智能向上，是不断叩击AI能力的上限；智能向善，是让每一次技术跃迁都抵达真实的临床需求。2026年7月，云知声发布U2-Med三医大模型，推动大模型能力深入医疗、医保、医药全域场景。时隔仅一个月，云知声医疗AI能力再次进化，其自研医学影像多模态大模型 U2-RadiMed 正式发布，直面更复杂、更专业的医学影像挑战。

云知声发布U2-Med三医大模型，实现时序病程全周期智能研判

U2-RadiMed的快速迭代既得益于深厚的技术储备，也恰逢医学影像AI的产业窗口期。云影像市场高速增长、医保影像互认政策加速落地，AI辅助阅片的临床刚需愈发凸显。作为国内首个深度融合医学影像理解、报告生成、临床推理决策、视觉问答的全链路影像大模型，该模型支持单张、多张影像与文本的多模态混合输入，可完成“看影像→调知识→做推理→出结论”的完整工作闭环，为临床医生提供从病灶筛查、精准诊断到个体化治疗决策的全方位AI辅助支撑，助力影像诊断迈向更高阶的智能化。

U2-RadiMed全面覆盖CXR胸部X光、CT、MRI等主流医学影像类型，搭建起报告生成、病灶检测与定位、临床推理、临床决策、通用医学VQA、高级医学推理六大核心能力框架，是具备专业诊疗思维的“影像科AI专家”。

深耕临床真实场景，全链路推理赋能精准诊疗落地

突破单帧影像局限，看懂时序病程与临床诊疗逻辑真实临床从来不是孤立地分析一张影像。医生需要结合患者不同阶段的影像变化、临床信息与医学知识，对疾病进展、治疗效果以及后续方案进行综合判断。

U2-RadiMed进一步突破传统AI单张影像分析的局限，可理解多时序影像之间的关联逻辑，支持病灶检测定位、影像智能问答、多时序影像对比、病程动态追踪、鉴别诊断、报告辅助生成等多元临床场景，更贴近医生真实的诊疗思维与工作流程。

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。

技术持续向上，价值始终向善。云知声不仅追求医学影像AI能力的突破，更致力于让专业能力真正走进临床、服务医生，推动医学影像AI从技术突破走向真正的医疗生产力！