基于槽位的结构预后事件建模用于多模态癌症生存分析

组织学图像和基因组资料的整合已在提高癌症生存预测方面显示出巨大的潜力。然而，当前方法往往难以有效地建模组织内和组织间的相互作用，因为输入数据的维度高且复杂。一个主要挑战是捕捉那些虽然数量稀少却潜在解释观测输入复杂性并在很大程度上决定患者结果的关键预后事件。这些事件表现为如空间组织学图案或通路共激活等高层次结构信号，通常稀疏、患者特异且缺乏注释，因而难以被发现。为此，我们提出了 SlotSPE（Slot-based Structural Prognostic Event Modeling），一种基于槽位的结构预后事件建模框架。具体而言，受因子编码原理的启发，我们利用槽注意力机制将每个患者的多模态输入压缩为紧凑且互不相同的、模态特定的槽位集合。通过将这些槽位表示用作预后事件的编码，Our框架既能高效、有效地建模复杂的组织内和组织间相互作用，又能无缝整合生物学先验知识以增强预后相关性。广泛的十个癌症基准测试实验表明，SlotSPE 在 8 个脊柱中超越现有方法，整体性能提升 2.9%。该方法在遗漏基因组数据时仍保持稳健，并通过结构化事件分解实现显著提升的可解释性。