面向不完整数据与标注的多模态生存分析建模数据绑定

生存分析是癌症治疗研究中的关键过程，对准确预测患者生存率至关重要。最近的数据收集技术的进展为通过整合来自多模态信息的提升生存预测提供了可能。然而，现实场景常常面临数据不完整的挑战，尤其是在处理被 censoring 的生存标签时。先前的工作已解决了缺失模态的问题，但忽略了不完整标签，这会引入偏差并限制模型效能。为弥合这一差距，我们提出了一个新框架，同时处理跨模态的数据不完整和被 censoring 的生存标签。我们的方法采用先进的基础模型对各个模态进行编码，并将其对齐到通用表示空间以实现无缝融合。通过生成伪标签并融入不确定性，我们显著提升了预测准确性。该方法在两个生存分析任务中表现出卓越的预测准确性。这种创新方法克服了异构模态的局限性，提高了使用多个大型基础模型进行综合生存分析的可行性。