Sistema de reconocimiento del dolor con IA detecta dolor de pacientes antes, durante y después de la cirugía

La identificación temprana y el manejo oportuno del dolor en los pacientes pueden conducir a estadías hospitalarias más cortas y reducir el riesgo de problemas a largo plazo como dolor crónico, ansiedad y depresión. En la actualidad, la evaluación médica del dolor es en gran medida subjetiva y se basa en herramientas como la Escala Visual Analógica (EVA), donde los pacientes califican sus propios niveles de dolor, y la Herramienta de Observación del Dolor en Cuidados Críticos (CPOT), donde los profesionales de la salud evalúan el dolor a través de las expresiones faciales movimientos corporales y tensión muscular de los pacientes. Ahora, un sistema automatizado de reconocimiento del dolor que utiliza inteligencia artificial (IA) tiene el potencial de detectar el dolor en los pacientes antes, durante y después de la cirugía de manera imparcial.

El sistema automatizado de reconocimiento del dolor desarrollado por investigadores de la Universidad de California en San Diego (La Jolla, CA, EUA) emplea dos tipos de IA: visión por computadora para darle a la computadora la capacidad de "ver" y aprendizaje profundo para interpretar esas entradas visuales y evaluar los niveles de dolor en los pacientes. Los investigadores alimentaron el modelo de IA con 143.293 fotografías faciales tomadas de 69 pacientes sometidos a una variedad de cirugías electivas, que van desde reemplazos de articulaciones hasta complejos procedimientos cardíacos. Estas imágenes se asociaron con 115 episodios de dolor y 159 episodios sin dolor. El equipo entrenó a la computadora mostrándole cada imagen facial individual y etiquetándola según representara dolor o no, lo que permitió a la máquina comenzar a reconocer patrones. Los mapas de calor revelaron que la IA se centró en áreas faciales específicas como las cejas, los labios y la nariz para evaluar el dolor.

Después de un entrenamiento suficiente, el sistema comenzó a hacer predicciones de los niveles de dolor y sus resultados se alinearon con las evaluaciones CPOT el 88 % de las veces y con las evaluaciones EVA el 66 % de las veces. Si estos hallazgos se validan, la tecnología podría servir como un recurso adicional para los médicos que deseen mejorar la atención al paciente. Por ejemplo, se podrían instalar cámaras en salas de recuperación quirúrgica para monitorear continuamente los niveles de dolor de los pacientes, capturando 15 imágenes por segundo. Esto podría liberar a las enfermeras y otros profesionales de la salud de tener que evaluar frecuentemente el dolor de los pacientes, permitiéndoles concentrarse en otras tareas de atención. Las iteraciones futuras del sistema podrían incorporar factores adicionales como el movimiento y el sonido para una evaluación del dolor más precisa.

"Las herramientas tradicionales de evaluación del dolor pueden verse influenciadas por prejuicios raciales y culturales, lo que potencialmente resulta en un manejo deficiente del dolor y peores resultados de salud", dijo Timothy Heintz, BS, autor principal del estudio y estudiante de medicina de cuarto año en la Universidad de California en San Diego. “Además, existe una brecha en la atención perioperatoria debido a la ausencia de métodos observables continuos para la detección del dolor. Nuestro modelo de IA de prueba de concepto podría ayudar a mejorar la atención al paciente mediante la detección imparcial del dolor en tiempo real”.

"La EVA es menos precisa en comparación con la CPOT porque la EVA es una medida subjetiva que puede verse más influenciada por las emociones y los comportamientos que la CPOT", añadió Heintz. "Sin embargo, nuestros modelos pudieron predecir EVA hasta cierto punto, lo que indica que hay señales muy sutiles que el sistema de IA puede identificar y que los humanos no pueden".

Enlaces relacionados:
Universidad de California San Diego  

Visitar la expo >

Miembro Platino

VISOR EN PANTALLA DE DIAGNÓSTICO EN TIEMPO REAL

GEMweb Live

Miembro Oro

NEW PRODUCT : SILICONE WASHING MACHINE TRAY COVER WITH VICOLAB SILICONE NET VICOLAB®

REGISTRED 682.9

Cardiograph Device

PageWriter TC35

Isolation Stretcher

IS 736