本技術運用深度異質性多模態學習技術，開發一套多模態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），精準預測病患短期（1, 3個月）及長期（12, 36個月）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，已獲國家新創獎肯定，並正於多家醫院展開驗證。

基於深度異質性多模態學習之心衰竭病人再入院與死亡風險預測技術，可由各臨床模態資料萃取其特徵，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，以預測短及長期再入院與死亡風險。本技術效能優於傳統風險預測方法及相關前沿技術，其預測最高皆可達AUC 0.8以上。

隨高齡化心衰竭盛行率加劇上升，65歲以上族群逾20為住院主因。因再入院與死亡率高，臨床極需準確預測工具。本技術整合異質性臨床資料，建立深度多模態AI模型，預測1至36個月內再入院與死亡風險，AUC最高達0.8以上，遠優於傳統方法。其臨床應用潛力，可結合健保資料與穿戴裝置，推廣至智慧醫療與遠距照護。