Η τεχνητή νοημοσύνη μπορεί να εντοπίσει καλύτερα τη σωματική κακοποίηση σε παιδιά που μεταφέρονται στα Επείγοντα των νοσοκομείων, αναφέρει νέα έρευνα που παρουσιάστηκε στο συνέδριο Pediatric Academic Societies (PAS) 2025 Meeting.
Ερευνητές χρησιμοποίησαν μοντέλο μηχανικής μάθησης για να υπολογίσουν περιστατικά παιδικής κακοποίησης στα Επείγοντα με βάση διαγνωστικούς κώδικες για υψηλού κινδύνου τραυματισμό και σωματική κακοποίηση.
Η προσέγγιση των ερευνητών προέβλεψε καλύτερα ποσοστά κακοποίησης έναντι όσων βασίστηκαν μόνο σε διαγνωστικούς κώδικες που εισήχθησαν από παρόχους ή διοικητικό προσωπικό. Το να βασίζεται κάποιος μόνο σε κώδικες κακοποίησης οδηγεί σε λανθασμένη διάγνωση στο 8,5% των περιστατικών.
Η Farah Brink, του Ohio State University, δήλωσε ότι η προσέγγιση με την τεχνητή νοημοσύνη προσφέρει πιο σαφή εικόνα στις τάσεις της παιδικής κακοποίησης, που βοηθά τους ειδικούς να αντιμετωπίζουν πιο κατάλληλα την κακοποίηση και να βελτιώνουν την παιδική ασφάλεια.
Εργαλεία με βάση την τεχνητή νοημοσύνη έχουν τεράστιες δυνατότητες να φέρουν επανάσταση στο πώς οι ερευνητές κατανοούν και εργάζονται με στοιχεία σε ευαίσθητα θέματα.
Οι ερευνητές μελέτησαν στοιχεία 3.317 επισκέψεων στα Επείγοντα στις ΗΠΑ που σχετίζονταν με τραυματισμούς και κακοποίηση σε 7 παιδιατρικά νοσοκομεία των ΗΠΑ μεταξύ 2021-22. Όλα τα παιδιά ήταν κάτω των 10 ετών και τα τρία τέταρτα κάτω των 2 ετών.
Πηγές:
American Pediatric Society
Ειδήσεις υγείας σήμερα
Εξέταση αίματος προβλέπει τη λιπώδη νόσο του ήπατος 16 χρόνια πριν την εμφάνιση συμπτωμάτων [μελέτη]
Ε.Σ.Α.μεΑ.: Χαμηλοσυνταξιούχοι με αναπηρία εκτός επιδόματος στήριξης
Παντζάρι και χυμός παντζαριού: Πώς ωφελούν τον οργανισμό
VIA: iatronet.gr
