의학 영상의 불확실한 해석 문제를 해결하기 위해, 미세한 이미지 특징과 임상 지식을 통합하는 fine-grained vision-language 모델인 Anatomy-VLM을 제안합니다. 이 모델은 해부학적 구조를 중요한 관심 영역(ROI)으로 식별하고, 멀티 스케일 정보를 통합하여 임상적으로 해석 가능한 질병 예측을 생성합니다. Anatomy-VLM은 in-distribution 및 out-of-distribution 데이터셋에서 뛰어난 성능을 보이며, 이미지 분할 작업에서도 우수한 성능을 보여줍니다. 또한 제로샷 해부학 기반 해석을 통해 전문가 수준의 임상적 해석 능력을 제공합니다.