「電子ヘルスレコード、医療イメージング、スマートウォッチデータなど、多くのヘルスデータソースを集積することで、研究者と臨床医が分析するための膨大なデータが生成される。これらの異なるデータストリームは、同じ臓器系内でもユニークで重複する信号を持ち合わせている。例えば、心臓系では、エレクトロカーディオグラム（ECG）と光電生理グラム（PPG）のデータを組み合わせることで、心臓の健康状態のより完全な画像を提供できる。大量のバイオバンクから得られた遺伝情報とこれらの生理的シグネチャーを統合することで、疾患の遺伝的基盤を同定することができる。著者らは、以前のモデルREGLEの多モーダルバージョンであるM-REGLEを開発し、複数の臨床データタイプを一度に分析することを可能にした。M-REGLEは、再構築エラーを低下させ、遺伝的関連をより多く同定し、心臓疾患の予測においてU-REGLEを上回る性能を示した。M-REGLEは、ロバストなマルチステップアプローチを使用して、複数のモダリティを結合し、最も重要な情報を捉え、計算された独立因子と遺伝データとの関連を捜索する。モデルは、U-REGLEよりも一貫して「学習された表現」を生成し、再構築エラーを大幅に低下させ、オリジナルの波形からの最重要な情報を捉えることに成功した。M-REGLEはまた、心臓疾患との遺伝的関連の同定においてU-REGLEを上回り、以前には関連付けられていなかった複数の新しいロキを発見した。モデルのポリジェニックリスクスコアは、特に心房細動において、U-REGLEよりも大幅に上回る性能を示した。」