已收录文章摘要，完整内容可前往原文阅读。
在现代临床中，从二维 X 光片、病理切片到三维 CT、MRI 序列，视觉证据承载了绝大部分关键诊疗决策。然而，现有医疗多模态大模型大多受制于单体编码器架构，在异构影像吸收与临床评估上面临严重失真。为此