本文提出了一种可解释的多模态机器学习模型，用于预测非小细胞肺癌患者对奥希替尼的耐药性。研究表明，该模型在多机构数据集上的c-index达到0.82，显著优于单一模态模型，表明整合多种数据类型能有效提升预后预测的准确性。

本研究提出了一种多任务网络ICH-SCNet，旨在对脑内出血（ICH）进行分割和预后预测，通过整合跨模态交互机制，显著提升了模型性能，超越了现有方法。