यह शोधपत्र इम्यून चेकपॉइंट इनहिबिटर (ICI) थेरेपी प्राप्त कर रहे नॉन-स्मॉल सेल लंग कैंसर (NSCLC) रोगियों में उत्तरजीविता की भविष्यवाणी की सटीकता में सुधार के लिए एक बड़े पैमाने का डेटासेट और एक नया मल्टीमॉडल फीचर फ्यूजन फ्रेमवर्क प्रस्तुत करता है। बड़े पैमाने के डेटासेट में 3D CT इमेज, क्लिनिकल रिकॉर्ड, प्रोग्रेस-फ्री सर्वाइवल (PFS) और NSCLC रोगियों के समग्र उत्तरजीविता (OS) डेटा शामिल हैं। प्रस्तावित फ्रेमवर्क एक क्रॉस-मोडैलिटी मास्क लर्निंग दृष्टिकोण का उपयोग करता है जिसमें दो शाखाएँ होती हैं, जिनमें से प्रत्येक एक विशिष्ट मोडैलिटी के लिए अनुकूलित होती है: CT इमेज के लिए एक स्लाइस-डेप्थ ट्रांसफॉर्मर और क्लिनिकल वेरिएबल्स के लिए एक ग्राफ-आधारित ट्रांसफॉर्मर। मास्क्ड मोडैलिटी लर्निंग रणनीति, अक्षुण्ण मोडैलिटी का उपयोग करके लुप्त घटकों का पुनर्निर्माण करती है