Google MedGemma

Google MedGemma ist die offene Modellfamilie von Google für medizinische Text- und Bildanalyse, aufgebaut auf Gemma 3 und Teil der Health AI Developer Foundations (HAI-DEF). Aktuell ist MedGemma 1.5 4B vom 13. Januar 2026, ein multimodales Modell, das gegenüber MedGemma 1 zusätzlich CT- und MRT-Volumen, Whole-Slide-Pathologie und Röntgen-Zeitreihen verarbeitet. Für komplexe Textaufgaben bleibt MedGemma 27B aus der ersten Generation verfügbar; eine 27B-Variante von MedGemma 1.5 gibt es nicht.

innFactory AI Consulting aus Rosenheim berät Unternehmen im DACH-Raum zur DSGVO-konformen Integration von medizinischer KI. Für Patientendaten empfehlen wir dringend Self-Hosting und eine sorgfältige Compliance-Prüfung nach MDR/IVDR und EU AI Act. Stand dieser Übersicht: Oktober 2026.

Wichtiger Hinweis

MedGemma ist KEIN zugelassenes Medizinprodukt. Es darf nicht als alleinige Grundlage für klinische Entscheidungen verwendet werden. Alle Ergebnisse müssen von qualifiziertem medizinischem Fachpersonal validiert werden.

Aktuelle Modelle im Überblick

MedQA-Werte (4 Antwortoptionen) laut Modellkarte, für MedGemma 27B (Text) laut Google-Research-Blog. Die Modellkarte nennt 128K Token Input und 8.192 Token Output. Alle Varianten stehen unter den Health AI Developer Foundations Terms of Use, nicht unter Apache 2.0.

Neue Funktionen in MedGemma 1.5

Erweiterte Bildgebungsunterstützung

• 3D-Medizinbildgebung: Verarbeitung vollständiger CT- und MRT-Volumen, nicht nur einzelner Slices
• Whole-Slide Pathologie: Analyse großflächiger histopathologischer Bilder durch Patch-basierte Verarbeitung
• Longitudinale Bildanalyse: Vergleich von Bildserien über Zeiträume hinweg, etwa mehrere Röntgenaufnahmen desselben Patienten
• Verbesserte anatomische Lokalisierung: Deutlich präzisere Identifikation anatomischer Strukturen, insbesondere bei Thorax-Röntgenbildern

Leistung gegenüber MedGemma 1 4B

Laut Google im Vergleich zu MedGemma 1 4B:

• CT-Befundung: Genauigkeit von 58 % auf 61 %
• MRT-Befundung: Genauigkeit von 51 % auf 65 %
• Laborberichte: Makro-F1 bei der Extraktion strukturierter Daten von 60 % auf 78 % (interner Benchmark)
• Histopathologie: ROUGE-L von 0,02 auf 0,49
• Röntgen-Lokalisierung: Intersection-over-Union von 3 % auf 38 %
• Patientenakten: EHRQA von 68 % auf 90 %
• Medizinisches Wissen: MedQA von 64 % auf 69 %

MedGemma 1.5 4B oder MedGemma 27B?

• MedGemma 1.5 4B: Für Bildgebung (CT, MRT, Pathologie, Röntgen), Dokumentenextraktion und Patientenakten; recheneffizient und offline betreibbar
• MedGemma 27B: Laut Google weiterhin die Wahl für komplexere textbasierte Anwendungen, mit 87,7 % MedQA (Text) bzw. 85,3 % (multimodal)

Verfügbarkeit und Integration

Cloud-Deployment

MedGemma ist über mehrere Kanäle verfügbar:

• Hugging Face: Gewichte nach Zustimmung zu den HAI-DEF-Nutzungsbedingungen
• Gemini Enterprise Agent Platform (vormals Vertex AI): Self-Deployment aus dem Model Garden auf einen eigenen Endpoint in der gewählten Region, auch in der EU; die Beschleuniger-Verfügbarkeit je Region ist zu prüfen
• Große Bilddaten: Für Whole-Slide-Pathologie und CT/MRT-Volumen aus Cloud DICOM Store oder Cloud Storage bietet Google im Model Garden eigene Serving-Optionen

Ergänzende Modelle: MedASR und MedSigLIP

Parallel zu MedGemma 1.5 hat Google MedASR veröffentlicht, ein offenes Speech-to-Text-Modell für medizinische Diktate, verfügbar über Hugging Face und die Agent Platform. Die Kombination ermöglicht klinische Dokumentation mit nachgelagerter KI-Analyse. MedSigLIP bildet medizinische Bilder und Text in einen gemeinsamen Embedding-Raum ab, etwa für Klassifikation und Bildsuche.

Regulatorische Aspekte

EU-Regulierung für Healthcare-KI

• MDR/IVDR: Medizinprodukte-Verordnungen zwingend zu beachten
• EU AI Act: Medizinische KI als Hochrisiko-System eingestuft
• Haftung: Volle Verantwortung liegt beim Anwender, nicht beim Modellentwickler
• Validierung: Klinische Validierung erforderlich vor produktivem Einsatz

Datenschutz im Healthcare-Kontext

• DSGVO Art. 9: Besondere Kategorien personenbezogener Daten (Gesundheitsdaten)
• Self-Hosting empfohlen: Patientendaten sollten die eigene Infrastruktur nicht verlassen
• Anonymisierung zwingend: Vor jeder Verarbeitung mit KI-Modellen erforderlich
• Datenresidenz: Bei Cloud-Nutzung EU-Regionen wählen

Self-Hosting für maximale Kontrolle

Für medizinische Anwendungen mit Patientendaten empfehlen wir ausdrücklich Self-Hosting:

• Vollständige Datenkontrolle und -hoheit
• Keine Datenübertragung an externe Anbieter
• Erfüllung strenger Datenschutzanforderungen
• Unabhängigkeit von Cloud-Provider-Verfügbarkeit

Die offenen Gewichte von MedGemma ermöglichen flexibles Deployment in eigener Infrastruktur, von On-Premise-Servern bis zu privaten Cloud-Umgebungen.

Unsere Empfehlung

MedGemma 1.5 4B ist der Einstieg für die meisten medizinischen Bild- und Dokumentenaufgaben: Es verarbeitet CT- und MRT-Volumen, Pathologie-Schnitte und Laborberichte und lässt sich auf einem einzelnen Server oder offline betreiben. Für komplexe Textaufgaben mit ausreichenden Rechenressourcen eignet sich MedGemma 27B, je nach Bedarf als Text- oder multimodale Variante.

Beide sind Werkzeuge für medizinische Forschung, klinische Ausbildung und Unterstützungssysteme. Sie dürfen jedoch niemals als alleinige Grundlage für klinische Entscheidungen dienen. Laut Google muss MedGemma vor dem produktiven Einsatz auf den eigenen Anwendungsfall validiert und in der Regel weiter angepasst werden.

Für Unternehmen im Healthcare-Bereich bieten wir spezialisierte KI-Beratung an - insbesondere zur rechtskonformen Integration nach MDR, IVDR und EU AI Act.