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AI医疗诊断系统MultiXpert，实现胸片“零样本”智能诊断，无需依赖任何人工标注数据，甚至可识别从未见过的疾病，显著提升AI在复杂临床环境下的泛化能力与诊断水平。 胸片作为临床常用影像检查手段，传统人工判读耗时且高度依赖专家经验。尽管现有AI系统在部分任务中已接近专家水平，但其性能严重依赖大量标注数据，难以应对新发疾病或不同医院间的数据差异，导致模型泛化能力受限。为突破这一瓶颈，研究团队提出多模态双流协同增强新方法，构建出首个能在零样本条件下实现高精度胸片诊断的AI系统。 MultiXpert通过融合图像与文本信息，实现医学影像与语言的深度协同。在图像处理方面，系统引入病灶感知掩码机制，无需显式标注即可增强对潜在病灶的特征捕捉能力；结合分层记忆矩阵，动态平衡全局解剖结构与局部病灶特征，提升对复杂影像的结构化理解。在文本生成方面，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，生成兼具解剖精准性与临床标准化的报告文本，显著提升医学语义表达的一致性。 通过跨模态语义对齐模块，系统实现多粒度信息的互补融合，有效提升零样本条件下的病灶识别与诊断性能。实验结果表明，MultiXpert在四个单标签公共数据集上平均AUC提升7.5%，在零样本场景下较主流视觉语言模型平均提升3.9%。 该研究为医学AI从“依赖标注”向“自主理解”演进提供了新范式，推动AI在医疗诊断中更接近人类医生的思维逻辑。相关成果已发表于《Information Processing and Management》，研究获国家自然科学基金等项目支持。