मास जनरल ब्रिघम द्वारा विकसित एक एआई उपकरण चिकित्सा रिकॉर्ड का उपयोग करके निदान से कई साल पहले अंतरंग साथी हिंसा के जोखिम की सटीक भविष्यवाणी करता है। An AI tool developed by Mass General Brigham accurately predicts intimate partner violence risk years before diagnosis using medical records.

एन. आई. एच. द्वारा वित्त पोषित मास जनरल ब्रिघम के शोधकर्ताओं ने इलेक्ट्रॉनिक चिकित्सा रिकॉर्ड का विश्लेषण करके अंतरंग साथी हिंसा (आई. पी. वी.) जोखिम की भविष्यवाणी करने के लिए मशीन लर्निंग का उपयोग करके एक ए. आई. उपकरण विकसित किया। 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. संलयन मॉडल, एच. ए. आई. एम. ने 88 प्रतिशत सटीकता हासिल की और संरचित और असंरचित दोनों डेटा का उपयोग करते हुए नैदानिक प्रस्तुति से 3.7 साल पहले तक आई. पी. वी. मामलों की पहचान की। 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. इसने मानसिक स्वास्थ्य के मुद्दों, बार-बार ई. आर. यात्राओं और सामाजिक अभाव जैसे जोखिम कारकों का पता लगाया, जबकि निवारक देखभाल को कम जोखिम से जोड़ा गया था। It detected risk factors like mental health issues, frequent ER visits, and social deprivation, while preventive care was linked to lower risk. यह उपकरण निदान के लिए नहीं है, लेकिन इसका उद्देश्य प्रारंभिक, सक्रिय जांच का समर्थन करना है, विशेष रूप से क्योंकि कई पीड़ित दुर्व्यवहार का खुलासा नहीं करते हैं। The tool is not for diagnosis but aims to support early, proactive screening, especially since many victims don’t disclose abuse. सीमाओं में संभावित गलत नकारात्मक और अधिक विविध डेटा की आवश्यकता शामिल है। Limitations include potential false negatives and the need for more diverse data. यह दृष्टिकोण प्रारंभिक हस्तक्षेप और स्वास्थ्य परिणामों में सुधार के लिए प्रतिबद्धता दिखाता है। The approach shows promise for improving early intervention and health outcomes.