本研究建立了一个名为SAT的模型，可在医疗场景中对任意物体进行分割。通过多模态的医学知识树和大规模分割数据集进行训练，模型使用文本形式的医学术语进行提示。评估结果表明，SAT模型在分割数据集上的性能与专家模型相当。研究将公布代码和模型，并计划在将来提供更多多样化数据集上使用更大尺寸的模型进行训练。