MedGemma 27B y MedSigLIP: los modelos de la IA de Google que pueden leer radiografías

Cuando todos vimos el boom de la IA hace no mucho tiempo, uno de los primeros avances que nos imaginamos fue el del área sanitaria, y Google ha dado un gran paso en este sentido.

Los servicios sanitarios podrán confiar en MedGemma 27B y MedSigLIP, los últimos modelos abiertos de IA de Google centrados en sanidad.

Google ofrece estos dos modelos dentro del proyecto Health AI Developer Foundations, donde los desarrolladores pueden modificarlo libremente y mantener bajo su control tanto los datos de los pacientes como la infraestructura donde lo ejecutan.

Como no es necesario conectarse a la API de un servicio externo, los hospitales pueden ejecutar el modelo en sus propias máquinas, en la nube que prefieran o incluso en dispositivos móviles, lo cual es importante, ya que la legislación exige que la información sanitaria no salga del entorno del centro médico.

Al ser multimodales, pueden procesar y relacionar a la vez datos de texto, imágenes médicas y series temporales de un historial clínico. Esto permite que, por ejemplo, ante una pregunta sobre un TAC, el modelo encuentre la información que necesita tanto en la imagen como en la nota radiológica y genere una respuesta coherente.

MedGemma 27B es una evolución directa de Gemma 3. Incorpora 27.000 millones de parámetros que le permiten entender y generar lenguaje natural, a la vez que procesa información visual mediante un componente especial de la arquitectura SigLIP.

Existen dos variantes. La versión solo de texto, que se entrenó con grandes colecciones de literatura médica para manejar terminología clínica con precisión; y la versión multimodal, que añadió millones de informes radiológicos y registros electrónicos FHIR, por lo que puede asociar imágenes con sus descripciones y seguir la evolución de un paciente a lo largo de su historia clínica.

Según Google, MedGemma 27B compite de tú a tú con modelos privados mucho más grandes. En la prueba de conocimientos médicos MedQA, su versión de solo texto acertó el 87,7% de las preguntas, apenas tres puntos menos que DeepSeek R1, pero consume diez veces menos recursos para responder. La variante que combina texto e imágenes mantiene ese nivel de razonamiento y, además, interpreta contenido visual.

En una evaluación separada sobre informes de radiografías de tórax, un radiólogo cardiotorácico de Estados Unidos revisó los textos generados por el modelo y concluyó que el 81% tendría las mismas decisiones clínicas que los informes humanos, por lo que son muy prácticos para el día a día en los hospitales.

Por otro lado, los errores de MedGemma 27B se reducen a la mitad cuando busca datos concretos en las historias clínicas electrónicas. También alcanza casi el máximo nivel de precisión en tareas especializadas, como detectar neumotórax en radiografías o reconocer patrones en muestras histológicas.

Su diseño interno combina capas de atención densas con bloques lineales ligeros para generar respuestas con menos recursos sin perder exactitud.

Por otro lado, MedSigLIP transforma imágenes médicas en vectores numéricos útiles para el aprendizaje automático. Tiene 400 millones de parámetros, por lo que es relativamente ligero y rápido de usar.

Durante su entrenamiento usa la "pérdida sigmoide", una técnica que evalúa cada pareja imagen-texto por separado. A diferencia de la pérdida "softmax", que coloca a todas las parejas en competencia directa, la sigmoide admite más ejemplos implícitos de lo que no debe coincidir.

Esto mejora la estabilidad cuando los datos están muy desequilibrados, como cuando hay pocas radiografías con enfermedades raras.

Gracias a este método, aprende rasgos detallados en radiografías de tórax, fotografías dermatológicas, láminas de patología digital y fondos de ojo, sin dejar de reconocer con precisión imágenes cotidianas.

MedGemma 27B y MedSigLIP ya han sido probados en algunos centros y los resultados son prometedores. Ni siquiera podemos imaginarnos cuánto avanzará la medicina en unos años gracias a la inteligencia artificial.

Collov AI, diseña tu casa usando la inteligencia artificial