深耕临床刚需，云知声U2-RadiMed以AI助力精准医疗提质增效
近日，云知声正式发布自研医学影像多模态大模型U2‑RadiMed。依托行业政策红利与市场发展机遇，U2‑RadiMed补齐医学影像认知核心能力，打通“医学视觉”与“医学认知”，以两大真实临床案例，展现大模型服务临床实际诊疗的落地价值。
作为国内深度融合影像理解、报告生成、临床推理决策、视觉问答的全链路影像大模型，U2‑RadiMed覆盖胸部X光、CT、MRI等主流影像类型，打破传统AI仅能解读单张影像的局限，支持多时序影像综合研判，贴合医生真实诊疗思路，为临床工作提供AI辅助。
跨七年时序影像追踪，助力肿瘤全周期诊疗
针对低级别胶质瘤患者初诊、术前、术后三个阶段的MRI影像，U2-RadiMed摒弃单图独立解读模式，可串联时序影像、还原完整病程。模型精准识别患者7年前25mm左侧额叶病灶、术前病灶增大至45mm的进展变化，同时研判术后肿瘤区域无明显占位，确认肿瘤完整切除。此外，模型可精准区分术区高信号水肿带为正常术后改变，并结合低级别胶质瘤病理特征，给出专业化术后随访建议。该能力让静态影像转化为动态病程故事，实现疾病进展、治疗效果、术后管理的全周期AI辅助。
全链路推理溯源，实现可解释性精准鉴别诊断
在70岁男性双眼突出的临床案例中，患者眼眶增强CT显示眶后脂肪突出、眼外肌增粗，存在肌腹增粗、肌腱附着处未受累的典型特征。
针对该病例，U2-RadiMed不局限于输出单一诊断结果，而是依托完整临床逻辑开展鉴别诊断。模型首先结合核心影像特征，将甲状腺相关眼病（TAO）列为最优诊断，同时逐一排查特发性眼眶炎症、眼眶淋巴瘤、眼眶血管性病变等疑似病症，逐条列出各类病症的支持与排除依据。在此基础上，进一步给出标准化后续诊疗方案，包括甲状腺功能及抗体检测、眼眶MRI复查，以及必要时全身影像学评估、组织活检等检查方向。
全程形成“影像特征识别→医学知识调用→多维度鉴别诊断→风险概率研判→后续诊疗指导”的完整推理链路，具备极强的临床可解释性与实用性。
据了解，U2‑RadiMed在多项权威评测中取得亮眼成绩，多项核心能力位居前列。该模型把AI能力落到真实临床场景，推动医学影像AI从看懂图片，走向读懂病程、输出诊疗逻辑，为医疗智能化发展提供新的实践路径。