在精准肿瘤学中，将异构基因组和临床信息整合以实现癌症亚型分类和生存预测仍然是一大挑战。现有方法存在三大局限：
- 现有方法将每种模态视为单一的特征向量，无法实现跨模态的细粒度 token 级交互；
- 跨模态融合通常通过线性加权或后期平均进行，而不是通过结构化的 token 交换；
- 生存预测和分类目标是独立优化的，缺乏联合正则化信号。
这些问题限制了模型的性能和效果，因此需要新的方法来克服这些挑战。
博主点评： 本文提出的新型跨模态变换器为解决癌症亚型分类与生存预测中的现有问题提供了新的思路，尤其是通过细粒度的 token 交互和联合优化，极大地提升了模型的能力与准确性。