Apesar de sua considerável promessa, muitos modelos atuais de fundamentos médicos permanecem específicos de uma modalidade e carecem de raciocínio transparente, limitando a adoção clínica. Para resolver essa lacuna, apresentamos o Explainable Vision Language Foundation Model for Medicine (EVLF-FM), um modelo básico de linguagem de visão multimodal que combina amplos recursos de diagnóstico com explicabilidade refinada.