Исследование, опубликованное в npj Digital Medicine, представляет инновационный метод прогнозирования выживаемости для пациентов с немелкоклеточным раком легкого, разработанный группой Ruffini et al. Основная проблема современных ИИ-алгоритмов заключается в их зависимости от полноты мультимодальных данных (биопсия, КТ-снимки, клинические характеристики), что ограничивает их применение в реальной клинической практике, где данные часто отсутствуют. Авторы разработали подход, «учитывающий пропущенные данные» (missing data aware), который позволяет проводить стратификацию рисков даже при неполном наборе входных параметров. Методология позволяет алгоритму эффективно работать с мультимодальными данными, не требуя обязательного наличия всех модальностей для выдачи прогноза. Это значительно повышает клиническую полезность инструмента, позволяя врачам использовать ИИ-поддержку принятия решений в условиях типичной для медицины неопределенности и неполноты информации. Данная разработка критически важна для внедрения предиктивной аналитики в повседневную онкологическую практику.