Google이 Gemma 3를 의료 분야에 맞게 조정한 공개 모델군 MedGemma와 의료 이미지 인코더 MedSigLIP을 소개했다. 의료 연구자와 개발자는 두 모델을 의료 질의응답, 영상 분류, 흉부 X선 보고서 생성 등 다양한 작업의 출발점으로 활용하고 특정 데이터와 목적에 맞게 미세조정할 수 있다.

MedGemma에는 텍스트와 이미지를 함께 처리하는 4B·27B 모델, 텍스트 전용 27B 모델이 포함된다. 논문에서 MedGemma는 여러 의료 벤치마크에서 같은 규모의 기본 Gemma 3보다 높은 성능을 보였으며, 일부 작업에서는 더 큰 모델과 비슷하거나 높은 결과를 냈다. MedSigLIP은 4억 개 매개변수를 갖춘 의료 이미지 인코더로, MedGemma의 이미지 이해 기능에 쓰이며 단독으로 이미지 분류와 검색에도 활용할 수 있다.

논문은 학습에 사용하지 않은 데이터로 평가한 작업에서 기본 모델 대비 의료 이미지 질의응답 성능이 2.6~10%, 흉부 X선 소견 분류가 15.5~18.1%, 에이전트 평가가 10.8% 개선됐다고 보고했다. 다만 연구진은 벤치마크 결과가 실제 의료 현장의 효용을 입증하는 것은 아니며, 특정 작업에 맞춘 검증과 추가 개선이 필요하다고 밝혔다. 일부 전문 모델이 특정 분야에서 더 나을 수 있고, 3차원 CT·MRI 영상과 유전체 데이터는 MedGemma의 학습 범위에 포함되지 않았다.

개발자는 Google Health AI Developer Foundations와 MedGemma 안내 페이지에서 모델 정보와 실행·미세조정·평가 예제를 확인할 수 있다. 논문에 따르면 비공개 데이터는 라이선스 제한으로 공개되지 않았다. MedGemma는 의료 애플리케이션 개발을 위한 기반 모델이지, 별도의 임상 검증을 대신하는 도구는 아니다.

논문은 Nature Medicine에 게재됐다.