💡这项突破是什么?
能够对疾病描述进行语义校准与结构化重构，生成同时具备解剖精准性与临床标准化的病理描述文本，增强医学语义的表达一致性。最终，通过跨模态语义对齐模块实现多粒度信息的互补融合，有效提升了模型在零样本条件下的病灶识别与诊断性能。实验结果显示，MultiXpert在四个单标签公共数据集上平均AUC提升达7.5%，在零样本场景下较主流视觉语言模型平均提升3.9%。在来自十家医院的多中心私有数据上，MultiXpert较传统监督模型（如ConvNeXt）提升13.9-22.6%，充分证明了其优异的跨中心泛化性能与临床可迁移性。
该项研究为胸片零样本智能诊断提供了新的技术路径，也为医学AI从“依赖标注”迈向“自主理解”提供了新范式，标志着医疗AI在零样本学习领域的新突破。李海研究员团队长期聚焦于AI+医学影像研究，致力于推进智慧医疗的技术创新和临床转化。未来，团队将进一步拓展该模型在多病种、多模态影像（如：X光、超声、CT、MRI）中的应用，推动其在临床场景中的落地转化，助力构建更加智能、精准、可解释的医学影像分析体系。
该论文第一作者为中国科学技术大学2023级博士研究生王俊杰，通讯作者为健康所李海研究员和王腾飞博士。本研究得到了国家自然科学基金和安徽省重点研发项目的支持。
文章链接：https://doi.org/10.1016/j.ipm.2025.104468
多模态双流协同增强模型（MultiXpert）结构示意图
