Foundation-модели (базовые модели) искусственного интеллекта радикально меняют подходы к анализу данных в онкологии. Однако становится очевидным, что ни одна отдельная модель не способна стабильно превосходить другие во всех клинических задачах. Это наблюдение стимулирует исследователей к разработке комбинированных подходов, объединяющих сильные стороны различных моделей.

Комбинированные модели находят применение в широком спектре онкологических задач. В патоморфологической диагностике сочетание моделей позволяет повысить точность интерпретации гистологических слайдов, улучшая детекцию опухолевых клеток и оценку морфологических паттернов. В области противоопухолевой лекарственной терапии комбинации моделей помогают в подборе оптимальных препаратов с учётом молекулярно-генетического профиля конкретной опухоли пациента.

Основные преимущества комбинированного подхода заключаются в улучшении производительности (способности решать разнородные задачи) и повышении надёжности (стабильности результатов при различных типах данных и клинических сценариях). Интеграция нескольких foundation-моделей позволяет компенсировать слабости отдельных алгоритмов и создавать более универсальные системы поддержки принятия клинических решений в онкологии.