Una herramienta de IA desarrollada por Mass General Brigham predice con precisión el riesgo de violencia de pareja íntima años antes del diagnóstico utilizando registros médicos. An AI tool developed by Mass General Brigham accurately predicts intimate partner violence risk years before diagnosis using medical records.

Investigadores de Mass General Brigham, financiados por el NIH, desarrollaron una herramienta de IA que utiliza el aprendizaje automático para predecir el riesgo de violencia de pareja íntima (IPV) mediante el análisis de registros médicos electrónicos. 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. El modelo de fusión, HAIM, logró una precisión del 88% e identificó el 80,5% de los casos de IPV hasta 3,7 años antes de la presentación clínica, utilizando tanto datos estructurados como no estructurados. 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. Detectó factores de riesgo como problemas de salud mental, visitas frecuentes a urgencias y privación social, mientras que la atención preventiva estaba vinculada a un menor riesgo. It detected risk factors like mental health issues, frequent ER visits, and social deprivation, while preventive care was linked to lower risk. La herramienta no es para el diagnóstico, sino que tiene como objetivo apoyar la detección precoz y proactiva, sobre todo porque muchas víctimas no denuncian el abuso. The tool is not for diagnosis but aims to support early, proactive screening, especially since many victims don’t disclose abuse. Entre las limitaciones se incluyen posibles falsos negativos y la necesidad de datos más diversos. Limitations include potential false negatives and the need for more diverse data. El enfoque es prometedor para mejorar la intervención temprana y los resultados en materia de salud. The approach shows promise for improving early intervention and health outcomes.