本发明公开了一种基于动静态数据结合与深度自编码器的血透风险预测系统，本发明基于深度自编码器，利用患者血透治疗过程中采集的血压、体重等体征数据以及透析方式、膜面积等血透治疗相关数据，建模高维度EHR时序数据之间的关联性，实现血透患者风险预测；结合静态和动态数据构建多输入模型，动态数据部分引入LSTM自编码器网络，并考虑时序数据之间的时间间隔，同时整合静态数据作为额外输入，引入多层神经网络；仅利用生存样本训练模型，在死亡样本较少或不扩增死亡样本的前提下，提升模型预测性能，减少因人为扩增数据对模型训练造成的影响。