/ Модель

Характеристики

Контекст
131 072 токена
Параметры
4 млрд
Размер весов
15,5 ГБ
Лицензия
Своя лицензия
Архитектура
gemma3_text · dense
Базовая модель
medgemma-4b-it
Библиотека
transformers
Опубликована
24 фев 2026

medgemma-4b-it-crimson

Генерация текстаТекст → текст3 профессии

Модель оценивает качество сгенерированных рентгенологических заключений по CRIMSON, сравнивая их с эталонными и выявляя клинические ошибки.

1 221скачиваний за 30 дней3лайкавеса обновлены16 мар 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

rajpurkarlab/medgemma-4b-it-crimson — плотная языковая модель на архитектуре Gemma 3, дообученная на базе google/medgemma-4b-it для оценки качества рентгенологических заключений по CRIMSON. Модель сопоставляет заключение-кандидат с эталонным и выявляет ошибки, включая ложные и пропущенные находки и ошибки в атрибутах. В обучении использован набор ReXGradient-160K; базовая модель имеет 4 млрд параметров и контекст до 131 072 токенов.

Модель предназначена для автоматизированного скоринга заключений, созданных ИИ, и анализа ошибок в исследовательских и оценочных сценариях радиологии. Она работает с текстом на английском языке; карточка описывает дообучение LoRA с последующим слиянием адаптера с базовыми весами. Модель распространяется в формате Safetensors через Transformers.

Автор указывает, что модель не является универсальной радиологической системой и не валидирована для принятия клинических решений. Лицензия обозначена как other, поэтому перед использованием следует проверить условия на странице репозитория.

Сценарии применения

  • оценка качества сгенерированных рентгенологических заключений
  • поиск ложных находок в заключении-кандидате
  • выявление пропущенных находок при сравнении с эталоном
  • обнаружение ошибок в атрибутах рентгенологического заключения
  • анализ ошибок в исследовательских экспериментах по генерации медицинских отчётов

Ограничения

Не валидирована для клинических решений и предназначена специально для CRIMSON scoring, а не для общих задач радиологии. Условия лицензии обозначены как other и требуют проверки на странице репозитория.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

MedGemma-4B-IT Fine-tuned for CRIMSON Scoring

This model is a fine-tuned version of google/medgemma-4b-it, fully fine-tuned on the training set of ReXGradient-160K for radiology report evaluation with CRIMSON scoring.

Model Details

  • Base Model: google/medgemma-4b-it
  • Fine-tuning Method: LoRA (merged into base model)
  • Language: English
  • Domain: Medical / Radiology
  • Task: Radiology report generation evaluation

Intended Use

This model is designed for CRIMSON scoring — evaluating the quality of AI-generated radiology reports by comparing them against ground truth reports and identifying errors (false findings, missing findings, attribute errors).

Installation & Usage

1. Install RadGame-MedGemma

git clone https://github.com/MohammedSB/RadGame-MedGemma
cd RadGame-MedGemma
pip install -e .

2. Use with CRIMSON

from CRIMSON.CRIMSON.generate_score import CRIMSONScore

# Initialize scorer with the finetuned model
scorer = CRIMSONScore(model_name="CRIMSONScore/medgemma-4b-it-crimson")

# Evaluate a candidate report against ground truth
result = scorer.evaluate(
    reference_findings="No acute cardiopulmonary abnormality. Heart size is normal.",
    predicted_findings="No acute cardiopulmonary abnormality. Mild cardiomegaly.",
    patient_context={"age": "65", "indication": "chest pain"},
    include_guidelines=False,
)

print(f"CRIMSON Score: {result['crimson_score']}")
print(f"Error counts: {result['error_counts']}")

Training Data Generation

The training data was generated using a multi-regime candidate generation pipeline designed to create diverse (ground truth, candidate) pairs with varying types of errors.

Regimes

The pipeline samples from 6 regimes with equal probability:

RegimeTypeDescription
0Non-LLMRandom Report: Substitutes a randomly selected report from a different study
1Non-LLMSimilar Report: Substitutes a semantically similar report using BERT embeddings (all-MiniLM-L6-v2) and cosine similarity, selecting from the top-5 most similar reports
2LLMPerfect Rewrite: Rewrites the report to sound different while preserving exact clinical meaning
3LLMFalse Finding Injection: Rewrites and introduces fabricated positive findings (e.g., new pathology, device, anatomical abnormality)
4LLMAttribute Error: Rewrites and introduces attribute errors on existing findings (location/laterality, severity, morphology, measurements, certainty, temporal changes)
5LLMOmission Error: Rewrites and omits clinically significant positive findings

For LLM-based regimes (3, 4, 5), up to 2 error types can be combined in a single candidate (e.g., a report with both a false finding and an attribute error).

Scoring Pipeline

Each (ground truth, candidate) pair was scored using CRIMSONScore (using Azure OpenAI GPT-5) to generate structured training labels including error analysis, CRIMSON scores, and significance-weighted error counts.

Patient Context Augmentation

Patient context (age, sex, indication) was included with 80% probability per field during training.

Training Details

Dataset

Hardware

  • 8x NVIDIA H100 80GB HBM3

Hyperparameters

ParameterValue
Epochs10
Batch size (per device)4
Gradient accumulation steps2
Effective batch size32
Learning rate1e-4
Warmup ratio0.05
Weight decay0.05
Max sequence length4048
Seed42

LoRA Configuration

ParameterValue
LoRA rank (r)16
LoRA alpha32
LoRA dropout0.05

Limitations

  • Research use only — not validated for clinical decision-making
  • Designed specifically for CRIMSON scoring; not a general-purpose radiology model

Citation

If you use this model, please cite:

@article{sellergren2025medgemma,
  title={Medgemma technical report},
  author={Sellergren, Andrew and Kazemzadeh, Sahar and Jaroensri, Tiam and Kiraly, Atilla and Traverse, Madeleine and Kohlberger, Timo and Xu, Shawn and Jamil, Fayaz and Hughes, C{\'\i}an and Lau, Charles and others},
  journal={arXiv preprint arXiv:2507.05201},
  year={2025}
}

@article{zhang2025rexgradient,
  title={Rexgradient-160k: A large-scale publicly available dataset of chest radiographs with free-text reports},
  author={Zhang, Xiaoman and Acosta, Juli{\'a}n N and Miller, Josh and Huang, Ouwen and Rajpurkar, Pranav},
  journal={arXiv preprint arXiv:2505.00228},
  year={2025}
}

License

This model is subject to:

https://developers.google.com/health-ai-developer-foundations/terms

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForCausalLM
Ревизия весов
02e8a99

0 моделей