0
0本文介绍了一种名为RisQ的多模态Transformer框架，用于全面学习人类健康的共享结构并预测多种疾病的风险。该模型能够整合遗传、生活环境、生理指标以及长期的临床病史等多维数据，通过自然语言和时间标记对上千种疾病进行任意时间跨度的风险评估。研究表明，通过在英国生物样本库（UK Biobank）的大规模数据上训练并在外部独立队列中验证，RisQ 的预测性能和泛化能力均超越了传统的单一疾病模型及其他多疾病预测框架。此外，该框架不仅能有效识别特定疾病的危险因素，还能实现跨疾病的风险分层，为揭示复杂的生物学关联提供了有力支持。
References:
Hager P, Roth B, Buehler N, et al. Learning the shared structure of human health across diseases, modalities, and time[J]. medRxiv, 2026: 2026.07. 07.26357373.
