शोधकर्ताओं ने ClinFusion का परिचय दिया, जो एक दृष्टि-केंद्रित बहुमोडल बड़ी भाषा मॉडल है जो संपूर्ण चिकित्सा समझ के लिए डिज़ाइन किया गया है और 2D तथा प्राकृतिक 3D छवि विश्लेषण को एकत्र करता है। यह प्रणाली विषम चिकित्सा इमेजिंग की चुनौतियों को दूर करने के लिए Cascade Spatial-Aware Locality Fusion ऑपरेटर के साथ एक संयोजक कैस्केडेड विसन एन्कोडर का उपयोग करती है।
- ClinFusion, 20 में से 24 मानदंडों पर Hulu-Med और Lingshu जैसे प्रमुख ओपन-सोर्स मॉडल को पछाड़ता है, जिसमें दृश्य प्रश्न उत्तर और रिपोर्ट जनरेशन शामिल हैं।
- यह 16 में से 13 मानदंडों पर GPT-5.2 और Gemini-3-Flash जैसे बंद स्रोत मॉडल की तुलना में श्रेष्ठ बहुमोडल क्षमताओं को प्रदर्शित करता है।
- लेखकों ने निर्देश-अनुपालन आकलन के लिए MedIF-Bench और तथ्यात्मकता-चालित रिपोर्ट मूल्यांकन के लिए क्षेत्र-रुचि-आधारित विधि का प्रस्ताव रखा है।
- बोर्ड-प्रमाणित रेडियोलॉजिस्टों द्वारा की गई अंधी मूल्यांकन ने पुष्टि की कि ClinFusion ने सर्वोच्च रैंक वाली रिपोर्टें उत्पन्न कीं, जिससे नए RoI-आधारित मापदंड का विशेषज्ञ निर्णय के साथ सहसंबंध की पुष्टि हुई।
ClinFusion व्यापक चिकित्सा मानदंडों में एक नई सर्वश्रेष्ठ प्रदर्शन स्थापित करता है और पुनर्प्राप्ति-वर्धित चिकित्सा कार्यप्रवाहों के लिए एजेंटिक टूल उपयोग के साथ बढ़ाया जा सकता है।