Štúdia predstavuje novú metódu na automatickú segmentáciu trojrozmerných medicínskych obrazov, ktorá kombinuje základný model SAM s učením z viacerých pohľadov. Metóda je navrhnutá na riešenie problému, že vytvorenie kvalitných anotácií medicínskych obrazov na úrovni jednotlivých voxelov je časovo a pracovne náročné. Rámec využíva čiastočne kontrolované učenie, čo znamená, že efektívne pracuje s malým množstvom označených údajov v kombinácii s veľkým množstvom neoznačených údajov. Kolaboratívny fúzny modul spája informácie z axiálnych a koronárnych sagitálnych pohľadov, čím zlepšuje pochopenie trojrozmernej štruktúry. Experimenty na MRI snímkach mozgových nádorov a PET snímkach srdca ukázali, že navrhovaná metóda prekonáva existujúce čiastočne kontrolované prístupy. Metóda vykazuje aj dobrú prenosnosť medzi rôznymi typmi medicínskych zobrazovacích modalít. Výsledkom je škálovateľné riešenie, ktoré znižuje potrebu ručného označovania medicínskych obrazov a zároveň udržiava vysokú presnosť segmentácie orgánov a nádorov.