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。