SHIFT：基于不完整和异质性基因组数据的生存预测
SHIFT是一种缺失感知的生存预测模型，基于Transformer架构，能够直接从不完整的基因组输入中进行预测，无需测试时插补。通过掩蔽自注意力机制和特征可用性掩码，模型仅利用观测到的特征进行预测，并在训练中引入变速率特征掩蔽以增强对异质性缺失模式的鲁棒性。在胶质母细胞瘤和肺鳞状细胞癌的多中心外部验证中，SHIFT表现出强大的泛化能力，优于传统生存基线和基于插补的方法。研究表明，纳入不完全队列的患者可提升外部数据性能，支持缺失感知建模作为精准肿瘤学多中心生存预测的实用策略。
SHIFT模型：应对不完整和异质性基因组数据的生存预测新方法
在精准肿瘤学中，基因组预测模型常因不同机构间测序面板的差异而无法有效迁移。当模型部署到新机构时，由于面板覆盖的基因不同，会出现结构性特征缺失。传统处理方法包括：仅分析各队列共有的基因、排除基因组不完整的患者、或在测试时进行数据插补。然而，这些方法均存在局限性：限制共享基因会丢失信息，排除患者会减少样本量并引入偏倚，而测试时插补可能引入噪声且对缺失模式敏感。
针对此问题，来自多位作者的研究团队提出了SHIFT（Survival prediction Handling Incomplete Features using Transformer），一种缺失感知的生存预测模型。SHIFT的核心思想是直接从不完整的基因组输入中进行预测，无需测试时插补。模型将每个基因组特征单独表示，并采用掩蔽自注意力机制（masked self-attention）结合特征可用性掩码（feature-availability mask），使得预测仅基于实际观测到的输入特征。此外，在训练过程中，研究者引入了变速率特征掩蔽策略，通过对输入特征以不同速率进行随机掩蔽，增强模型对异质性缺失模式的鲁棒性。
研究团队在胶质母细胞瘤（GBM）和肺鳞状细胞癌（LUSC）两种癌症类型上评估了SHIFT的性能。他们使用了多个外部验证队列，其中包含一个极具挑战性的场景：跨队列的基因面板严重不匹配。实验结果表明，SHIFT在多种设置下均展现出强大的泛化能力，其性能显著优于传统的生存分析基线和基于插补的方法。值得注意的是，SHIFT仅需单一模型即可处理不同队列中变化的特征集，无需为每个队列重新训练。
进一步的分析揭示，将来自不完整队列的患者纳入模型开发过程，反而能够提升模型在外部数据上的表现。这一发现表明，部分观测的队列不必被排除在模型构建之外，从而可以更充分地利用多中心数据。这些结果有力地支持了缺失感知建模作为精准肿瘤学中多中心生存预测的实用策略。
SHIFT模型的提出为处理基因组数据中的结构性缺失问题提供了一种高效且鲁棒的解决方案，有望推动跨机构生存预测模型的广泛临床应用。