四大模型包括：
•
MOME（乳癌诊断）
为首个以大模型方式分析多参数磁力共振（MRI）影像的AI模型，针对乳癌诊断而设。乳癌是本港女性最常见的癌症之一，此模型能助医生分析病人的乳房MRI，辅助他们快速区分乳房肿瘤属良性或恶性，从而尽量避免病人进行不必要的病理穿刺化验。此外，此AI模型更能预测患者对化疗的反应，为病人制定适合的治疗方案。系统的准确度能与具有5年或以上经验的放射科医生相媲美，对为病人开创非入侵性及个人化的治疗管理有莫大帮助。
•
mSTAR（病理辅助工具）
是世界领先的病理学基础模型之一。病理检查是世界认可诊断癌症的「黄金标准」，然而，撰写病理报告的过程非常耗时，而且容易出错，而mSTAR这个模型正是为改善此一流程而建构。与一般模型不同，mSTAR并非将整张切片分割及独立分析，而是将整幅病理全景影像作分析，并引入多模态知识增强识别能力，有助病理学家执行多达40 项诊断和预后任务，减低病理分析所需的时间，并提升诊断的准确性。
•
MedDr (全科)
仿如一位AI 全科医生。此多模态语言模型犹如医学界的「GPT」，能解答问题、撰写医疗报告，并根据医学图像为病人作初步诊断等，为目前全科医学中最具规模的开源软体，有助医生做出快速、准确及可靠的诊断。在上海人工智慧实验室近日进行的一项评测中，MedDr更被评为全球同类模型中性能最佳的AI系统之一。
•
XAIM（可解释的人工智能）
是一个创新的AI框架，用于剖析各个AI医学系统如何作出决策，以提升医疗人员对AI模型的信任度。虽然现时不少AI系统准确度甚高，惟透明度欠奉，惹来疑虑。XAIM遂为系统的诊断结果，提供图像及文字解释，提升医疗人员对系统分析结果原由的理解。
陈教授身兼港科大与华中科技大学同济医学院附属医院「医工交叉联合创新中心」主任，他表示：
「我们期望这批AI系统能成为医生的得力助手，协助完善诊断、促进个人化治疗并简化流程工作。在目前的成功基础上，我们正研发一系列针对不同临床任务的AI系统，包括精准肿瘤学和计算机辅助介入等医疗工作。同时，我们亦会继续收集更多数据作训练，以不断优化现有的AI模型。长远而言，我们冀透过与临床合作伙伴保持紧密合作，为病人谋福祉。」
