傳統監測憑NEWS或MEWS線性計分，但靈敏度和特異度不足，忽略非線性關聯及時間趨勢。我們以ICU資料建模，外部驗證顯示能提前六小時預測逾九成心跳驟停，靈敏度95，特異度92且AUC0.96，相比NEWS靈敏度81，特異度84及AUC0.87更準並再以生成式AI預測未來體徵助醫師提前干預。

我們以自然死數據預訓練TCN的表現優於LSTM，再與病人病史模型融合。接著以TFT預測體徵納入其他生命徵象及病史數據上下文學習，相較於2019年新加坡團隊GLSTM以15分鐘心率和收縮壓預測60分鐘後的MAPE為9.25和7.33，TFT能依4小時數據預測一小時後的MAPE為4.9和5.7。

我們的發明結合物聯網（IoT）生命徵象監測裝置，提升在宅住院的安全性。應用對象包括慢性病患者及醫療業。全球在宅醫療市場每年超過15成長，我們的技術能預測心跳驟停，大幅提高早期偵測率，減少死亡率。