يقدم الباحثون ClinFusion، وهو نموذج لغوي كبير متعدد الوسائط يركز على الرؤية ومصمم للفهم الطبي الشامل الذي يوحّد تحليل الصور ثنائية الأبعاد والصور ثلاثية الأبعاد الأصلية. يستخدم النظام مشفر رؤية متدرج مركب مع عامل دمج محلي مكاني متسلسل لمعالجة تحديات التصوير الطبي غير المتجانس.
- يتفوق ClinFusion على النماذج مفتوحة المصدر الرائدة مثل Hulu-Med وLingshu في 20 من أصل 24 معيارًا، بما في ذلك الإجابة على الأسئلة البصرية وتوليد التقارير.
- يُظهر قدرات متعددة الوسائط تتفوق على النماذج المملوكة مثل GPT-5.2 وGemini-3-Flash في 13 من أصل 16 معيارًا.
- يقترح المؤلفون MedIF-Bench لتقييم اتباع التعليمات، وطريقة مبنية على منطقة الاهتمام لتقييم الحقائق في التقارير.
- أكدت التقييمات العمياء التي أجراها أطباء أشعة حاصلون على اعتماد اللوحة أن ClinFusion أنتج أعلى التقارير ترتيبًا، مما يؤكد ارتباط المقياس الجديد المبني على منطقة الاهتمام بالحكم الخبير.
يؤسس ClinFusion حالة فنية جديدة عبر المعايير الطبية الشاملة ويمكن تعزيزه باستخدام أدوات وكيلة لسير العمل السريري المدعوم بالاسترجاع.