中国科学院合肥物质科学研究院研究团队近日成功研发出新型人工智能医疗诊断系统MultiXpert，标志着医学影像智能分析迈向“零样本”诊断新阶段。该系统能够在无需任何人工标注数据的前提下，对胸部X光片进行高精度智能诊断，甚至可识别从未见过的疾病类型，展现出接近临床医生的推理能力。 胸片作为临床最常用的影像检查手段之一，其诊断依赖医生的经验与判断，人工阅片耗时且易受主观因素影响。尽管传统AI系统在特定任务中已可媲美放射科专家，但其性能高度依赖大规模标注数据，难以应对新发疾病或不同医疗机构间的数据差异，限制了模型在真实复杂临床环境中的泛化能力。 针对这一瓶颈，研究团队提出多模态双流协同增强新架构，构建了首个实现“零样本”高精度胸片诊断的AI系统。系统同时处理图像与文本信息，深度融合医学影像与临床语言知识，显著提升诊断的准确性与可解释性。在图像分析方面，引入病灶感知掩码机制，使模型在无标注条件下仍能有效捕捉潜在异常区域；通过分层记忆矩阵动态平衡全局解剖结构与局部病灶特征，增强对复杂影像的结构化理解能力。 在文本处理方面，系统融合大语言模型与放射科专家知识，对病灶描述进行语义校准与结构化重构，生成既符合解剖学规范又满足临床表达标准的诊断文本，有效提升医学语言表达的一致性与专业性。跨模态语义对齐模块进一步实现图像与文本信息在多粒度层面的互补融合，强化模型在未知疾病场景下的推理能力。 实验结果表明，MultiXpert在四个主流单标签胸片数据集上的平均AUC提升达7.5%，在零样本条件下相较当前主流视觉语言模型平均提升3.9%。这一性能突破验证了系统在无标注数据支持下实现精准诊断的可行性与优越性。 该研究为医学AI从“依赖标注数据”向“自主理解与推理”转变提供了全新范式，推动人工智能在临床诊断中向更智能、更通用、更可信的方向发展。相关成果已发表于国际期刊 Information Processing and Management，研究获得国家自然科学基金等项目支持。