MedGemma 오픈소스 공개: 구글, 다중 의료 과제를 지원하는 AI 모델 스위트 출시
구글과 DeepMind는 의료 분야를 위해 설계된 새로운 오픈소스 인공지능 모델 스위트인 MedGemma를 공동으로 공개했습니다.
이 스위트는 의료 분야를 대상으로 개발되었으며, 텍스트, 이미지 및 다중 모달리티 입력 지원을 넘어 방사선학, 피부과, 조직 병리학, 안과 등 다양한 분과에 널리 적용 가능합니다.
올해 I/O 개발자 컨퍼런스에서 처음 공개된 MedGemma는 두 가지 버전으로 구성됩니다: 하나는 40억 파라미터 규모의 4B 모델로 텍스트와 이미지 혼합 처리를 지원하며, 다른 하나는 더 강력한 270억 파라미터 규모의 27B 모델로 텍스트와 다중 모달리티 두 가지 버전을 제공합니다.
주소: https://huggingface.co/google/medgemma-27b-it
100+ Medical LLM API online: https://dr7.ai/
구글은 MedGemma가 독립적으로 실행될 수 있으며, 지능형 시스템에 내장되어 의료 AI 도구로서의 기본 모듈로 활용될 수 있다고 명확히 밝혔습니다.
오픈 소스로, 전 세계 연구자와 개발자가 자유롭게 사용할 수 있지만, 진단 및 치료에 직접 사용할 수 없으며 관련 규제 승인을 받아야 합니다.
MedGemma는 여러 표준 모델 벤치마크 테스트에서 뛰어난 성능을 보이며 동급의 기본 모델을 모두 능가했습니다.
다중 모드 질문 응답 작업에서 정확도가 10% 향상되었습니다.X선 이미지 분류에서는 15.5%에서 18.1%까지 향상되었으며, 복잡한 지능형 시스템 작업에서는 10.8% 개선되었습니다.
의료 시험 데이터셋 MedQA에서 4B 모델의 정확도는 원래 50.7%에서 64.4%로 급상승했으며, 27B 모델은 74.9%에서 87.7%로 향상되었습니다.
그림 설명: MedGemma 27B 다모달 모델은 의료 이미지 분류 및 시각적 질문 답변 작업에서 최상의 성능을 보여주며, 다른 모델보다 현저히 우수합니다.
PubMedQA, MedMCQA, MMLU 등 여러 의료 하위 분야의 벤치마크 테스트에서 MedGemma는 기본 모델보다 지속적으로 우위를 차지했습니다.
X선 이미지 및 보고서 데이터셋 MIMIC-CXR에서 4B 모델의 전체 F1 점수는 88.9를 기록했으며, 이는 기초 모델 Gemma 3의 81.2와 비교해 크게 개선되었습니다.
F1 점수는 모델이 다양한 질병을 식별하는 데 대한 전체 정확도를 측정하며, 이 점수의 향상은 모델이 복잡한 임상 이미지를 이해하는 능력이 강화되었음을 의미합니다.
자동 X선 보고서 생성 측면에서 모델의 RadGraph F1은 29.5에서 30.3로 향상되어 임상적 핵심 정보 포착 능력이 강화되었습니다.
기흉 검출 과제(즉, 폐 붕괴)에서 정확도는 59.7%에서 71.5%로 향상되어 실질적인 돌파구를 마련했습니다.
조직 병리 이미지 분석 측면에서 모델의 가중 F1 점수는 32.8에서 94.5로 급증했으며, 이는 거의 3배의 개선을 의미합니다.
전자 건강 기록 읽기 작업에서 강화 학습 도입 후 오류율이 절반으로 감소했으며, 이는 임상 데이터 관리 분야에서 큰 잠재력을 시사합니다.
구글은 동시에 중요한 구성 요소인 MedSigLIP를 출시했습니다.
그림 설명: https://arxiv.org/pdf/2303.15343
이것은 의학 이미지를 위해 설계된 인코더로, 4억 개의 파라미터를 갖추고 있으며, 원본 SigLIP(Sigmoid Loss for Language Image Pre-training)의 의료 확장 버전입니다.
MedSigLIP는 의학 이미지 이해에 집중하며, MedGemma와 결합해 텍스트를 처리함으로써 완전한 다모달 AI 아키텍처를 구성합니다.
이미지 처리 해상도는 448×448 픽셀로 설정되어 있으며, 이는 MedGemma의 고해상도 버전(896×896)보다 더 효율적입니다.
일반적인 능력과 의료 능력을 모두 갖춘 모델을 구축하기 위해 구글은 3,360만 쌍의 텍스트-이미지 데이터로 훈련을 진행했으며, 이 중 63.5만 개의 의료 사례와 3,260만 개의 조직 병리 이미지 블록이 포함되어 있습니다.
의학 데이터 비율은 약 2%로, SigLIP의 일반 이미지 인식 능력을 유지하면서 의학 이미지 이해 능력을 강화했습니다.
이 균형 전략의 핵심 의미는: 모델은 의료 이미지를 처리할 수 있을 뿐만 아니라 일반 이미지 작업에도 적용 가능하며, 다양한 시나리오 요구사항에 적합합니다.
현재 MedGemma는 Hugging Face에 공개되어 있으며, 개발자는 해당 라이선스 계약에 따라 연구, 개발 및 일반 AI 응용에 사용할 수 있지만, 상업화 및 임상 환경에서는 관련 제한을 준수해야 합니다.
다양한 테스트에서 뛰어난 성과를 보였지만, 구글은 벤치마크 테스트 결과는 임상 현장의 실제 성능을 완전히 반영하지 못한다고 인정했습니다. 실제 사용 환경은 훨씬 복잡하며, 모델은 사용자의 오해나 상호작용 오류로 인해 편차가 발생할 수 있어 실제 치료 효과를 제한할 수 있습니다.
주소: https://huggingface.co/google/medgemma-27b-it
의료용 대규모 모델의 API를 원하신다면, dr7 ai는 100개 이상의 의료용 API를 제공합니다.
