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名为MultiXpert的新型AI医疗诊断系统，实现了在“零样本”条件下对胸片的高精度智能诊断。该系统突破了传统AI模型对大量人工标注数据的依赖，能够在未见过的疾病类型上进行有效识别，显著提升了模型的泛化能力与临床适用性。胸片作为临床最常用的影像检查手段之一，其人工判读过程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可媲美放射科医生，但其性能受限于训练数据的标注质量与数量，难以应对新发疾病或不同医疗机构间的数据异质性问题。MultiXpert通过提出“多模态双流协同增强”新架构，首次在无需任何标注数据的前提下，实现对胸片的精准分析，使AI的诊断逻辑更接近人类医生的综合判断过程。 系统在图像处理方面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区域的特征提取能力；同时采用分层记忆矩阵，动态平衡全局解剖结构与局部病灶特征之间的关系，显著提升对复杂影像的结构化理解水平。在文本分支中，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，生成兼具解剖准确性与临床标准化的病理文本，有效提升了医学语言表达的一致性与专业性。通过跨模态语义对齐模块，图像与文本信息在多粒度层面实现互补融合，进一步增强了模型在零样本场景下的诊断性能。 实验表明，MultiXpert在四个主流单标签胸片数据集上的平均AUC提升达7.5%，在零样本测试中较当前主流视觉语言模型平均提升3.9%，展现出卓越的泛化能力与鲁棒性。该成果为医学AI从“数据驱动”向“理解驱动”转型提供了关键范式，标志着AI在医疗影像诊断中迈向自主认知的新阶段。相关研究已发表于国际权威期刊Information Processing and Management，并获得国家自然科学基金等项目支持。该技术有望在基层医疗、突发公共卫生事件应对及罕见病筛查中发挥重要作用，推动AI医疗从辅助工具向智能决策支持系统演进。业内专家认为，MultiXpert的突破不仅在于技术架构创新，更在于其对医学AI“可解释性”与“泛化能力”的实质性推进，为未来构建通用型医疗AI系统奠定了坚实基础。