یکی از چالشهای بزرگ در دادههای پزشکی، ناقص بودن اطلاعات ژنتیکی در مراکز مختلف است. حالا محققان مدل جدیدی به نام SHIFT را معرفی کردهاند که میتواند با استفاده از معماری «ترنسفورمر»، حتی با دادههای ناقص و ناهماهنگ، پیشبینیهای دقیقی برای بقای بیماران (مثلاً در سرطان ریه یا گلیوبلاستوما) انجام دهد.
این مدل بدون نیاز به بازسازی دادههای از دست رفته، مستقیماً از دادههای موجود یاد میگیرد و در آزمایشها عملکردی بسیار قویتر از روشهای سنتی داشته است. قدمی بزرگ برای شخصیسازی درمان در مقیاس جهانی! 💡🩺
منبع: arXiv Machine Learning
