一般的点云データが異なるタスクのためにますます研究され、最近ではTransformerベースのネットワークが点群解析に提案されています。しかし、疾患検出や治療にとって重要な医療用点群データに関する研究はほとんど存在しません。本研究では、複雑な生物学的構造を検討するために、医療用点群データ専用の注意メカニズムに基づくモデルである3次元医療点Transformer（3DMedPT）を提案します。当該注意モジュールは、コンテクスト情報を強化し、クエリでの局所応答を要約することで、局所的なコンテクストと全体的なコンテンツ特徴量の相互作用を捕捉できます。ただし、医療データの訓練サンプルが不足しているため、特徴量学習が不十分になる可能性があります。そこで、正確な局所幾何学を学習するために位置エンベッドリングを使用し、チャンネルグラフ上の全体的な知識伝播を検討して特徴表現を豊かにするためにマルチグラフ推論（Multi-Graph Reasoning, MGR）を適用しました。IntrAデータセットで実施された実験により、3DMedPTの優位性が証明されました。当該モデルでは最良の分類およびセグメンテーション結果を得ています。さらに、一般3次元点群ベンチマークであるModelNet40とShapeNetPartにおいても当該手法の有望な汎化能力が確認されました。コードは公開されています。