Исследователи разработали инновационную динамическую мультимодальную платформу для прогнозирования общей выживаемости пациентов с множественной миеломой, учитывающую временную динамику после постановки диагноза. Модель объединяет три ключевых типа данных: пространственное представление экспрессии генов (с использованием метода DeepInsight), траектории 10 ключевых лабораторных показателей и историю применения трех классов препаратов. В ходе тестирования на когорте MMRF CoMMpass (n = 752) предложенный подход продемонстрировал превосходство над классическими методами, такими как DeepSurv и случайные леса для выживаемости, достигнув индекса конкордации (C-index) 0,773 и AUC на горизонте 1 года 0,789. Анализ абляции показал, что наиболее значимым предиктором являются динамические лабораторные измерения, а использование DeepInsight для геномных данных обеспечило более высокую точность по сравнению с обычными многослойными перцептронами. Важным достижением стала проверка модели на независимой когорте (GSE24080, n = 507), где упрощенная версия системы сохранила высокую прогностическую способность (C-index 0,672) без переобучения. Интерпретируемость модели подтвердила биологическую релевантность результатов, выявив связь с путями стресса эндоплазматического ретикулума и интерферон-альфа ответом.