La IA de Johns Hopkins predice complicaciones quirúrgicas el 85% del tiempo usando ECG y registros, superando a los métodos tradicionales. Johns Hopkins AI predicts surgery complications 85% of the time using ECGs and records, beating traditional methods.

Investigadores de la Universidad Johns Hopkins han desarrollado un modelo de IA que predice las complicaciones posquirúrgicas con un 85% de precisión mediante el análisis de las pruebas estándar de electrocardiograma (ECG) y los registros médicos de los pacientes, superando las puntuaciones de riesgo tradicionales que son precisas en aproximadamente el 60% de los casos. 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. El modelo utiliza el aprendizaje profundo para detectar patrones sutiles en los datos de ECG previamente pasados por alto por los médicos, lo que potencialmente mejora la toma de decisiones quirúrgicas y los resultados para los pacientes. The model uses deep learning to detect subtle patterns in ECG data previously overlooked by clinicians, potentially improving surgical decision-making and patient outcomes. El estudio, basado en datos de 37,000 pacientes, sugiere que la IA podría transformar la forma en que se evalúan los riesgos quirúrgicos, con nuevas pruebas planeadas para validar y expandir su uso. 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.