャ上に構築されています。これにより、医療分野の複雑なタスクに対応するための高い性能と効率性が確保されています。
- SigLIP 画像エンコーダ: 特に4Bマルチモーダルモデルの核となるのが、この「SigLIP画像エンコーダ」です。非識別化された膨大な医療データを用いて事前学習されており、テキスト情報と関連付けながら医療画像を深く理解する能力をモデルに与えています。
多様なユースケース
MedGemmaは、ヘルスケア分野のさまざまなシーンでの活用が想定されています。
- ヘルスケアアプリケーション開発: 次世代の診断支援ツールや患者向けアプリの基盤として。
- 医療研究とイノベーション: 膨大な医療データからの新たな知見発見や研究の加速に。
- 臨床サポート: 医療従事者の業務を支援し、より質の高いケアの実現に貢献。
モデルの利用方法とデプロイ
MedGemmaは、Hugging FaceやGoogle Cloudといったプラットフォームを通じてアクセス可能です。開発者は、自身の目的に合わせてモデルをカスタマイズできます。
- プロンプトエンジニアリング: プロンプトを工夫し、モデルの応答を制御。
- ファインチューニング: 独自の医療データを用いてモデルを再学習させ、特定のタスクに特化。
- エージェントとしての連携: 他のツールやシステムと連携させ、より複雑なタスクを実行。
また、実験的な利用のためのローカル環境へのデプロイから、実運用レベルのアプリケーションに対応するGoogle Cloud Vertex AI上でのクラウド展開まで、柔軟な導入オプションが提供されています。
安全性と利用上の注意
MedGemmaは非常に強力なツールですが、利用にあたっては重要な留意点があります。
- 臨床検証の必要性: 提供されるモデルは、そのままでは「臨床グレード」ではありません。実際の医療現場で利用する前には、開発者自身による厳格な性能検証と、必要な規制当局の承認を得る必要があります。
- 医療免責事項: このモデルは研究開発目的で提供されており、専門家による適切な検証と監督なしに患者ケアに使用することはできません。ウェブサイトの情報は教育・情報提供のみを目的としており、医学的アドバイスに代わるものではありません。
最後に
公開されている情報が限られているため、ほぼ公式サイトをまとめた内容になっています。
高効率でローカル動作が可能なモデルでマルチモーダルな入力に対応している点は、限られた計算資源下における医療用AIの導入を推進する可能性があると考えられます。
実際にRTX4070で実行してみたところ、遅延が気にならない程度でした。