A medida que avanzan las tecnologías de imágenes médicas, estas herramientas están desempeñando un papel cada vez más importante en ayudar al diagnóstico clínico de enfermedades. La fusión de imágenes biomédicas e información multimodal es profunda, ya que mejora significativamente la precisión y la exhaustividad del diagnóstico. Integrar imágenes de múltiples órganos con información genómica puede mejorar significativamente la precisión de la predicción de enfermedades porque muchas enfermedades involucran determinantes tanto ambientales como genéticos. En el estudio presente, nos enfocamos en la fusión de fenotipos derivados de imágenes (IDPs) y puntaje de riesgo poligénico (PRS) de enfermedades de diferentes órganos incluyendo el cerebro, corazón, pulmón, hígado, bazo, páncreas y riñón para predecir la ocurrencia de nueve enfermedades comunes, a saber, fibrilación auricular, insuficiencia cardíaca (HF), hipertensión, infarto de miocardio, asma, diabetes tipo 2, enfermedad renal crónica, enfermedad de las arterias coronarias (CAD) y enfermedad pulmonar obstructiva crónica, en el conjunto de datos del Biobanco del Reino Unido (UKBB). Para cada enfermedad, se desarrollaron tres modelos de predicción utilizando características de imágenes, datos genómicos y una fusión de ambos, respectivamente, y se compararon sus rendimientos. Los resultados indicaron que para siete enfermedades, el modelo que integra tanto imágenes como datos genómicos logró un rendimiento predictivo superior en comparación con los modelos que solo usaron características de imágenes o solo datos genómicos. Por ejemplo, el Área Bajo la Curva (AUC) de la predicción de riesgo de HF aumentó de 0.68 +/- 0.15 a 0.79 +/- 0.12, y el AUC del diagnóstico de CAD aumentó de 0.76 +/- 0.05 a 0.81 +/- 0.06.