研究发现，多模态大语言模型（MLLMs）能够自发形成类似于人类的物体概念表征。通过行为实验和神经影像分析，构建了AI模型的“概念地图”，揭示了AI的认知结构与人类的相似性，推动了机器理解的研究进展。

本研究利用GPT-4o-mini生成阿尔茨海默病的诊断报告，解决神经影像领域报告不足的问题。结果表明，多模态模型能够生成准确的临床相关报告，具有应用潜力。

本研究提出了一种基于神经影像的可靠生物标志物识别方法HyperGALE，通过引入学习的超边和门控注意机制，该方法在解释复杂的脑图数据方面取得了显著改进，对自闭症谱系障碍标志物的特征有深入洞察。