本技術運用深度異質性多模態學習方法，開發一套心衰竭病人再入院與死亡風險預測技術，融合多模態（病歷資料、心電圖及胸腔X光），可精準預測病患短期及長期之死亡與再入院風險，協助醫師進行預後決策。本技術優於傳統醫學方法之表現，相關應用已獲國家新創獎肯定，並正於多家醫院展開驗證。

本技術基於深度異質性多模態學習方法，萃取多樣臨床模態特徵，並經異質表徵融合技術與權重調整策略，融合為多模態互補性資訊後，建立集成式異質分類器堆疊，以預測心衰竭病人短期及長期之再入院與死亡風險。本技術效能優於傳統風險預測方法及相關前沿技術，預測準確度可達AUC 0.8以上。

隨著高齡化加劇，心衰竭盛行率上升並成為65歲以上族群的住院主因之一。由於其再入院與死亡率高，臨床上亟需準確之風險預測工具。本技術融合異質性多模態資訊，預測心衰竭病人短期及長期之再入院與死亡風險，準度遠優於傳統方法，於智慧醫療領域具高度應用價值，可有效輔助臨床決策、降低醫療成本及提升慢性病照護品質。