В статье представлен FACTMx — вариационный фреймворк для совместного моделирования структурированных и простых видов данных с целью обучения интерпретируемых представлений пациентов. Метод решает проблему интеграции мультимодальных данных (например, секвенирование РНК отдельных клеток, пространственная транскриптомика, протеомика, гистология), где каждый пациент имеет множество поднаблюдений — отдельных клеток, пространственных точек или патчей. В отличие от существующих подходов, которые полагаются на отдельно предвычисленные сводки и теряют информацию из структурированных представлений, FACTMx связывает латентные факторы пациентов с кластеризацией поднаблюдений и пропорциями компонентов для каждого пациента, что обеспечивает прямую интерпретацию и последующий анализ ассоциаций. Фреймворк поддерживает различные предположения о смесях для структурированных представлений, включая тематические и гауссовы структуры, сохраняя модульные параметризации кодера-декодера. В симуляциях, охватывающих разреженные и плотные зависимости и несколько режимов шума, FACTMx улучшил реконструкцию, интеграцию и восстановление структурированных компонентов по сравнению с предыдущими методами. При применении к когортам немелкоклеточного рака легкого FACTMx выявил связанные с выживаемостью латентные сигналы, связанные с иммунным микроокружением, путями экспрессии генов и пространственно когерентными гистологическими паттернами. В продольной когорте коронарного синдрома FACTMx выделил ось, связанную с исходами, сопряженную с изменением фракции выброса, состояниями иммунных клеток, растворимыми медиаторами и маркерами повреждения сердца. Результаты подтверждают ценность совместного структурированно-простого моделирования для интерпретируемой мультимодальной стратификации пациентов.