Ces outils, qui font partie d’une collection croissante de modèles open source, permettent aux hôpitaux et chercheurs de les adapter à leurs besoins.
Le modèle Medgemma 27b se distingue par sa capacité à analyser à la fois le texte médical et les images, réalisant des performances impressionnantes, notamment un score de 87,7 % sur la référence MeDQA.
Même son « petit frère », Medgemma 4b, bien que moins puissant, offre un bon niveau de précision dans l’analyse des radiographies.
En complément, MedSiglip, un modèle plus léger, a été spécifiquement conçu pour comprendre les images médicales, tout en établissant un lien entre les visuels et les textes.
Les retours des professionnels de la santé sont encourageants, suggérant que ces modèles aident à repérer des problèmes médicaux, servant ainsi de filet de sécurité pour les praticiens.
L’initiative de Google de rendre ces technologies open source répond à des besoins spécifiques du secteur de la santé, garantissant que les données demeurent internes et que les modèles restent évolutifs selon les exigences médicales.
Cependant, Google souligne que ces outils ne remplacent pas les médecins et nécessitent une supervision humaine.
Cela ouvre la voie à une meilleure accessibilité de l’IA dans des contextes où les ressources sont limitées, sans oublier qu’ils doivent être utilisés comme un complément à l’expertise médicale humaine.
