研究使用对比自监督学习训练FT-Transformer模型，从miRNA、mRNA或RPPA数据预测癌症类型。相比XGBoost和CatBoost，该模型在标记样本稀缺时表现更好。提出的多模态模型通过后融合处理不同组学，实验显示多模态预训练提升了单一组学的预测效果，尤其在未标记多模态样本丰富时。适用于大量未标记数据但标记样本稀缺的情况。