<p>，/PRNewswire/ -- 聯影智能（UII）推出了 uAI NEXUS MedVLM，這是一種開創性的醫療視頻大型語言模型，在臨牀環境中提供前所未有的空間和時間精度。</p>
<p>UII 將該模型完全開源，並引入了一項新的綜合基準，用於行業範圍內的評估。這項研究已被 2026 年計算機視覺與模式識別會議（CVPR 2026）接受，彰顯了其在全球計算機視覺社區的認可。</p>
<p>繼續閲讀</p>
<p><img src="https://imageproxy.pbkrs.com/https://www.prnewswire.com/news-releases/null?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" original-src="https://imageproxy.pbkrs.com/https://www.prnewswire.com/news-releases/null"/></p>
<p>該雷達圖中顯示的統計數據來自研究論文：https://arxiv.org/abs/2512.06581</p>
<p><img src="https://imageproxy.pbkrs.com/https://www.prnewswire.com/news-releases/null?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" original-src="https://imageproxy.pbkrs.com/https://www.prnewswire.com/news-releases/null"/></p>
<p>uAI NEXUS MedVLM 建立在一個龐大的數據集上，該數據集包含 531,850 對視頻 - 指令，涵蓋 8 種臨牀場景，包括機器人手術、腹腔鏡手術、內窺鏡檢查、開放手術和護理。</p>
<p>僅憑 4B/7B 參數，uAI NEXUS MedVLM 在關鍵醫療視頻任務中顯著超越了領先的通用基礎模型，包括 GPT-5.4 和 Gemini 3.1。在外科安全評估中，其準確率達到 89.4%，而 GPT-5.4 為 1.8%，Gemini 3.1 為 10.1%。在時空動作定位中，其 mIoU 比 GPT-5.4 高出 14 倍，比 Gemini 3.1 高出 4 倍。在視頻報告生成中，其得分為 4.2（滿分 5 分），大幅超越了 GPT-5.4（2.5）和 Gemini 3.1（2.4）。</p>
<p>（來源：上述性能統計數據來自研究論文：https://arxiv.org/abs/2512.06581）</p>
<p><strong>發起全球開放挑戰以加速協作創新</strong></p>
<p>為了推動醫療視頻 LLM 的發展，UII 已啓動其 MedVidBench 數據集的分階段發佈，首批開放源代碼發佈 6,245 個嚴格的基準測試樣本。涵蓋八個多樣化的外科數據集，這一舉措在規模和臨牀精度上均為全球首創。</p>
<p>開發者可以在統一的排行榜上評估他們的模型，提交的結果會自動與私有真實數據進行評估。結果會反映在持續更新的全球排名中，使模型之間的性能評估透明且可比較。</p>
<p>UII 邀請全球的 AI 研究人員、開發者和醫療機構參與這一開放挑戰，通過協作創新推動醫療視頻智能的發展。</p>
<p><strong>項目頁面：</strong> https://uii-ai.github.io/MedGRPO/</p>
<p><strong>推動醫療視頻任務全譜智能的發展</strong></p>
<p>醫療視頻理解長期以來一直是人工智能中最具挑戰性的前沿之一——需要微觀的空間意識、複雜的時間邏輯和無可妥協的臨牀準確性。歷史上，由於臨牀數據的嚴重匱乏和專家標註的高昂成本，進展一直受到阻礙。</p>
<p>UII 打破了這一瓶頸。通過在多樣化的臨牀視頻中構建一個龐大的逐幀標註框架，我們嚴格映射了關鍵屬性：儀器軌跡、空間定位、精確的外科動作和重要的風險指標。這一前所未有的數據基礎為 uAI NEXUS MedVLM 提供了完整、強大的臨牀智能堆棧。</p>
<p>基於這一基礎，該模型無縫集成了感知、推理和決策。它提供了儀器的高精度時空定位和自動化程序識別，應用先進的推理將複雜的視頻序列轉化為結構化的臨牀報告、區域描述和快速工作流程摘要。超越被動觀察，它將這些洞察提升為支持下一步預測、外科技能評估和全面安全風險評估的主動決策。</p>
<p><strong>將 AI 創新轉化為現實世界的臨牀影響</strong></p>
<p>為臨牀部署而構建的 uAI NEXUS MedVLM 使得在外科工作流程中能夠做出更明智的決策和數據驅動的質量控制，同時降低臨牀醫生的學習曲線，提高培訓效率和一致性。</p>
<p>展望未來，uAI NEXUS MedVLM 可以作為在物理世界中運作的具身 AI 的核心感知和認知引擎。它們共同形成一個視覺感知、認知推理和物理執行的閉環系統，朝着更自動化、標準化和智能化的醫療生態系統邁進。</p>
<p>來源：聯影智能</p>
<p><img src="https://imageproxy.pbkrs.com/https://rt.prnewswire.com/rt.gif/query-RGF0ZUlkPTIwMjYwNDI0Jk5ld3NJdGVtSWQ9Q040Mjg5MiZUcmFuc21pc3Npb25fSWQ9MjAyNjA0MjQwOTE5UFJfTkVXU19VU1BSX19fX19DTjQyODky?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg" alt="" original-src="https://imageproxy.pbkrs.com/https://rt.prnewswire.com/rt.gif/query-RGF0ZUlkPTIwMjYwNDI0Jk5ld3NJdGVtSWQ9Q040Mjg5MiZUcmFuc21pc3Npb25fSWQ9MjAyNjA0MjQwOTE5UFJfTkVXU19VU1BSX19fX19DTjQyODky"/></p>

聯影醫療

<p>聯影智能（UII）推出了 uAI NEXUS MedVLM，這是首個開源醫療視頻大型語言模型，在高空間和時間精度的臨牀環境中表現出色。該模型基於 531,850 對視頻指令的數據集構建，在各種醫療任務中超越了現有模型，如 GPT-5.4 和 Gemini 3.1。UII 發起了一項全球挑戰，鼓勵合作以推動醫療視頻智能的發展，邀請開發者和研究人員參與。此項創新旨在提升醫療決策和培訓效率，為更智能的醫療生態系統鋪平道路</p>

<p>, /PRNewswire/ -- United Imaging Intelligence (UII) has unveiled uAI NEXUS MedVLM, a pioneering Medical Video Large Language Model that delivers unprecedented spatial and temporal precision in clinical environments.</p>
<div class="lb-trans"><p>，/PRNewswire/ -- 聯影智能（UII）推出了 uAI NEXUS MedVLM，這是一種開創性的醫療視頻大型語言模型，在臨牀環境中提供前所未有的空間和時間精度。</p>
</div><p>UII is fully open-sourcing the model and introducing a new comprehensive benchmark for industry-wide evaluation. The research has been accepted by CVPR 2026, one of the top AI conferences, underscoring its recognition by the global computer vision community.</p>
<div class="lb-trans"><p>UII 將該模型完全開源，並引入了一項新的綜合基準，用於行業範圍內的評估。這項研究已被 2026 年計算機視覺與模式識別會議（CVPR 2026）接受，彰顯了其在全球計算機視覺社區的認可。</p>
</div><p>Continue Reading</p>
<div class="lb-trans"><p>繼續閲讀</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://www.prnewswire.com/news-releases/null" alt="" original-src="https://www.prnewswire.com/news-releases/null"/></p>
<p>The statistics shown in this radar chart are from the research paper: https://arxiv.org/abs/2512.06581</p>
<div class="lb-trans"><p>該雷達圖中顯示的統計數據來自研究論文：https://arxiv.org/abs/2512.06581</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://www.prnewswire.com/news-releases/null" alt="" original-src="https://www.prnewswire.com/news-releases/null"/></p>
<p>uAI NEXUS MedVLM is built on a monumental dataset comprising 531,850 video-instruction pairs across 8 clinical scenarios, including robotic surgery, laparoscopic procedures, endoscopy, open surgery, and nursing care.</p>
<div class="lb-trans"><p>uAI NEXUS MedVLM 建立在一個龐大的數據集上，該數據集包含 531,850 對視頻 - 指令，涵蓋 8 種臨牀場景，包括機器人手術、腹腔鏡手術、內窺鏡檢查、開放手術和護理。</p>
</div><p>With only 4B/7B parameters, uAI NEXUS MedVLM significantly outperforms leading general-purpose foundation models, including GPT-5.4 and Gemini 3.1, across key medical video tasks. It achieves 89.4% accuracy in surgical safety assessment, compared to GPT-5.4 (1.8%) and Gemini 3.1 (10.1%). In spatio-temporal action localization, it delivers up to 14× higher mIoU than GPT-5.4 and 4× higher than Gemini 3.1. For video report generation, it scores 4.2 out of 5, substantially surpassing GPT-5.4 (2.5) and Gemini 3.1 (2.4).</p>
<div class="lb-trans"><p>僅憑 4B/7B 參數，uAI NEXUS MedVLM 在關鍵醫療視頻任務中顯著超越了領先的通用基礎模型，包括 GPT-5.4 和 Gemini 3.1。在外科安全評估中，其準確率達到 89.4%，而 GPT-5.4 為 1.8%，Gemini 3.1 為 10.1%。在時空動作定位中，其 mIoU 比 GPT-5.4 高出 14 倍，比 Gemini 3.1 高出 4 倍。在視頻報告生成中，其得分為 4.2（滿分 5 分），大幅超越了 GPT-5.4（2.5）和 Gemini 3.1（2.4）。</p>
</div><p>(Source: The above performance statistics are from the research paper: https://arxiv.org/abs/2512.06581)</p>
<div class="lb-trans"><p>（來源：上述性能統計數據來自研究論文：https://arxiv.org/abs/2512.06581）</p>
</div><p><strong>Launching a Global Open Challenge to Accelerate Collaborative Innovation</strong></p>
<div class="lb-trans"><p><strong>發起全球開放挑戰以加速協作創新</strong></p>
</div><p>To advance medical video LLM development, UII has launched a phased rollout of its MedVidBench dataset, beginning with the open-source release of 6,245 rigorous benchmark test samples. Spanning eight diverse surgical datasets, this initiative marks a global first in terms of both scale and clinical precision.</p>
<div class="lb-trans"><p>為了推動醫療視頻 LLM 的發展，UII 已啓動其 MedVidBench 數據集的分階段發佈，首批開放源代碼發佈 6,245 個嚴格的基準測試樣本。涵蓋八個多樣化的外科數據集，這一舉措在規模和臨牀精度上均為全球首創。</p>
</div><p>Developers can evaluate their models on a unified leaderboard, where submissions are automatically assessed against private ground truth. Results are reflected in a continuously updated global ranking, enabling transparent and comparable performance evaluation across models.</p>
<div class="lb-trans"><p>開發者可以在統一的排行榜上評估他們的模型，提交的結果會自動與私有真實數據進行評估。結果會反映在持續更新的全球排名中，使模型之間的性能評估透明且可比較。</p>
</div><p>UII invites AI researchers, developers, and healthcare institutions worldwide to participate in this open challenge and help advance medical video intelligence through collaborative innovation.</p>
<div class="lb-trans"><p>UII 邀請全球的 AI 研究人員、開發者和醫療機構參與這一開放挑戰，通過協作創新推動醫療視頻智能的發展。</p>
</div><p><strong>Project Page:</strong> https://uii-ai.github.io/MedGRPO/</p>
<div class="lb-trans"><p><strong>項目頁面：</strong> https://uii-ai.github.io/MedGRPO/</p>
</div><p><strong>Advancing Intelligence Across the Full Spectrum of Medical Video Tasks</strong></p>
<div class="lb-trans"><p><strong>推動醫療視頻任務全譜智能的發展</strong></p>
</div><p>Medical video understanding has long remained one of the most formidable frontiers in artificial intelligence—demanding microscopic spatial awareness, complex temporal logic, and uncompromising clinical accuracy. Historically, progress has been paralyzed by the severe scarcity of clinical data and the prohibitive cost of expert annotation.</p>
<div class="lb-trans"><p>醫療視頻理解長期以來一直是人工智能中最具挑戰性的前沿之一——需要微觀的空間意識、複雜的時間邏輯和無可妥協的臨牀準確性。歷史上，由於臨牀數據的嚴重匱乏和專家標註的高昂成本，進展一直受到阻礙。</p>
</div><p>UII has shattered this bottleneck. By engineering a massive, frame-by-frame annotation framework across diverse clinical videos, we have rigorously mapped critical attributes: instrument trajectories, spatial positioning, precise surgical actions, and crucial risk indicators. This unprecedented data foundation equips uAI NEXUS MedVLM with a complete, robust clinical intelligence stack.</p>
<div class="lb-trans"><p>UII 打破了這一瓶頸。通過在多樣化的臨牀視頻中構建一個龐大的逐幀標註框架，我們嚴格映射了關鍵屬性：儀器軌跡、空間定位、精確的外科動作和重要的風險指標。這一前所未有的數據基礎為 uAI NEXUS MedVLM 提供了完整、強大的臨牀智能堆棧。</p>
</div><p>Built on this foundation, the model seamlessly integrates perception, reasoning, and decision-making. It delivers highly accurate spatio-temporal localization of instruments and automated procedural recognition, applying advanced reasoning to transform complex video sequences into structured clinical reports, regional descriptions, and rapid workflow summaries. Moving beyond passive observation, it elevates these insights into active decision-making that supports next-step prediction, surgical skill assessment, and comprehensive safety risk evaluation.</p>
<div class="lb-trans"><p>基於這一基礎，該模型無縫集成了感知、推理和決策。它提供了儀器的高精度時空定位和自動化程序識別，應用先進的推理將複雜的視頻序列轉化為結構化的臨牀報告、區域描述和快速工作流程摘要。超越被動觀察，它將這些洞察提升為支持下一步預測、外科技能評估和全面安全風險評估的主動決策。</p>
</div><p><strong>Translating AI Innovation into Real-World Clinical Impact</strong></p>
<div class="lb-trans"><p><strong>將 AI 創新轉化為現實世界的臨牀影響</strong></p>
</div><p>Built for clinical deployment, uAI NEXUS MedVLM enables more informed decision-making and data-driven quality control across surgical workflows, while reducing the learning curve for clinicians and improving training efficiency and consistency.</p>
<div class="lb-trans"><p>為臨牀部署而構建的 uAI NEXUS MedVLM 使得在外科工作流程中能夠做出更明智的決策和數據驅動的質量控制，同時降低臨牀醫生的學習曲線，提高培訓效率和一致性。</p>
</div><p>Looking ahead, uAI NEXUS MedVLM can serve as the core perceptual and cognitive engine for embodied AI operating in the physical world. Together, they form a closed-loop system of visual perception, cognitive reasoning, and physical execution, advancing toward a more automated, standardized, and intelligent healthcare ecosystem.</p>
<div class="lb-trans"><p>展望未來，uAI NEXUS MedVLM 可以作為在物理世界中運作的具身 AI 的核心感知和認知引擎。它們共同形成一個視覺感知、認知推理和物理執行的閉環系統，朝着更自動化、標準化和智能化的醫療生態系統邁進。</p>
</div><p>SOURCE United Imaging Intelligence</p>
<div class="lb-trans"><p>來源：聯影智能</p>
</div><p><img src="https://imageproxy.pbkrs.com/https://rt.prnewswire.com/rt.gif/query-RGF0ZUlkPTIwMjYwNDI0Jk5ld3NJdGVtSWQ9Q040Mjg5MiZUcmFuc21pc3Npb25fSWQ9MjAyNjA0MjQwOTE5UFJfTkVXU19VU1BSX19fX19DTjQyODky" alt="" original-src="https://rt.prnewswire.com/rt.gif?NewsItemId=CN42892&amp;Transmission_Id=202604240919PR_NEWS_USPR_____CN42892&amp;DateId=20260424"/></p>

09:19 ET 全球首個開源醫療視頻 LLM 發佈，號召全球開發者社區進一步推動其發展