HONeYBEE es un marco de integración de datos biomédicos multimodales de código abierto para aplicaciones oncológicas. Procesa datos clínicos estructurados y no estructurados, imágenes de portaobjetos completos, exploraciones radiológicas y perfiles moleculares, generando incrustaciones integradas a nivel de paciente mediante modelos base específicos de dominio y estrategias de fusión. Estas incrustaciones permiten la predicción de supervivencia, la clasificación del tipo de cáncer, la recuperación de similitudes entre pacientes y la agrupación de cohortes. Al evaluarse en más de 11 400 pacientes de 33 tipos de cáncer del TCGA, las incrustaciones clínicas demostraron el rendimiento unimodal más sólido, con una precisión de clasificación del 98,5 % y una precisión del 96,4 % @10 en la recuperación de pacientes. También alcanzó el mayor índice de concordancia en la predicción de supervivencia en la mayoría de los tipos de cáncer. La fusión multimodal ofrece beneficios complementarios para cánceres específicos, mejorando la predicción de supervivencia general más allá de lo que las características clínicas por sí solas pueden lograr. Las evaluaciones comparativas de cuatro modelos de lenguaje a gran escala muestran que los modelos de propósito general como Qwen3 mejoran el rendimiento del ajuste fino de tareas específicas en datos heterogéneos, como informes de patología, pero superan a los modelos médicos especializados en la representación de textos clínicos.
