MedGemma: Google publica en Nature Medicine sus modelos abiertos de inteligencia artificial que leen imágenes y texto médico

Qué se hizo

Un equipo de Google Research y Google DeepMind presentó en Nature Medicine MedGemma, una familia de modelos de IA (inteligencia artificial) entrenados para la medicina que entienden a la vez imágenes y texto. Son modelos de visión y lenguaje (programas que convierten una imagen en una serie de números que la describen y la leen junto con las palabras de una pregunta, de modo que pueden contestar en texto libre sobre lo que «ven»; aprenden esa relación viendo millones de pares de imagen y texto) construidos sobre Gemma 3, un modelo general de la misma empresa.

La idea es la de un modelo fundacional (modelo grande entrenado una vez con muchísimos datos variados que luego sirve de punto de partida: en lugar de construir una herramienta desde cero para cada tarea, se toma el modelo y se le da un entrenamiento corto y específico). Hay dos tamaños, uno de unos 4.000 millones y otro de unos 27.000 millones de [[parámetros|los números internos que el modelo ajusta mientras aprende; cuantos más tiene, más patrones puede guardar, pero más memoria y potencia de cálculo necesita]], lo bastante pequeños para funcionar en el servidor de un hospital sin enviar datos fuera. Los acompaña MedSigLIP, un codificador de imágenes médicas de unos 400 millones de parámetros para clasificar o buscar imágenes.

Lo más llamativo es que son abiertos: cualquiera puede descargar los pesos, adaptarlos y probarlos con sus propios pacientes y su propio idioma.

Qué encontraron

Se probaron en radiografías de tórax, dermatología, patología digital, oftalmología, preguntas de examen médico e historias clínicas electrónicas. En la versión preliminar del trabajo, comparados con el modelo general del que parten y en tareas con datos que no habían visto al entrenarse:

• En las tareas de agente, el modelo no responde una sola pregunta: conversa con un paciente simulado, pide exámenes y decide paso a paso.
• Con un ajuste fino (entrenamiento corto extra con ejemplos de una tarea concreta, que mueve un poco los parámetros del modelo hacia esa tarea sin borrar lo que ya sabía), los errores al buscar datos en historias clínicas electrónicas bajaron a la mitad, y en la clasificación de neumotórax y de cortes de histopatología quedó al nivel de los mejores modelos hechos solo para eso.
• Un radiólogo de tórax revisó informes de radiografía escritos por el modelo pequeño: en el 81 % juzgó que llevarían a una conducta igual o mejor que el informe original. Fue un solo radiólogo y unos 300 casos.
• El modelo conserva las capacidades generales de Gemma 3: no se volvió «solo médico».

Cómo se compara con lo que ya se sabía

Desde su liberación, en 2025, grupos independientes lo han puesto a prueba. En Perú, con 8.380 preguntas de exámenes de residencia en español, la versión de 27.000 millones fue la que más acertó en casi todas las especialidades, y la versión pequeña, ajustada con preguntas peruanas, superó a todos los modelos de su tamaño. En cambio, en Seattle, para predecir violencia de pacientes hospitalizados a partir de las notas clínicas, quedó por debajo de un clasificador entrenado solo para esa tarea.

Qué significa y qué no

MedGemma es una base abierta para construir y validar herramientas, no un médico digital listo para la consulta. Google advierte que sus respuestas no deben usarse directamente para diagnosticar ni tratar sin validación y adaptación al uso concreto.

• Casi todo lo medido son pruebas de referencia, no ensayos con pacientes reales ni resultados en salud.
• La comparación principal es contra modelos de tamaño parecido, no contra los más grandes.
• Para Latinoamérica, lo valioso es que es abierto: un hospital o una universidad puede evaluarlo con sus propios casos, en español y sin mandar datos de pacientes a terceros.

Fuentes del contexto

• Google Research, Google DeepMind. MedGemma Technical Report. arXiv:2507.05201. 2025. https://arxiv.org/abs/2507.05201
• Google. MedGemma 1 model card. Health AI Developer Foundations. https://developers.google.com/health-ai-developer-foundations/medgemma/model-card-v1
• Carrillo-Larco RM, Lovón-Melgarejo J, Castillo-Cara M, Bravo-Rocca G. PeruMedQA: Benchmarking Large Language Models (LLMs) on Peruvian Medical Exams-Dataset Construction and Evaluation. Med Sci Educ. 2026;36(4):1955-1964. doi:10.1007/s40670-026-02692-w
• Yu Z, Chipkin J, Siar J, Emily Ren S, Xia F, Yetisgen M, et al. Investigating Whether Summarizing Raw Clinical Text Affects the Prediction of In-Hospital Violence: A Retrospective Case Study. Can J Psychiatry. 2026. doi:10.1177/07067437261479118