本研究通过稀疏组因子分析解决神经和精神疾病的异质性问题。在前额叶痴呆基因组数据中，发现两种潜在因素在同质患者亚组中更明显。这为理解疾病提供了重要见解，并展示了整合多种数据模式的潜力。

研究人员提出了AnInfoNCE方法，用于揭示潜在因素并推广可识别性结果。实验证实了该方法在CIFAR10和ImageNet中恢复丢失信息的能力，但降低了下游任务准确度。讨论了理论假设与实际实现不匹配问题。