本研究提出了一种名为SAT的模型，通过文本提示在医疗场景中进行物体分割。主要贡献包括构建多模态医学知识树、开发通用分割模型和进行全面评估。实验结果表明，SAT-Nano模型在多个数据集上表现优异，接近专家模型的性能。此外，研究探讨了弱监督学习在癌症检测中的应用，显示出显著减少人工标注工作量的潜力。