強化醫療多模態 AI 整合影像與文本的最佳架構為何？

解析

Transformer 的 Attention 機制天生適合處理多模態資料——能讓影像和文字在同一個模型中互相「注意」對方，學習跨模態的關聯。

正確答案：D. 基於 Transformer 的多模態整合架構