Характеристики

Лицензия: Своя лицензия
Базовая модель: medgemma-1.5-4b-it
Опубликована: 22 фев 2026

Ссылки

dermtriage-medgemma-1.5-ft-GGUF

Изображение и текст → текст3 профессии

DermTriage — дообученная мультимодальная модель для предварительной оценки кожных поражений по изображениям в исследовательских и образовательных сценариях.

99скачиваний за 30 дней0лайковвеса обновлены24 фев 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

DermTriage — дообученная с помощью QLoRA модель Google MedGemma 1.5 4B для предварительной классификации кожных новообразований по изображениям. Она принимает изображение поражения кожи и текстовый запрос, а затем формирует текстовую оценку. В обучении использованы фотографии со смартфонов PAD-UFES-20 и дерматоскопические изображения HAM10000; модель распространяется в формате GGUF BF16 с отдельным vision-проектором SigLIP.

Модель предназначена для исследовательских и образовательных сценариев предварительной сортировки, включая оценку риска злокачественного или предракового поражения. На отложенной выборке из 872 изображений автор сообщает чувствительность 89,5%, специфичность 70,3% и точность разделения на доброкачественные и злокачественные случаи 73,2%. Лицензия обозначена как other, поэтому условия использования следует уточнить в репозитории. Модель не является диагностическим инструментом и не заменяет осмотр дерматолога или гистологическое исследование; в обучающих данных недостаточно представлены люди с тёмным цветом кожи.

Сценарии применения

предварительная сортировка изображений кожных поражений по риску злокачественности
оценка фотографий кожи со смартфона для исследовательского прототипа триажа
анализ дерматоскопических изображений в образовательных целях

Ограничения

Модель не предназначена для постановки диагноза и не заменяет осмотр дерматолога или гистологию; люди с тёмным цветом кожи недостаточно представлены в обучающих данных. На приведённой тестовой выборке специфичность составила 70,3%, поэтому возможны ошибочные оценки.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.4Отраслевые задачиКлиническая медицина и общественное здоровьеAI помогает поддерживать диагностику, лечение, наблюдение и организацию медицинской помощи.45 задач2 635моделей IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель IV.10Отраслевые задачиДом, личная жизнь, уход и повседневные задачиAI помогает помогать человеку планировать повседневные дела и безопасно управлять домашней средой.30 задач962модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

DermTriage — Fine-tuned MedGemma 1.5 4B (GGUF)

Fine-tuned google/medgemma-1.5-4b-it for dermatology skin lesion classification using QLoRA on a combined dataset of PAD-UFES-20 (smartphone photos) and HAM10000 (dermoscopic images).

Model Details


Base model	google/medgemma-1.5-4b-it
Method	QLoRA (4-bit NF4 + LoRA r=32, alpha=32)
Training framework	Unsloth + TRL SFTTrainer
Hardware	Google Colab Pro, NVIDIA A100 80GB
Datasets	PAD-UFES-20 (2,298 smartphone photos) + HAM10000 (10,015 dermoscopic images)
Class balancing	Oversample minority / downsample majority to median count
Augmentation	Random flip, rotation, color jitter, affine, Gaussian blur, random erasing + prompt augmentation
Format	GGUF BF16 (served via llama.cpp)

Files

File	Size	Description
`dermtriage-ft-BF16.gguf`	~7.8 GB	Fine-tuned text model (BF16)
`mmproj-BF16.gguf`	~851 MB	Vision projector (SigLIP)

Training Data

PAD-UFES-20 — 2,298 smartphone photos, 6 classes, 100% biopsy confirmation for malignant cases. HAM10000 — 10,015 dermoscopic images, 7 classes, 50%+ histopathology confirmed.

Combined and class-balanced with oversampling/downsampling to median class count.

Evaluation Results

Evaluated on held-out test set (872 images):

Metric	Score
Sensitivity (malignant/pre-malignant caught)	89.5% (325/363)
Specificity (benign correctly cleared)	70.3% (358/509)
Benign/Malignant Accuracy	73.2% (638/872)
7-class Diagnosis Accuracy	62.5% (545/872)

Comparison with base model

Metric	Base MedGemma (12 ISIC images)	Fine-tuned (test set)
Sensitivity	100% (3/3)	89.5% (325/363)
Specificity	33% (3/9)	70.3% (358/509)

Intended Use

Research and educational purposes. Part of a dermatology triage AI system that provides preliminary skin lesion assessment.

This is NOT a diagnostic tool. Always consult a qualified dermatologist.

Limitations

Class imbalance mitigated but not eliminated
Does not replace clinical examination or histopathology
Performance on skin of color underrepresented in training data

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Нельзя запустить

GGUF-веса поддерживаются только для текстовых LLM (llama.cpp).

Ревизия весов: 56cfc02