右心不全（RHF）は右心室の構造または機能に異常が生じる疾患で、高い罹患率と死亡率が伴います。特に肺疾患は右心室の負荷を増加させ、RHFを引き起こすことがあります。本研究では、自己監視型の表現学習法を利用し、肺疾患のある患者からRHFを早期に検出する手法を提案しています。この方法は、スピログラムの時系列データを活用し、RHFの予測を行うものです。提案されたモデルは二段階に分かれ、最初の段階で変分オートエンコーダを使用してスピログラムの低次元表現を学習し、次にこの表現と人口統計情報を組み合わせてCatBoost分類器に入力し、RHFを予測します。イギリスのバイオバンクから選定された26617人のデータセットを用いてテストした結果、RHF検出においてAUROC値0.7501を達成しました。高リスク群においても有望な結果を示し、臨床実践における早期RHF検出の潜在能力を示しています。