जॉन्स हॉपकिन्स ए. आई. पारंपरिक तरीकों को पछाड़ते हुए 85 प्रतिशत समय ई. सी. जी. और रिकॉर्ड का उपयोग करके शल्य चिकित्सा की जटिलताओं की भविष्यवाणी करता है। Johns Hopkins AI predicts surgery complications 85% of the time using ECGs and records, beating traditional methods.

जॉन्स हॉपकिन्स विश्वविद्यालय के शोधकर्ताओं ने एक ए. आई. मॉडल विकसित किया है जो मानक इलेक्ट्रोकार्डियोग्राम (ई. सी. जी.) परीक्षणों और रोगी के चिकित्सा रिकॉर्ड का विश्लेषण करके 85 प्रतिशत सटीकता के साथ शल्य चिकित्सा के बाद की जटिलताओं की भविष्यवाणी करता है, जो लगभग 60 प्रतिशत मामलों में सटीक पारंपरिक जोखिम स्कोर से बेहतर प्रदर्शन करता है। 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. मॉडल ई. सी. जी. डेटा में सूक्ष्म पैटर्न का पता लगाने के लिए गहन शिक्षा का उपयोग करता है जिसे पहले चिकित्सकों द्वारा अनदेखा किया गया था, संभावित रूप से शल्य चिकित्सा निर्णय लेने और रोगी के परिणामों में सुधार करता है। The model uses deep learning to detect subtle patterns in ECG data previously overlooked by clinicians, potentially improving surgical decision-making and patient outcomes. 37, 000 रोगियों के आंकड़ों के आधार पर किए गए अध्ययन से पता चलता है कि ए. आई. सर्जिकल जोखिमों का आकलन करने के तरीके को बदल सकता है, इसके उपयोग को मान्य करने और विस्तारित करने के लिए आगे के परीक्षण की योजना बनाई गई है। 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.