Die Segmentierung medizinischer Bilder ist grundlegend für biomedizinische Entdeckungen. Bestehende Methoden weisen eine geringe Verallgemeinerungsfähigkeit auf und erfordern für neue klinische Anwendungen umfangreiche, zeitaufwändige manuelle Annotationen. Hier stellen wir MedSAM-3 vor, ein textpromptbares Segmentierungsmodell für medizinische Bilder und Videos. Durch das Feintunen der Segment-Anything-Model-(SAM)-3-Architektur auf medizinischen Bildern mit semantischen Konzeptbezeichnungen ermöglicht unser MedSAM-3 die medizinische Prompt-basierte Konzeptsegmentierung (Promptable Concept Segmentation, PCS), wodurch anatomische Strukturen präzise über offene-Vokabular-Textbeschreibungen – statt ausschließlich geometrische Prompts – identifiziert werden können. Weiterhin führen wir den MedSAM-3-Agenten ein, einen Rahmenwerk, der Multimodale Große Sprachmodelle (Multimodal Large Language Models, MLLMs) integriert, um komplexe Schlussfolgerungen und iterative Verfeinerungen in einem Agent-in-the-Loop-Workflow durchzuführen. Umfassende Experimente an verschiedenen medizinischen Bildgebungsmodalitäten – einschließlich Röntgen, MRT, Ultraschall, CT und Videos – zeigen, dass unser Ansatz bestehende Spezial- und Grundlagenmodelle erheblich übertrifft. Wir werden unseren Code und das Modell unter https://github.com/Joey-S-Liu/MedSAM3 veröffentlichen.