Johns Hopkins AI предсказывает осложнения хирургии 85% времени с использованием ЭКГ и записей, побивая традиционные методы. Johns Hopkins AI predicts surgery complications 85% of the time using ECGs and records, beating traditional methods.

Исследователи Университета Джона Хопкинса разработали модель АИ, которая предсказывает постхирургические осложнения с 85-процентной точностью, анализируя стандартные электрокардиограммы (ЭКГ) и медицинские записи пациентов, превосходя традиционные оценки риска, которые являются точными примерно в 60% случаев. Researchers at Johns Hopkins University have developed an AI model that predicts post-surgical complications with 85% accuracy by analyzing standard electrocardiogram (ECG) tests and patient medical records, outperforming traditional risk scores that are accurate in about 60% of cases. В этой модели используются глубокие знания для выявления тонкостей в данных ЭКГ, которые ранее игнорировались врачами, что может улучшить хирургическое принятие решений и результаты пациента. The model uses deep learning to detect subtle patterns in ECG data previously overlooked by clinicians, potentially improving surgical decision-making and patient outcomes. Результаты исследования, проведенного на основе данных, полученных от 37 000 пациентов, свидетельствуют о том, что ИИ может изменить методы оценки хирургических рисков, при этом планируется провести дополнительное тестирование для подтверждения и расширения масштабов его использования. The study, based on data from 37,000 patients, suggests AI could transform how surgical risks are assessed, with further testing planned to validate and expand its use.