MedGemma 1.5 Technisch Rapport

MedGemma 1.5 Technical Report

April 6, 2026

Auteurs: Andrew Sellergren, Chufan Gao, Fereshteh Mahvar, Timo Kohlberger, Fayaz Jamil, Madeleine Traverse, Alberto Tono, Bashir Sadjad, Lin Yang, Charles Lau, Liron Yatziv, Tiffany Chen, Bram Sterling, Kenneth Philbrick, Richa Tiwari, Yun Liu, Madhuram Jajoo, Chandrashekar Sankarapu, Swapnil Vispute, Harshad Purandare, Abhishek Bijay Mishra, Sam Schmidgall, Tao Tu, Anil Palepu, Chunjong Park, Tim Strother, Rahul Thapa, Yong Cheng, Preeti Singh, Kat Black, Yossi Matias, Katherine Chou, Avinatan Hassidim, Kavi Goel, Joelle Barral, Tris Warkentin, Shravya Shetty, Dale Webster, Sunny Virmani, David F. Steiner, Can Kirmizibayrak, Daniel Golden

cs.AI

Samenvatting

Wij introduceren MedGemma 1.5 4B, het nieuwste model in de MedGemma-collectie. MedGemma 1.5 breidt MedGemma 1 uit door extra mogelijkheden te integreren: hoogdimensionale medische beeldvorming (CT/MRI-volumes en histopathologie whole slide images), anatomische lokalisatie via bounding boxes, analyse van thoraxfoto's over meerdere tijdstippen, en een verbeterd begrip van medische documenten (labrapporten, elektronische patiëntendossiers). Wij lichten de innovaties toe die nodig waren om deze modaliteiten binnen één architectuur mogelijk te maken, waaronder nieuwe trainingsdata, long-context 3D-volume-segmentatie en whole-slide pathologiebemonstering. Vergeleken met MedGemma 1 4B toont MedGemma 1.5 4B significante verbeteringen in deze nieuwe gebieden, met een verbetering van de nauwkeurigheid van 3D MRI-conditieclassificatie met 11% en 3D CT-conditieclassificatie met 3% (absolute verbeteringen). Bij whole slide pathologiebeeldvorming behaalt MedGemma 1.5 4B een winst van 47% in macro F1. Daarnaast verbetert het de anatomische lokalisatie met een stijging van 35% in Intersection over Union op thoraxfoto's en behaalt het een macro-nauwkeurigheid van 4% voor longitudinale (multi-timepoint) thoraxfoto-analyse. Naast de verbeterde multimodale prestaties ten opzichte van MedGemma 1, verbetert MedGemma 1.5 ook op tekstgebonden klinische kennis en redenering, met een verbetering van 5% op MedQA-nauwkeurigheid en 22% op EHRQA-nauwkeurigheid. Het behaalt tevens een gemiddelde van 18% macro F1 op 4 verschillende datasets voor informatie-extractie uit labrapporten (EHR Datasets 2, 3, 4, en Mendeley Clinical Laboratory Test Reports). Samengevat dient MedGemma 1.5 als een robuuste, open bron voor de gemeenschap, ontworpen als een verbeterde basis waarop ontwikkelaars de volgende generatie medische AI-systemen kunnen bouwen. Middelen en tutorials om verder te bouwen op MedGemma 1.5 zijn te vinden op https://goo.gle/MedGemma.

English

We introduce MedGemma 1.5 4B, the latest model in the MedGemma collection. MedGemma 1.5 expands on MedGemma 1 by integrating additional capabilities: high-dimensional medical imaging (CT/MRI volumes and histopathology whole slide images), anatomical localization via bounding boxes, multi-timepoint chest X-ray analysis, and improved medical document understanding (lab reports, electronic health records). We detail the innovations required to enable these modalities within a single architecture, including new training data, long-context 3D volume slicing, and whole-slide pathology sampling. Compared to MedGemma 1 4B, MedGemma 1.5 4B demonstrates significant gains in these new areas, improving 3D MRI condition classification accuracy by 11% and 3D CT condition classification by 3% (absolute improvements). In whole slide pathology imaging, MedGemma 1.5 4B achieves a 47% macro F1 gain. Additionally, it improves anatomical localization with a 35% increase in Intersection over Union on chest X-rays and achieves a 4% macro accuracy for longitudinal (multi-timepoint) chest x-ray analysis. Beyond its improved multimodal performance over MedGemma 1, MedGemma 1.5 improves on text-based clinical knowledge and reasoning, improving by 5% on MedQA accuracy and 22% on EHRQA accuracy. It also achieves an average of 18% macro F1 on 4 different lab report information extraction datasets (EHR Datasets 2, 3, 4, and Mendeley Clinical Laboratory Test Reports). Taken together, MedGemma 1.5 serves as a robust, open resource for the community, designed as an improved foundation on which developers can create the next generation of medical AI systems. Resources and tutorials for building upon MedGemma 1.5 can be found at https://goo.gle/MedGemma.