medgemma-4b-it-GGUF

קוד פתוח

unslothother2025-05-20

transformers
gguf
gemma3
image-text-to-text
medical

גרסת קוונטיזציה קומפקטית שמביאה יכולות פענוח טקסט ותמונות רפואיות לחומרה מקומית נגישה, בלי להסתמך על שרתי ענן חיצוניים.

131,072טוקנים בהקשר
66.2 GBמשקל הקבצים
16,718הורדות בחודש
74לייקים

מה זה

גוגל אימנו את המודל הזה על בסיס Gemma 3, כשהוא משלב מקודד תמונה מסוג SigLIP שעבר הכשרה ייעודית על צילומי חזה, דרמטולוגיה, עיניים והיסטופתולוגיה. המטרה כאן היא לא סתם צ'אט כללי, אלא עיבוד תמונה רפואית לצד טקסט ומתן מענה לשאלות קליניות. התוצאה היא מודל רב מודלי של 4 מיליארד פרמטרים שמסוגל לעכל תמונות וטקסט עד הקשר של 128 אלף טוקנים.

במדדי ביצועים הוא עוקף את מודל הבסיס כמעט בכל תחום קליני. בסיווג צילומי קרקעית עין הוא מזנק מציון של 14.4 אחוז ל־64.9 אחוז, וברדיולוגיה הוא רושם 72.3 נקודות לעומת 40.2 במבחן SLAKE. גם במבחני ידע רפואי טהור כמו MedQA הוא מטפס ל־64.4 אחוז. זה שיפור מורגש שמראה שהאימון הייעודי אכן חילץ יכולות הבנה אמיתיות מהארכיטקטורה הזו.

מתאים ל

סינון ראשוני לצילומי חזה
זיהוי ממצאים בסיסיים והפקת טיוטת תיאור לצילום רנטגן, הודות לאימון ממוקד על מאגרי MIMIC ונתוני דימות.
שאלות ותשובות למחקר רפואי
שליפת מידע וניתוח שאלות מדעיות על בסיס ספרות רפואית, היכן שהוא עוקף את ביצועי מודל הבסיס באופן עקבי.
עוזר מקומי למרפאות עור
סיווג תמונות נגעים ובדיקות ראשוניות במערכת מקומית סגורה, ששומרת על פרטיות המטופל וללא תלות ברשת.

איפה זה נופל

המודל הזה קטן, וזה מורגש. במבחן MedXpertQA שדורש חשיבה קלינית עמוקה הוא מגיע ל־18.8 אחוז בלבד, שזה ציון נמוך מאוד שמראה מגבלה אמיתית בהסקה מורכבת. בנוסף, בבדיקת שאלות על תיקים רפואיים סינתטיים הוא קיבל 67.6 אחוז, נמוך יותר אפילו ממודל Gemma 3 הבסיסי, כיוון שאימון ה־FHIR הייעודי נשמר לגרסת ה־27B הגדולה. כל הבדיקות שלו נעשו בעיקר באנגלית, כך שאין שום הבטחה לגבי פענוח מסמכים או תלונות בעברית.

אותה משפחה

medgemma יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

medgemma-27b-it-GGUF7,187

שאלות
נפוצות

האם אפשר להשתמש במודל לאבחון מטופלים בפועל?

לא, הוא מיועד למחקר, פיתוח יישומים ובדיקות היתכנות. המודל מייצר טעויות ואינו מחליף עין מקצועית של רופא.

מה ההבדל בין גרסת ה־4B לגרסת ה־27B?

גרסת ה־4B קלה בהרבה ורצה על מחשב אישי רגיל, אך גרסת ה־27B כוללת אימון מעמיק על תיקים רפואיים מלאים ומציגה יכולות הסקה קליניות עדיפות.

איך מריצים

הקובץ מופץ בפורמט GGUF על ידי Unsloth, מה שאומר שאפשר להריץ אותו מקומית דרך llama.cpp או ספריות דומות על גבי כרטיסי מסך ביתיים או מחשבים ניידים עם זיכרון משותף. מודל של ארבעה מיליארד פרמטרים אחרי דחיסה תופס גיגבייטים בודדים של זיכרון עבודה, כך שכרטיס מסך פשוט עם 8 עד 12 גיגה VRAM יריץ אותו בלי להזיע.

אם אתם צריכים רק בדיקת היתכנות מהירה או עיבוד כבד של רשומות רפואיות שלמות, גוגל מציעים אותו גם ב־Vertex AI Model Garden. הרצה מקומית מומלצת בעיקר למי שרוצה פרטיות מלאה ושליטה במידע בלי להוציא קריאות רשת החוצה.

ollama run hf.co/unsloth/medgemma-4b-it-GGUF:Q4_K_M

איזו גרסה

אותו מודל בכמה רמות דחיסה. ככל שהמספר נמוך יותר הקובץ קטן יותר ורץ על פחות זיכרון, והתשובות נהיות פחות מדויקות. רוב האנשים רוצים את הגדולה ביותר שנכנסת להם בזיכרון.

הקבצים

33 קבצים במאגר, 66.2 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון מוגדר תחת תנאי השימוש של Health AI Developer Foundations של גוגל, ולא תחת רישיון קוד פתוח סטנדרטי. חובה לקרוא את התנאים הללו ישירות לפני שמשלבים אותו במוצר, שכן הם כוללים הגבלות ייעודיות לשימוש בעולמות הבריאות והרפואה.

הרישיון המלא בעמוד המודל ↗