جانز ہاپکنز اے آئی روایتی طریقوں کو پیچھے چھوڑتے ہوئے ای سی جی اور ریکارڈ کا استعمال کرتے ہوئے 85 فیصد وقت جراحی کی پیچیدگیوں کی پیش گوئی کرتا ہے۔ Johns Hopkins AI predicts surgery complications 85% of the time using ECGs and records, beating traditional methods.

جانز ہاپکنز یونیورسٹی کے محققین نے ایک اے آئی ماڈل تیار کیا ہے جو معیاری الیکٹرو کارڈیوگرام (ای سی جی) ٹیسٹوں اور مریضوں کے طبی ریکارڈوں کا تجزیہ کرکے 85 فیصد درستگی کے ساتھ جراحی کے بعد کی پیچیدگیوں کی پیش گوئی کرتا ہے، روایتی رسک اسکور سے بہتر کارکردگی کا مظاہرہ کرتا ہے جو تقریبا 60 فیصد معاملات میں درست ہیں۔ 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. یہ ماڈل ای سی جی ڈیٹا میں باریک نمونوں کا پتہ لگانے کے لیے ڈیپ لرننگ کا استعمال کرتا ہے جسے پہلے معالجین نے نظر انداز کیا تھا، ممکنہ طور پر جراحی سے متعلق فیصلہ سازی اور مریض کے نتائج کو بہتر بناتا ہے۔ 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 مریضوں کے اعداد و شمار پر مبنی مطالعہ سے پتہ چلتا ہے کہ مصنوعی ذہانت جراحی کے خطرات کا اندازہ لگانے کے طریقے کو تبدیل کر سکتی ہے، اس کے استعمال کی توثیق اور توسیع کے لیے مزید جانچ کا منصوبہ بنایا گیا ہے۔ 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.