该研究提出了一种结合自监督对比学习的框架，利用心脏MR图像和临床特征来预测冠状动脉疾病风险。同时，探讨了多模态学习在表格数据处理中的应用，提出了新模型和数据集，显著提升了表格理解和识别的性能。

本文探讨了不确定性感知模型在高风险预测任务中的应用，提出了多种训练策略以量化预测的不确定性，从而提升临床决策支持的可靠性。研究显示，这些模型在心脏治疗和冠状动脉疾病诊断中表现优越，强调了医疗领域中性能指标的重要性。