HONeYBEE ऑन्कोलॉजी अनुप्रयोगों के लिए एक ओपन-सोर्स मल्टीमॉडल बायोमेडिकल डेटा इंटीग्रेशन फ्रेमवर्क है। यह संरचित और असंरचित नैदानिक डेटा, संपूर्ण-स्लाइड छवियों, रेडियोलॉजी स्कैन और आणविक प्रोफाइल को संसाधित करता है, और डोमेन-विशिष्ट आधार मॉडल और फ़्यूज़न रणनीतियों का उपयोग करके एकीकृत रोगी-स्तरीय एम्बेडिंग उत्पन्न करता है। ये एम्बेडिंग उत्तरजीविता पूर्वानुमान, कैंसर प्रकार वर्गीकरण, रोगी समानता पुनर्प्राप्ति और कोहोर्ट क्लस्टरिंग को सक्षम बनाते हैं। TCGA से 33 प्रकार के कैंसरों में 11,400 से अधिक रोगियों पर मूल्यांकन करने पर, नैदानिक एम्बेडिंग ने सबसे मज़बूत यूनिमॉडल प्रदर्शन प्रदर्शित किया, जिसमें 98.5% वर्गीकरण सटीकता और रोगी पुनर्प्राप्ति के लिए 10% पर 96.4% परिशुद्धता थी। इसने अधिकांश कैंसर प्रकारों में उच्चतम उत्तरजीविता पूर्वानुमान अनुरूपता सूचकांक भी प्राप्त किया। मल्टीमॉडल फ़्यूज़न विशिष्ट कैंसरों के लिए पूरक लाभ प्रदान करता है, जिससे समग्र उत्तरजीविता पूर्वानुमान में सुधार होता है, जो केवल नैदानिक विशेषताओं से प्राप्त नहीं हो सकता। चार बड़े पैमाने के भाषा मॉडलों के तुलनात्मक मूल्यांकन से पता चलता है कि क्वेन3 जैसे सामान्य प्रयोजन मॉडल, पैथोलॉजी रिपोर्ट जैसे विषम डेटा पर कार्य-विशिष्ट फाइन-ट्यूनिंग प्रदर्शन में सुधार करते हैं, लेकिन नैदानिक पाठ प्रतिनिधित्व पर विशेष चिकित्सा मॉडल से बेहतर प्रदर्शन करते हैं।
