本技術運用深度學習及巨量資料分析技術開發出一套基於心電圖之智慧性非侵入式左心室肥厚(LVH)風險預測技術，以自動化之心電圖判讀即可取代現行以CT/MRI等具輻射侵入性之影像檢查，並與台北榮總及日本二家醫院進行測試，具備高準度、低成本及非侵入性之優點，將可降低醫療資源耗費及減少病人之侵入性檢測傷害。

本團隊發展出基於心電圖之智慧性非侵入式心臟疾病預測技術，融合不同模態之資料，提出降低醫療資源成本以及減少病人受到侵入式檢測傷害之技術。此預測模型遠優於傳統心電圖判讀方式。根據分析結果，當病患被此模型判斷為LVH患者時，即使量測當下未觀察到LVH，在未來發生LVH的風險仍為被判斷為健康患者的8.4倍。

左心室肥大會增加心衰竭、心律失常、心血管死亡和心源性猝死的風險。青壯年的左心室肥大，因為相對年輕，很容易忽視左心室肥大的診斷，造成家庭破碎、社會經濟醫療負擔與國家的重大損失。我們所開發的人工智慧心電圖模組，經臺灣與日本族群之測試驗證，可以識別潛在性的左心室肥大患者，並可以找出高心血管死亡風險的族群。