中国科学院合肥物质科学研究院研究员李海团队开发了一种新型AI医疗诊断系统MultiXpert。该系统能够在“零样本”条件下对胸片进行智能诊断，意味着它无需任何标注数据，就能识别出甚至从未见过的疾病，从而使AI具备更接近医生诊断思维的能力。11月6日，相关研究成果发表于《信息处理与管理》。

胸片是临床最常用的影像学检查手段之一，用于肺炎、结节、气胸等多种疾病的筛查，但人工判读耗时且依赖专家经验。传统AI系统虽然在一些任务上能媲美专家，却又严重依赖大量人工标注的数据，难以应对新发疾病或不同医院之间的数据差异，导致模型泛化能力有限，无法满足复杂临床环境下的精准诊断的需求。

为应对这一挑战，李海团队提出了多模态双流协同增强的新思路，构建了一个无需额外标注数据即可实现“零样本”高精度诊断的胸片智能分析框架MultiXpert。该模型能够同时处理图像与文字信息，并利用大语言模型和放射科专家知识优化病灶描述，实现图像与语言的深度融合，让AI在未见疾病中也能“看懂”胸片，从而更加趋近于医生的思考逻辑。

实验结果显示，MultiXpert在4个单标签公共数据集上平均AUC（评估模型的一个指标）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相较于传统的单中心监督学习模型（如EfficientNet、ConvNeXt和ViT）提升13.9%至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。

相关论文信息：https://doi.org/10.1016/j.ipm.2025.104468