# 臨床意思決定支援

MedGemma-4B-it-Q8_0-GGUF は google/medgemma-4b-it を基に変換された GGUF フォーマットのモデルで、医療分野の画像テキストからテキストへのタスク専用に設計されています。

Qwen3-0.6Bを微調整した医学推論モデルで、臨床意思決定支援と医学教育のために設計されています

Citrusは医学専門家の認知プロセスをシミュレートすることで、臨床専門知識とAI推論の間のギャップを埋める医療言語モデルです。

BERTをベースに構築され、MedTextデータセットでファインチューニングされたテキスト分類モデルで、ユーザーが報告した症状に基づいて潜在的な医療状態を予測します。

GEMは心電時系列データ、12誘導心電画像、テキストを統合したマルチモーダル大規模言語モデルで、臨床的根拠に基づく心電解釈を実現します。

Llamaアーキテクチャを蒸留最適化した8Bパラメータ医療QAモデル、専門医学データによる微調整で臨床意思決定支援能力を向上

放射学レポート生成用の小型マルチモーダル言語モデルで、時間的比較を含む詳細な『所見』セクションを生成可能

これはDeepSeek-R1をファインチューニングした医療分野のQ&Aモデルで、医療関連のテキスト生成タスクに特化しています。

DeepSeek-R1-Distill-Llama-8Bモデルをファインチューニングした医学推論モデルで、思考連鎖推論と臨床意思決定能力を最適化

Bio-Medical-Llama-3-8BとDeepseek蒸留版Llama 8Bを基にしたファインチューニング版で、思考連鎖（COT）命令セットを導入することで高度な推論能力を実現し、医療健康と生命科学分野に特化しています。

Llama-3.2-1B-Instructをファインチューニングした生物医学専用モデルで、62.5万の学習データサンプルを含み、特に2.5万件の思考連鎖(CoT)指導サンプルを追加して推論能力を強化

Llama3.1-Aloe-Beta-8Bはオープンソースの医療大規模言語モデルで、多くの医療タスクにおいて最先端の性能を達成しています。

心電図（ECG）画像解読のために特別に設計されたマルチモーダル大規模言語モデル（MLLM）。多様なデータソースからのECG関連タスクを処理可能。

Llama-3-8B-Instructをファインチューニングしたマルチモーダルバイオメディカルモデルで、テキストと画像処理をサポートし、バイオメディカル分野の研究と臨床応用に適しています。

Bio-Medical-Llama-3-8BはLlama-3-8B-Instructを微調整した高性能生物医学言語モデルで、広範な生物医学テーマをカバーするように設計されています。

臨床医学に特化した大規模言語モデルで、特に資源不足地域や人道環境に焦点を当てています

マーリンはコンピュータ断層撮影向けの3D視覚言語モデルで、構造化電子健康記録と非構造化放射線レポートを同時に利用して事前学習を行います。

Palmyra-Med-70B-32kはWriterが医療健康分野向けに開発した大規模言語モデルで、32kのコンテキストウィンドウを持ち、生物医学ベンチマークテストで優れた性能を発揮します。

Palmyra-MedはWriterが医療健康分野向けに設計した大規模言語モデルで、生物医学ベンチマークテストで優れた成績を収め、多くの主流モデルをリードしています。

John Snow Labsが開発した医療分野向け大規模言語モデル、Microsoft Phi-2アーキテクチャを基に最適化

CheXagentは胸部X線読影に特化した基礎モデルで、医療画像解析を支援することを目的としています。

マルチモーダルTransformerベースの放射線学レポート生成および医療対話システムで、胸部X線画像を分析し関連レポートを生成または医学的質問に回答できます。

これは胸部X線画像に基づくテキスト生成モデルで、医学画像から放射線学的所見レポートを生成できます。

OpenBioLLM-70Bは生物医学分野向けに設計された先進的なオープンソース言語モデルで、Meta-Llama-3-70B-Instructを微調整しており、生物医学タスクで卓越した性能を発揮します。

医師によってトレーニングされた大規模医療分野言語モデル、MedQA（USMLE）試験で60％以上の合格点を達成した初の7bモデル

CheXagentは胸部X線読影に特化した基盤モデルで、医療画像解析の精度と効率を向上させることを目的としています。

CheXagentは胸部X線画像の解読に使用される基盤モデルで、自動的に胸部X線画像を分析・解読できます。

CheXagentは胸部X線画像の解読に特化した基盤モデルで、先進的なAI技術により医療画像解析の精度と効率を向上させることを目的としています。

CheXagentは胸部X線解釈に特化した基礎モデルで、先進的な視覚言語処理技術により医学画像解析の精度と効率を向上させることを目的としています。

CheXagentは胸部X線画像解釈に特化した基盤モデルで、先進的なAI技術による医療画像解析支援を目的としています。

CheXagentは胸部X線画像の自動分析と解釈に特化した基礎モデルです。

RadLLaMA-7bはスタンフォードAIMIチームが開発した放射学領域向けの基礎言語モデルで、LLaMA2アーキテクチャを基にしています。

Meditron-7Bは70億パラメータを持つオープンソースの医療大規模言語モデルで、医療コーパスを用いてLlama-2-7Bから適応され、多くの医療推論タスクで優れた性能を発揮します。

Med42 70Bはアラブ首長国連邦のM42 Healthが開発した医療アシスタントモデルで、医療健康分野のテキスト生成タスクに特化しています。

Med42はM42が開発した700億パラメータの臨床大規模言語モデルで、LLaMA-2アーキテクチャを基盤とし、医学知識の質問応答と臨床意思決定支援に特化しています。

これはPET検査所見の要約に特化したファインチューニング版Clinical-T5モデルで、PET検査所見に基づいて個別化された臨床印象を自動生成できます。

臨床ラクダはLLaMA-2 70Bアーキテクチャをベースに、QLoRAファインチューニングを施したオープンソースの大規模言語モデルで、医学および臨床研究分野に特化しています。

BioBartベースのシーケンス・ツー・シーケンスモデルで、放射学的所見を印象にまとめるために使用され、70,000件の放射学レポートでトレーニングされています。

臨床シナリオ向けに設計・最適化された大規模言語モデル。多様な医療データセットでファインチューニング済み

MedLLaMA_13BはLLaMA-13bアーキテクチャをベースに、一部の医療コーパスでファインチューニングされた医療分野向け大規模言語モデルです。