opción
Hogar
Última hora
Contenido
DanielWalker
DanielWalker
17 de abril de 2026

Google ha publicado en código abierto MedGemma 1.5, un modelo de IA médica con 4.000 millones de parámetros. Este modelo procesa tomografías computarizadas (TC) y resonancias magnéticas (RM) en 3D, preparaciones patológicas completas y radiografías de tórax con anotaciones precisas, y extrae datos de historias clínicas. El modelo muestra importantes mejoras en la precisión con respecto a su predecesor, incluyendo un aumento del 11 % en la clasificación de resonancias magnéticas en 3D y un incremento del 47 % en la puntuación F1 del análisis patológico, al tiempo que mantiene la eficiencia de los parámetros. Se trata de un modelo base para el ajuste por parte de los desarrolladores, no de una herramienta clínica directa.

Google ha publicado en código abierto MedGemma 1.5, un modelo de IA médica con 4.000 millones de parámetros. Este modelo procesa tomografías computarizadas (TC) y resonancias magnéticas (RM) en 3D, preparaciones patológicas completas y radiografías de tórax con anotaciones precisas, y extrae datos de historias clínicas. El modelo muestra importantes mejoras en la precisión con respecto a su predecesor, incluyendo un aumento del 11 % en la clasificación de resonancias magnéticas en 3D y un incremento del 47 % en la puntuación F1 del análisis patológico, al tiempo que mantiene la eficiencia de los parámetros. Se trata de un modelo base para el ajuste por parte de los desarrolladores, no de una herramienta clínica directa. Google ha publicado en código abierto MedGemma 1.5, un modelo de IA médica con 4.000 millones de parámetros. Este modelo procesa tomografías computarizadas (TC) y resonancias magnéticas (RM) en 3D, preparaciones patológicas completas y radiografías de tórax con anotaciones precisas, y extrae datos de historias clínicas. El modelo muestra importantes mejoras en la precisión con respecto a su predecesor, incluyendo un aumento del 11 % en la clasificación de resonancias magnéticas en 3D y un incremento del 47 % en la puntuación F1 del análisis patológico, al tiempo que mantiene la eficiencia de los parámetros. Se trata de un modelo base para el ajuste por parte de los desarrolladores, no de una herramienta clínica directa.
comentario (0)
0/300
OR