NEWS
2026年9月，第十六届东方放射学学术会议(OCR2026)暨华东六省一市放射学分会年会在上海举行。卫宁健康（300253）与上海市第十人民医院（884301）(同济大学附属第十人民医院（884301）)的合作研究在会上亮相。
双方合作论文题为《Domain-Specific Vision-Language Model for Whole-Body Musculoskeletal Radiograph Interpretation》，以英文口头报告形式登台汇报，系统展示了联合研发的领域专用视觉语言模型MSKVLM，介绍其在全身骨肌影像解读中的整体思路与多中心验证结果。
同济大学附属第十人民医院放射科邱裕友主任
老问题
骨肌X线量大，却长期缺少统一“写法”
骨肌X线是放射科里数量最大的检查之一，却长期缺少统一、规范的诊断标签。同一张影像，不同医生、不同医院（884301）的报告描述五花八门，质控难以落地，数据也很难规模化利用。而通用视觉语言模型到了这种细粒度场景，往往“看得见，却说不准”。
写法不统一，根源在于“认部位”和“出诊断”这两步长期各自为战：部位命名没有统一口径，诊断结论也缺少标准标签。领域专用视觉语言模型MSKVLM要做的，正是把这条链路真正打通。
新方法
领域专用模型，一个模型同时做三件事
团队为骨肌影像专门训练了一个领域专用的视觉语言模型：先在多来源的医学图文数据上继续预训练，再用16年、五家三级医院（884301）的真实临床数据做结构化微调。由此，一个模型便能同时承担三件事——认出是哪个部位、检出骨关节各类疾病、直接生成诊断标签。而这样的设计也换来了实实在在的表现：它追平甚至超过了过去“一个任务训一个模型”的专用模型，并在多中心真实数据上明显优于多个通用大模型。临床专家逐例阅片核验后给出的结果是：解剖部位准确率98.0%，异常分类83.6%，诊断结论准确率81.5%。
三张图看懂这项研究
整体流程图示
这项研究的整体设计可以分为三步：
A，Qwen3-VL接收X光片和结构化问题，通过多模态推理给出诊断结果；
B，训练数据先由LLM从影像报告中生成问答对，再由医师审核精修，公开的骨肌X线数据集也经过同样的问答对构建，最终用于模型训练；
C，模型下游要完成主诊断生成、解剖部位识别和数据集特定分类，每项任务都有各自的评分标准。
三维评分图示
在 MURA测试集(左，7个部位)与医院（884301）测试集(右)上，模型会按解剖部位分别打分，评分维度有三个——部位定位、疾病诊断、次要信息完整性。其中，医院（884301）测试集覆盖的解剖区域更广，从四肢长骨到脊柱各段，再到颅骨、颌面，都在其中。
可解释性图示
左侧为跟骨骨折内固定术后(A/B)，右侧为跟骨骨折(C中红箭所指，D为对应热力图)。可以看到，模型的注意力始终集中在病变本身，而不是分散到整张影像上。
人机协同
AI给初级医生带来了更大的帮助
本研究进行了多阅片者、多病例交叉研究并给出了答案：AI的辅助效果随年资分化，和医生的年资高低密切相关，两者之间的交互作用显著(Waldχ (2)=18.34，p<0.001)。其中，初级医师受益最稳定。
初级医生组中，有了AI辅助，他们的阅片准确率提升了4.88个百分点(p=0.017)，而且在6个数据集上结果一致。这说明AI和医生之间形成了互补，正好补在年轻医生相对薄弱的地方。在基层医院（884301）或资源有限、以年轻医生为主的场景里，AI更像一台“诊断能力补齐器”：帮他们缩小与高年资医生之间的差距，把原本只有专家才能提供的支持，延伸到这些原本覆盖不到的人群。
从“认部位”到“出诊断”，MSKVLM在OCR2026上展示的，不只是一个模型的能力，更是一条从影像数据通向临床决策的可行路径。对卫宁健康（300253）而言，这也是与上海市第十人民医院（884301）合作取得的一项阶段性成果。未来，双方将继续围绕骨肌影像乃至更广泛的医学影像场景深入探索，让AI真正走进日常阅片，融入临床决策的关键环节。
