Johns Hopkins KI prognostiziert Komplikationen in der Chirurgie 85% der Zeit mit EKGs und Aufzeichnungen, schlagen traditionelle Methoden. Johns Hopkins AI predicts surgery complications 85% of the time using ECGs and records, beating traditional methods.

Forscher der Johns Hopkins University haben ein KI-Modell entwickelt, das postoperative Komplikationen mit einer Genauigkeit von 85 % vorhersagt, indem es Standard-Elektrokardiogramme (EKG)-Tests und Patientenakten analysiert und damit herkömmliche Risikobewertungen übertrifft, die in etwa 60 % der Fälle genau sind. 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. Das Modell nutzt Deep Learning, um subtile Muster in EKG-Daten zu erkennen, die zuvor von Klinikern übersehen wurden, was die chirurgische Entscheidungsfindung und die Patientenergebnisse verbessern könnte. The model uses deep learning to detect subtle patterns in ECG data previously overlooked by clinicians, potentially improving surgical decision-making and patient outcomes. Die Studie, die auf Daten von 37.000 Patienten basiert, deutet darauf hin, dass KI die Beurteilung der chirurgischen Risiken verändern könnte, wobei weitere Tests geplant sind, um ihre Verwendung zu validieren und auszuweiten. 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.