Rad-VLSM은 의료 영상 분할과 진단을 돕는 2단계 융합 프레임워크입니다. 기존 모델이 배경 조직이나 시각적 상관관계에 혼동받는 문제를 해결하기 위해 개발됐어요. BLIP-2 기반의 시각-언어 정렬 모듈을 활용해 병변 관련 후보 영역을 식별하고, 이를 박스 프롬프트로 변환하는 방식입니다. 예비 임상 유방 초음파 데이터셋과 공개 벤치마크에서 강력한 분할 및 진단 성능을 보였으며, 진단을 병변 수준의 증거에 기반하도록 합니다.