ماس جنرل بریگھم کا تیار کردہ اے آئی ٹول طبی ریکارڈ کا استعمال کرتے ہوئے تشخیص سے کئی سال پہلے قریبی ساتھی کے تشدد کے خطرے کی درست پیش گوئی کرتا ہے۔ An AI tool developed by Mass General Brigham accurately predicts intimate partner violence risk years before diagnosis using medical records.

ماس جنرل بریگھم کے محققین، جنہیں این آئی ایچ کی طرف سے مالی اعانت فراہم کی جاتی ہے، نے الیکٹرانک طبی ریکارڈ کا تجزیہ کرکے مباشرت پارٹنر تشدد (آئی پی وی) کے خطرے کی پیش گوئی کرنے کے لیے مشین لرننگ کا استعمال کرتے ہوئے ایک اے آئی ٹول تیار کیا۔ 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. فیوژن ماڈل، ایچ اے آئی ایم نے 88 فیصد درستگی حاصل کی اور منظم اور غیر ساختہ ڈیٹا دونوں کا استعمال کرتے ہوئے کلینیکل پریزنٹیشن سے 3. 7 سال پہلے تک آئی پی وی کے معاملات کی شناخت کی۔ 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. اس نے خطرے کے عوامل کا پتہ لگایا جیسے ذہنی صحت کے مسائل، بار بار ای آر کے دورے، اور سماجی محرومی، جبکہ احتیاطی نگہداشت کو کم خطرے سے جوڑا گیا تھا۔ It detected risk factors like mental health issues, frequent ER visits, and social deprivation, while preventive care was linked to lower risk. یہ ٹول تشخیص کے لیے نہیں ہے بلکہ اس کا مقصد ابتدائی، فعال اسکریننگ کی حمایت کرنا ہے، خاص طور پر چونکہ بہت سے متاثرین بدسلوکی کا انکشاف نہیں کرتے ہیں۔ The tool is not for diagnosis but aims to support early, proactive screening, especially since many victims don’t disclose abuse. حدود میں ممکنہ جھوٹے منفی اور زیادہ متنوع ڈیٹا کی ضرورت شامل ہیں۔ Limitations include potential false negatives and the need for more diverse data. یہ نقطہ نظر ابتدائی مداخلت اور صحت کے نتائج کو بہتر بنانے کا وعدہ ظاہر کرتا ہے۔ The approach shows promise for improving early intervention and health outcomes.