近年来，AI for Science迅速发展，推动医疗和材料研究。上海交通大学谢伟迪教授专注于医学人工智能，分享团队在多模态医疗模型和开源数据集方面的成果，旨在辅助医生，提高医疗资源的普适性。

本研究提出了一种个性化联邦学习方法，旨在解决传统医学人工智能模型在处理隐私敏感数据时的可靠性和伦理问题，从而提升医疗视觉问答模型的训练效果。

通过结合医学人工智能和可解释人工智能技术，提出了一种自定义的框架，应用于医疗物联网领域，提高医疗系统效果，具备透明和可理解的决策能力。框架应用于脑肿瘤检测，得出准确透明的诊断结果，评估结果表明出色性能，高精确度、召回率和F1分数，训练准确率达99%，验证准确率达98%。结合可解释人工智能技术和基于集成的深度学习方法的框架实现精确可靠的脑肿瘤诊断。

通过引入医学知识，构建了大规模的分割数据集SA-Med2D-20M，包含460万个2D医学图像和1970万个蒙版，旨在开发医学人工智能，提升诊断、医学图像分析、知识共享和教育。