本研究提出了一种新颖的自我监督预训练方法，解决重症监护中的数据不足问题，并在数据有限的情况下，在院内死亡预测和表型预测等任务中优于基线模型，提升数据分析能力。

本文介绍了机器学习和深度学习在生物领域的应用，重点是蛋白质折叠。但预测基因组中复杂性状的问题却受到较少关注。文章提供了最先进模型和相关问题的概述，以作为预测表型的新模型开发时的参考。以身高作为连续值表型的例子介绍了基准数据集、混杂因素、特征选择和评估指标。