详细内容或原文请订阅后点击阅览
AI在预测手术后预测致命并发症方面的票价要好
Johns Hopkins研究人员创建了一个人工智能模型，以从常规ECG测试中挖掘丰富的预测数据
来源:约翰霍普金斯大学Byjill Rosen
吉尔·罗森（Jill Rosen） / < / div> 已发布 2025年9月17日一种新的人工智能模型在常规心脏测试中发现了先前未发现的信号，该模型强烈预测哪些患者在手术后可能会遭受潜在的致命并发症。该模型明显优于医生目前依靠的风险评分。
约翰·霍普金斯大学（Johns Hopkins University）研究人员的联邦资助工作将标准和廉价的测试结果变成了潜在的救生工具，可以改变患者和外科医生的决策和风险计算。
“我们证明了基本的心电图包含不可识别的重要预后信息。”
Robert D. Stevens 约翰·霍普金斯医学的信息学，整合和创新的划分 “我们证明了基本的心电图包含肉眼无法识别的重要预后信息，”约翰·霍普金斯医学的信息学，整合和创新部负责人罗伯特·史蒂文斯（Robert D. Stevens）说。 “我们只能用机器学习技术提取它。” 这些发现今天发表在《英国麻醉杂志》上。 英国麻醉杂志 大部分手术后，很大一部分人会发展威胁生命的并发症。医生所依赖的风险评分确定谁处于并发症的风险中仅在约60％的病例中才是准确的。 希望创建一种更准确的方法来预测这些健康风险，约翰·霍普金斯（Johns Hopkins）团队转向心电图或ECG，或者ECG是一种在大手术前广泛获得的标准，手术前心脏测试。这是通过电信号评估心脏活动的快速，无创的方法，并且可以发出心脏病。 史蒂文斯说，但ECG信号也可以掌握其他更微妙的生理信息，霍普金斯团队怀疑他们可能会发现丰富，预测性数据的宝库，如果AI可以帮助他们看到它。 图像标题： 信用 卡尔·哈里斯（Carl Harris）
Robert D. Stevens
约翰·霍普金斯医学的信息学，整合和创新的划分
“我们证明了基本的心电图包含肉眼无法识别的重要预后信息，”约翰·霍普金斯医学的信息学，整合和创新部负责人罗伯特·史蒂文斯（Robert D. Stevens）说。 “我们只能用机器学习技术提取它。”
这些发现今天发表在《英国麻醉杂志》上。英国麻醉杂志
大部分手术后，很大一部分人会发展威胁生命的并发症。医生所依赖的风险评分确定谁处于并发症的风险中仅在约60％的病例中才是准确的。
希望创建一种更准确的方法来预测这些健康风险，约翰·霍普金斯（Johns Hopkins）团队转向心电图或ECG，或者ECG是一种在大手术前广泛获得的标准，手术前心脏测试。这是通过电信号评估心脏活动的快速，无创的方法，并且可以发出心脏病。
但ECG信号也可以掌握其他更微妙的生理信息，霍普金斯团队怀疑他们可能会发现丰富，预测性数据的宝库，如果AI可以帮助他们看到它。 图像标题： 信用卡尔·哈里斯（Carl Harris）