MedGemma Foundation Model เพื่อการต่อยอดสำหรับนักพัฒนา เพื่อ AI ทางการแพทย์

เรามีพูดถึงโมเดลทางการแพทย์ จาก Google ไปหลายครั้ง ซึ่งในช่วงที่ผ่านมาผมและทีมงานเห็นวิวัฒนาการของโมเดลอย่างต่อเนื่อง ด้วยสายงานที่เราทำกันอยู่ ตั้งแต่ MedPaLM 1 จนมาถึงโมเดลที่ 2 ที่สอบมาตรฐานแพทย์ได้สูงจนน่าตกใน จาก MedPaLM ปีถัดมาก็ถูกพัฒนาต่อเป็น MedLM ที่ออกมาเป็นโมเดลพื้นฐาน (foundation models) สำหรับอุตสาหกรรมสุขภาพ ที่สร้างขึ้นบนพื้นฐานของ Med-PaLM 2 แต่ได้รับการปรับแต่งเพิ่มเติมให้เหมาะกับการใช้งานในสภาพแวดล้อมจริง ปรับปรุงให้ตรงกับ ความต้องการขององค์กรทางการแพทย์ในด้านการประมวลผลข้อมูลที่หลากหลาย ทั้งการจัดการเอกสาร การสรุปผลข้อมูลทางคลินิก

MedLM Med-Gemini และ Open Source Medical LLM

MedLM ถูกผลักดันออกมาเพื่อให้เริ่มให้ องค์กรด้านสุขภาพได้ใช้งานในเชิงพาณิชย์ได้ มีให้ใช้บน Vertex AI ใน Google Cloud ใช้ได้กับงานเช่น Summarization, Clinical notes, Patient Q&A ทั้ง MedPaLM และ MedLM เป็นโมเดลที่เน้นการตอบคำถามในรูปแบบ Text เป็นหลัก

ในระยะหลังที่ตลาด AI แข็งขันกันมากขึ้น Google เปลี่ยนจาก Bard เป็น Gemini และพัฒนาโมเดล จนกลายเป็น Multimodal LLM (Text + Images + Temporal reasoning) โมเดลที่เฉพาะทางการแพทย์ก็ถูกพัฒนาเพื่อให้เป็น Multimodal LLM เช่นกัน จนกลายเป็น Med-Gemini เป็นโมเดลทางการแพทย์ ที่ใช้เจาะจงความเชี่ยวชาญในอุตสาหกรรมการแพทย์ โดยตรง

Med-Gemini คือชุดโมเดล AI ทางการแพทย์เจนเนอเรชันใหม่ที่พัฒนาต่อยอดจากโมเดล Gemini ของ Google โดยปรับจูน (fine-tune) บนข้อมูลทางการแพทย์ที่ถูกลบชื่อตัวบุคคลออก พร้อมความสามารถด้านการวิเคราะห์เชิงตรรกะ (reasoning), มัลติโมดัล (text, รูปภาพ, วิดีโอ) และการเข้าใจบริบทยาว (long-context)

ซึ่งในทางการแพทย์ สามารถนำไปประยุกต์ใช้งานได้อย่างมากในหลายวัตถุประสงค์ Med-Gemini เก่งกว่าเดิมเท่าไหร่ บนการทดสอบ MedQA ลองดูได้บนบทความที่เคยเขียนเจาะรายละเอียดโมเดล Med-Gemini

ในช่วงระยะหลังที่มีการพูดคุยกับกลุ่มลูกค้าที่สนใจ พบว่าไม่ใช่ทุกรายที่อยากใช้โมเดลทางการแพทย์เชิงพาณิชย์ ที่อยู่บน Cloud เนื่องด้วยวัตถุประสงค์ที่แตกต่างกันไป และหลายองค์กรก็มองถึงความยั่งยืนในการพัฒนา AI เพื่อเป็นพื้นฐานของธุรกิจ การพิจารณาการสร้าง Medical LLM จากโมเดลทางเลือก ทั้งจาก Open-Source community และบริษัทอื่น ๆ ที่พัฒนาเพื่อ Healthcare โดยเฉพาะ เช่น PubMedBERT / BioBERT / ClinicalBERT เป็นการรวมตัวของ กลุ่มวิจัยหลายมหาวิทยาลัย มาร่วมพัฒนา หรือ BioGPT จาก Microsoft Research (2022) Fine-tuned จาก PubMed, เหมาะกับ Biomedical NLP เช่น Drug discovery, BioNER

ข้อดีของ Open-Source ด้าน Medical LLM ในการพัฒนาเพราะสามารถ → ควบคุมการพัฒนาได้เอง + Fine-tune เสริมความสามารถโดยทีมงานเอง เพื่อตอบโจทย์วัตถุประสงค์เฉพาะ หรือใช้ประโยชน์จากฐานข้อมูลของตนเอง ได้ → ตัวที่นิยม ได้แก่ BioGPT, PMC-LLaMA, Clinical Camel, GatorTron

MedGemma Open models (Gemma 3 family)

“Med Gemma” (หรือ “MedGemma”) คือโมเดล AI ชนิด foundation model จาก Google DeepMind เช่นกัน เป็นรุ่นย่อยหนึ่งของ Gemma 3 ซึ่งเป็นกลุ่มโมเดลขนาดเล็ก (lightweight), แบบเปิด (open models) ที่ได้รับการออกแบบให้รันได้ในระดับ consumer hardware ได้อย่างมีประสิทธิภาพ 

ตั้งใจออกมาเป็นโมเดลปัญญาประดิษฐ์ (AI) แบบโอเพนซอร์ส เพื่อช่วยให้นักวิจัยและนักพัฒนาสามารถสร้างเครื่องมือและแอปพลิเคชันทางการแพทย์ที่ล้ำสมัยได้อย่างมีประสิทธิภาพและปลอดภัยมากยิ่งขึ้น

ความสามารถหลักของ MedGemma:

• การวิเคราะห์ข้อมูลทางการแพทย์ที่หลากหลาย: MedGemma ถูกออกแบบมาให้สามารถประมวลผลข้อมูลได้หลายรูปแบบ (Multimodal) ทั้งข้อมูลที่เป็นข้อความ (Text) และรูปภาพ (Image) ทำให้สามารถวิเคราะห์ข้อมูลจากเวชระเบียนควบคู่ไปกับภาพถ่ายทางการแพทย์เพื่อการวินิจฉัยที่ครอบคลุม
• การให้เหตุผลทางคลินิก (Clinical Reasoning): โมเดลนี้มีความสามารถในการคิดวิเคราะห์และให้เหตุผลทางการแพทย์ที่ซับซ้อน สามารถช่วยสรุปข้อมูลผู้ป่วย ตอบคำถามทางการแพทย์ และช่วยในการตัดสินใจทางคลินิกได้
• โอเพนซอร์ส (Open-source): การที่ MedGemma เป็นโอเพนซอร์สทำให้นักวิจัยและนักพัฒนาทั่วโลกสามารถเข้าถึง นำไปใช้งาน และต่อยอดนวัตกรรมได้อย่างเสรี ซึ่งจะช่วยเร่งการพัฒนาเทคโนโลยี AI ทางการแพทย์ให้ก้าวหน้าไปอย่างรวดเร็ว

MedSigLIP (400M parameters)

ในการทำงานของ Model MedGemma จะทำงานร่วมกันกับ โมเดล MedSigLIP ซึ่งทำหน้าที่ในการจำแนกภาพ ในงาน Medical Imaging เป็นหลัก ตั้งแต่ภาพเอ็กซเรย์ปอด, ภาพสแกนผิวหนัง, ไปจนถึงภาพชิ้นเนื้อใต้กล้องจุลทรรศน์ MedSigLIP ที่เปรียบเสมือน “ดวงตา” ผู้เชี่ยวชาญในชุดเครื่องมือทางการแพทย์ MedGemma พัฒนาเพื่อวิเคราะห์รูปภาพทางการแพทย์โดยเฉพาะ โดยพัฒนาต่อยอดมาจากสถาปัตยกรรม SigLIP (Locked-image and text Tuning) ซึ่งเป็นเทคนิคที่ทำให้ AI เรียนรู้ความเชื่อมโยงระหว่าง “ภาพ” กับ “คำอธิบาย”

ความสามารถสุดทึ่งของ MedSigLIP ✨

แม้จะเป็นโมเดลที่มีขนาดเล็กกะทัดรัด (เพียง 0.4 พันล้านพารามิเตอร์) แต่ความสามารถของมันไม่เล็กตามเลยครับ

1. การจำแนกประเภทของภาพ (Image Classification): MedSigLIP สามารถวิเคราะห์ภาพและบอกได้ว่าภาพนั้นจัดอยู่ในกลุ่มไหน เช่น ภาพเอ็กซเรย์นี้มีแนวโน้มของโรคปอดบวมหรือไม่ หรือภาพผิวหนังนี้เป็นเนื้อร้ายชนิดใด
2. การค้นหาภาพที่คล้ายกัน (Image Retrieval): นี่คือความสามารถที่น่าทึ่งมากครับ สมมติว่าแพทย์เจอเคสหายากที่ไม่เคยเห็นมาก่อน เขาสามารถนำภาพของผู้ป่วยรายนี้ให้ MedSigLIP ช่วยค้นหาเคสอื่นๆ ที่มีลักษณะภาพใกล้เคียงกันจากฐานข้อมูลขนาดใหญ่ได้ทันที ช่วยให้การวินิจฉัยและการวางแผนการรักษารวดเร็วและแม่นยำขึ้น

โมเดลในชุด MedGemma:

Google ได้เปิดตัว MedGemma ในหลายขนาดเพื่อให้เหมาะสมกับลักษณะงานที่แตกต่างกันไป โดยมีโมเดลหลักที่น่าสนใจดังนี้:

• MedGemma 2B และ 7B: เป็นโมเดลที่เน้นการประมวลผลข้อความทางการแพทย์ เหมาะสำหรับงานอย่างการสรุปประวัติผู้ป่วย การตอบคำถามจากเอกสารทางการแพทย์
  • MedGemma 4B Multimodal โมเดลสำหรับงานแยกแยะภาพ (image clarification) โดยเฉพาะ ใช้อ่านภาพถ่ายรังสี ภาพเอ็กซ์เรย์ ภาพจากเครื่องสแกนต่างๆ ภาพถ่ายผิวหนัง ฯลฯ
• Med-Gemini: เป็นโมเดลที่มีขนาดใหญ่และมีความสามารถสูงขึ้น สามารถทำงานที่ซับซ้อน เช่น การวินิจฉัยโรคจากข้อมูลที่หลากหลาย การสนทนาโต้ตอบทางการแพทย์ และการวิเคราะห์ภาพถ่ายทางการแพทย์ขั้นสูง

บทสรุป ความสามารถหลักของ MedGemma

✨ จุดเด่นสำคัญที่ทำให้ MedGemma พิเศษ

1. เป็นโมเดลเปิด (Open Model): Google เปิดให้โรงพยาบาล, สถาบันวิจัย, และนักพัฒนาทั่วโลกสามารถนำ MedGemma ไปใช้งานและพัฒนาต่อยอดได้โดยไม่มีค่าใช้จ่าย ซึ่งจะช่วยเร่งให้เกิดนวัตกรรมใหม่ๆ ในวงการแพทย์ได้เร็วขึ้น
2. ปรับจูนเพื่อใช้งานเฉพาะทางได้ (Fine-tunable): ด้วยการที่มีโมเดลหลายขนาด ทำให้สามารถนำไป “ฝึกสอนเพิ่มเติม” กับข้อมูลเฉพาะของแต่ละโรงพยาบาลได้ เช่น การฝึกให้เชี่ยวชาญการวินิจฉัยโรคที่พบบ่อยในพื้นที่นั้นๆ เพื่อให้ผลลัพธ์ที่แม่นยำยิ่งขึ้น

โดยสรุป MedGemma เปรียบเสมือนผู้ช่วยอัจฉริยะสำหรับบุคลากรทางการแพทย์ ที่ช่วยจัดการกับข้อมูลมหาศาล ทำให้การวินิจฉัยและการดูแลผู้ป่วยมีประสิทธิภาพและรวดเร็วยิ่งขึ้นครับ

https://deepmind.google/models/gemma/medgemma