谷歌表示其开源医疗模型 MedGemma 正在被全球多国用于离线分诊、影像筛查与公共卫生项目，涵盖乌干达、赞比亚、印度和印度尼西亚等地，但公司强调模型尚未达到临床级别，需本地化验证与监管审批后才能用于诊断决策。
谷歌表示，其开源权重医疗模型 MedGemma 正从开发者工具逐步进入真实医疗场景：在乌干达农村地区支持离线临床分诊，在赞比亚协助宫颈癌筛查，在印度参与眼科和皮肤科筛查，并被印度尼西亚卫生部门用于开发结核病检测模型。
谷歌在 2026 年 9 月 23 日发布的官方介绍中说，全球医疗机构正在把 MedGemma 用于三类场景：基层一线服务、高流量医院，以及面向全国人群的公共卫生项目。公司称，MedGemma 发布以来下载量已超过 1000 万次，并被用于数千项研究和适配工作。
不过，这些数字和案例目前主要来自谷歌及合作机构的项目介绍。MedGemma 仍然是面向开发者的基础模型，并非可以未经验证就直接用于诊断或治疗决策的临床产品。
从远程诊所到手机端筛查
MedGemma 建立在 Gemma 模型之上，重点处理医疗文本和医学图像。由于模型采用开放权重，开发者可以将其部署在自己的服务器、云端，甚至经过适配后运行在移动设备上。这使它适合网络连接不稳定、专科医生稀缺的地区。
谷歌介绍说，乌干达的 Crane AI 正在利用 MedGemma 开发 EaseHealth。这款临床决策支持应用可以在设备端运行经过适配的模型，不依赖持续的互联网连接，帮助社区卫生工作者评估症状、查阅指南并进行分诊。
在赞比亚，Dawa Health 开发了可以离线运行的 DawaMom 应用。谷歌称，该应用把 MedGemma 与用于医疗文本和图像的轻量级编码器 MedSigLIP 结合起来，已经为超过 3500 名女性进行筛查，并计划扩展到赞比亚其他地区及邻近国家。
印度的 Visilant 则使用基于智能手机的成像系统筛查白内障和其他眼部疾病。谷歌称，该系统此前已经筛查超过 5 万名患者；在工作流中加入 MedGemma 后，团队希望更早发现可以治疗的眼疾，减少因延误而造成的永久性视力损伤。
这些案例显示，模型的价值不一定在于替代医生，而在于把初步信息整理、影像筛查和风险分流能力带到过去难以获得专科服务的地方。与此同时，离线运行也意味着患者数据可以留在本地，减少将敏感医疗信息持续上传到中心化服务的需要。
高流量医院更关注分诊效率
在印度新德里的全印度医学科学研究所（AIIMS Delhi），临床人员正在试用 IndusDerma。这是一款面向皮肤科筛查的辅助工具，针对印度人群的医疗需求和肤色特征进行设计。
谷歌称，IndusDerma旨在帮助非皮肤科医生完成早期分诊，并生成结构化临床摘要，从而把部分决策支持能力前移到基层医疗环节。AIIMS还在开发另一款门诊分诊应用 Aarogyam，希望将患者等待专科医生前的时间缩短 40%。相关目标仍需经过试点和临床验证；谷歌称，AIIMS Delhi 的医院网络每天最多接诊约 1.5 万名门诊患者，如果试点成功，应用将考虑在网络内扩大部署。
这类项目的重点与远程地区有所不同。基层项目首先要解决的是“有没有专科能力”，而大型医院面对的则是患者数量、信息整理和科室分流压力。对于后者，医疗模型能否稳定提取病历信息、生成可审阅的摘要，以及在不同科室和人群中维持一致表现，可能比单项基准分数更重要。
印尼项目把模型放入国家公共卫生目标
在国家公共卫生层面，谷歌表示，印度尼西亚卫生部正在开发一款使用 MedGemma 和 MedSigLIP 的结核病检测模型。该模型使用当地胸部 X 光数据训练，目标是支持卫生部门每年筛查 5000 万人、推动结核病防治工作。
这并不意味着 MedGemma 已经独立完成大规模人群诊断。根据谷歌的表述，模型是当地团队开发检测工具的一部分，仍需要结合本地数据、工作流程和公共卫生部门的验证机制。对这类项目而言，训练数据是否能代表当地人口、设备和疾病谱，模型在真实基层环境中的误报和漏报如何处理，都是能否扩大使用的关键问题。
AI Flux此前对谷歌将 Open Health Stack 交由 Linux Foundation 管理的报道曾指出，谷歌在数字医疗领域也在推动基于 HL7 FHIR、可离线运行和跨系统互操作的开源基础设施。MedGemma 的开放权重路线与这类基础设施尝试存在相似逻辑：把适配和部署的主动权交给本地开发者、医院和公共卫生机构，而不是要求所有场景都依赖单一云端服务。
开放权重不等于可以直接临床使用
谷歌开发者文档显示，MedGemma目前包含 MedGemma 1.5 的 4B 多模态版本，以及 MedGemma 1 的 4B 多模态、27B 纯文本和 27B 多模态版本。模型可用于医疗图像理解、医学文本处理、临床推理、病历摘要和分诊等开发场景；开发者还可以通过提示设计、微调或与其他工具编排来适配具体应用。
谷歌在MedGemma官方文档中明确提醒，模型尚未达到临床级别，通常需要针对具体用途进一步微调和验证。文档还要求开发者在生产环境部署前评估模型表现，并对不同年龄、性别、疾病状况和成像设备等因素造成的偏差进行检查。
谷歌发布的模型卡也警告，公开数据可能带来数据污染风险，基准成绩不一定代表模型面对全新医疗概念时的泛化能力。其官方说明进一步指出，MedGemma 的输出不应未经独立核验就直接用于临床诊断、患者管理或治疗建议；输出应被视为初步结果，需要临床关联分析和进一步调查。
因此，MedGemma当前更准确的定位，是帮助医疗机构和开发者搭建本地化工具的开放基础，而不是一个可以替代医生的通用医疗助手。它能否真正改善医疗服务，最终取决于本地数据质量、专业人员审核、监管要求、部署成本和长期维护能力。
从乌干达的离线分诊，到赞比亚的宫颈癌筛查，再到印尼面向数千万人口的结核病项目，谷歌希望展示的并不只是模型本身的能力，而是开放模型如何嵌入不同国家的医疗体系。下一阶段的检验，将是这些项目能否从试点和公司报告中的使用数字，转化为经过独立验证、可持续运行并真正改善患者结局的医疗服务。
来源：