기존 심장 기능 평가 지표인 박출률(EF)과 전반적 종축 변형률(GLS)의 한계를 극복하기 위해, Koopman 연산자 이론 기반의 확장 동적 모드 분해(EDMD)와 임상 메타데이터를 통합한 하이브리드 신경망을 결합한 새로운 AI 기반 심장 기능 지표인 음향 지수(Acoustic Index)를 제안한다. 심초음파 영상 시퀀스에서 일관된 운동 패턴을 추출하고, 어텐션 메커니즘을 통해 가중치를 부여한 후, 다양체 학습을 이용하여 임상 데이터와 융합하여 0(저위험)에서 1(고위험)까지의 연속적인 점수를 산출한다. 736명의 환자를 대상으로 한 전향적 코호트 연구에서 독립적인 검증 집합에서 0.89의 AUC를 달성했으며, 5회 교차 검증에서도 독립적인 데이터에 대해 민감도와 특이도가 0.8을 초과하는 강건성을 보였다.
