Ein von Mass General Brigham entwickeltes KI-Tool prognostiziert exakt das Risiko von intimer Partnergewalt Jahre vor der Diagnose mit medizinischen Aufzeichnungen. An AI tool developed by Mass General Brigham accurately predicts intimate partner violence risk years before diagnosis using medical records.

Forscher von Mass General Brigham, finanziert von der NIH, entwickelten ein KI-Tool mit maschinellem Lernen, um intimes Partnergewaltrisiko (IPV) vorherzusagen, indem sie elektronische medizinische Aufzeichnungen analysierten. Researchers at Mass General Brigham, funded by the NIH, developed an AI tool using machine learning to predict intimate partner violence (IPV) risk by analyzing electronic medical records. Das Fusionsmodell HAIM erreichte eine Genauigkeit von 88% und identifizierte 80,5 % der IPV-Fälle bis zu 3,7 Jahre vor der klinischen Präsentation, wobei sowohl strukturierte als auch unstrukturierte Daten verwendet wurden. The fusion model, HAIM, achieved 88% accuracy and identified 80.5% of IPV cases up to 3.7 years before clinical presentation, using both structured and unstructured data. Es entdeckte Risikofaktoren wie psychische Gesundheitsprobleme, häufige Besuche in der Notaufnahme und soziale Benachteiligung, während die präventive Versorgung mit einem geringeren Risiko verbunden war. It detected risk factors like mental health issues, frequent ER visits, and social deprivation, while preventive care was linked to lower risk. Das Tool ist nicht für die Diagnose, sondern zielt darauf ab, frühzeitiges, proaktives Screening zu unterstützen, zumal viele Opfer Missbrauch nicht offen legen. The tool is not for diagnosis but aims to support early, proactive screening, especially since many victims don’t disclose abuse. Zu den Einschränkungen gehören mögliche falsche Negative und die Notwendigkeit vielfältigerer Daten. Limitations include potential false negatives and the need for more diverse data. Der Ansatz zeigt Versprechen für die Verbesserung der frühen Intervention und gesundheitliche Ergebnisse. The approach shows promise for improving early intervention and health outcomes.