本研究提出了一种名为MedTrim的方法，通过元实体导向的三元组学习，解决了医疗视觉语言模型在图像与文本对齐中的不足，特别是在细粒度病理属性的区分上。这种方法显著提升了下游检索和分类任务的性能，对医疗影像解读具有重要影响。