本文介绍了一种新颖的对比平衡表示学习网络（CRNet），用于预测个体对不同治疗剂量的潜在反应。该网络通过学习协变量表示来估计异质剂量响应曲线，同时保持治疗剂量的连续性。实验证明，该方法在预测效果上优于之前的方法。

本研究提出了一种基于Transformer架构和自注意机制的多模态融合框架Multitrans，用于预测中风治疗的功能结果。多模态组合的效果优于单模态，且与临床元诊断信息结合能提供更好的预测效果。

该研究使用RoBERTa和XLM-R语言模型预测在线产品评论的帮助度，结果表明预训练语言模型比传统特征工程更有效，多语言模型表现更佳。但多语言模型不能用于单一语言的微调，评论人打的分数等附加特征也可以增强模型的预测准确度。