随着深度学习的迅速发展，尤其是在医学影像分析领域的应用，越来越多的视觉-语言模型（VLMs）被广泛应用于解决复杂的健康和生物医学挑战。然而，现有研究主要集中在特定任务或单一模态上，这限制了它们在多种医学场景中的适用性和泛化能力。为了解决这