تعتبر العمليات التي تعتمد على التصوير العصبي واختبارات الجينوم ذات أهمية قصوى في تشخيص الأمراض العصبية، حيث توفر هذه الأدوات معلومات تشخيصية مكمّلة، ولكن هناك تحديات كبيرة تواجه دمج بيانات الجينوم مع بيانات التصوير بسبب التباين بين الأبعاد المختلفة لهذه البيانات.

حاليًا، تفتقر approaches التصوير-الجيني القائمة إلى القدرة على دمج المعلومات الجينية بدقة، حيث تعتمد على تسميات ثابتة تفقد السياق المحلي حول الطفرات المرتبطة بالأمراض. لمواجهة هذه المشكلة، تم اقتراح إطار جديد يعرف بـ GeneFuse، وهو إطار تعليمي متعدد الأنماط يقوم بمواءمة المعلومات الجينية المستخرجة من نماذج اللغة الجينية المدربة مسبقاً (GLMs) مع الميزات المستخرجة من الصور.

يتكون GeneFuse من مكونين رئيسيين:
1. **تعديل الميزات المعتمد على النمط الجيني (GCFM)**: يعد موديلاً مستوحى من تقنية FiLM، حيث يستخدم تجسيدات جينية لضبط خرائط الميزات الصورة.
2. **دمج الجينوم القائم على حالة عدم اليقين (U-GRF)**: استراتيجية دمج تستخدم عدم اليقين التنبؤي المستمد من التصوير لتحديد الإسهامات المرتبطة بالميزات الجينية.

تم تقييم GeneFuse في تحديد تدهور الإدراك المبكر (NC مقابل MCI) والفحص من أجل الخرف (NC مقابل AD). في إعدادات مُركّزة على جينة **APOE**، حققت GeneFuse معدلات AUROCs تبلغ 0.77 و0.83، متفوقة على طرق دمج التصوير-الجيني الحالية. تشير هذه النتائج إلى أن التجسيدات الجينية المستخلصة من نماذج GLM توفر معلومات إضافية قيمة لنتائج التصوير.