人工智慧在醫療保健領域的應用正以驚人的速度加速發展，其應用速度是整體經濟的兩倍。為了支持這項變革，Google去年透過其健康人工智慧開發者基金會(HAI-DEF) 計畫發布了 MedGemma 開源醫療生成式人工智慧模型集。 MedGemma 等 HAI-DEF 模型旨在為開發者提供評估和調整的起點，以適應其醫療應用場景，並且可以
透過 Vertex AI 在Google雲端 上輕鬆擴展。 MedGemma 的發布反應熱烈，下載量達數百萬次，並
在 Hugging Face 上發布了數百個社區構建的變體。
ZARA 是一個用於人類身體活動識別 (HAR Human Activity Recognition) 的新型框架，它利用穿戴式感測器的原始運動數據。傳統的 HAR 系統通常需要針對特定任務的深度學習模型進行昂貴的重新訓練，而且在引入新感測器或未見活動時，其泛化能力和零樣本識別能力有限，同時也缺乏可解釋性。
ZARA 透過結合多感測器檢索增強生成 (RAG)、自動化的成對領域知識注入和層次代理式大型語言模型 (LLM) 推理來克服這些限制。ZARA 不需額外訓練，就能在多種數據集和感測器配置上實現零樣本分類，其性能超越現有方法，並可提供驗證。研究強調了其檢索、知識庫和代理模組在提升準確性和支援決策方面的關鍵作用。
MedRAX 是個專為胸部 X 光影像 (俗稱肺片) 所設計的醫療推理 Agent。它的主要功能是將 X 光分析工具 C X R，以多模態整合成為一個統一的模型框架，它可以處理複雜的醫療查詢而無需要額外的訓練。為了驗證它的能力，開發團隊透過一個名為 Chest Agent Bench 的綜合評估基準測試，包括 7 個不同類別的 2,500 個醫療查詢。而最終實驗結果顯示 Med RAX 在性能上超越了同類型的模型。
OpenHealth 專案是一個開源的 AI 健康助理，作者描述自己五年來花費超過十萬美元、看過三十多位醫生，卻無法確診自體免疫疾病的痛苦過程。 受到這個經歷的啟發，他開發了一個開源 AI 工具，可以幫助人們分析自己的醫療記錄，從不同的醫院提取並整理數據，並藉由 AI 模型進行分析，找出潛在的疾病。 這個工具的目的是解決醫療資訊分散的問題，讓患者能夠更全面地了解自己的健康狀況，並提供給醫生參考，但作者也強調，此工具僅為輔助診斷，不能取代專業醫療人員的判斷。
瑞士 FinalSpark 實驗室利用腦部類器官 (brain organoids) 開發生物電腦的最新進展。這些微小的球狀物，由約一萬個從幹細胞培養而成的腦神經元組成，被放置在培養器中並連接到電極，以便進行通訊和訓練。此研究屬於生物運算 (bio-computing) 或稱濕件 (wetware) 的領域，目標是創造比現今電腦更節能且高效的運算系統，並可能徹底改變人工智慧系統。
一個強大的視覺語言模型。它基於 Gemma 2 模型，新增了視覺處理能力，並提供多種模型尺寸和解析度以供選擇，用家可根據任務需求調整。PaliGemma 2 的亮點包括更長的內容生成能力，以及在化學辨識、樂譜辨識等領域的領先表現。
PaliGemma 2 是一個強大的視覺語言模型，PaliGemma 的進階版本，主要差異在於其效能提升與功能擴展。以下列出兩者之間的主要差異：
此外，PaliGemma 2 增強了視覺能力。您可以在 Hugging Face 上找到預訓練模型和程式碼，並透過詳細的說明文件和範例筆記本將這些工具整合到您的專案中。
METAGENE-1 是一個由南加州大學、Prime Intellect 和核酸天文台的研究人員合作開發的 70 億參數大型語言模型，它專注於分析來自廢水的 DNA 和 RNA 序列。 這個模型利用超過 1.5 兆個鹼基對的數據進行預訓練，其目標是建立一個能捕捉人類微生物組全貌的模型，以促進疫情監控、病原體檢測和新興健康威脅的早期預警。 METAGENE-1 在病原體檢測和宏基因組嵌入基準測試中取得了最先進的性能，但研究團隊也強調了在發佈更大更強大的基因組模型之前，進行嚴格的安全評估的重要性。 其開源釋出旨在促進病原體檢測和生物監控研究。
