La inteligencia artificial identifica los niveles de dolor a partir de los datos del paciente

Un equipo de investigación dirigido por profesores y ex alumnos de la Northwestern University descubrió que es posible comprender el nivel de dolor de un paciente al examinar los datos de los signos vitales.

En un nuevo estudio, el equipo desarrolló y aplicó algoritmos de inteligencia artificial (IA), o aprendizaje automático, a datos fisiológicos, incluida la frecuencia respiratoria, la presión arterial, la frecuencia cardíaca, la temperatura corporal y los niveles de oxígeno, de pacientes con dolor crónico. enfermedad de anemia celular. El enfoque de los investigadores no solo superó los modelos básicos para estimar los niveles subjetivos de dolor, sino que también detectó cambios en el dolor y fluctuaciones atípicas en el dolor.

El estudio aparece en la edición del 11 de marzo de la revista PLOS Computational Biology. Este es el primer artículo que demuestra que el aprendizaje automático se puede utilizar para encontrar pistas de dolor ocultas en los datos de signos vitales del paciente.

Actualmente, los pacientes deben calificar su dolor en una escala de cero a 10. Esto puede ser una tarea difícil porque muchas personas experimentan el dolor de manera diferente y los niños pequeños y los pacientes inconscientes no pueden calificar su dolor en absoluto. Los investigadores creen que estas evaluaciones subjetivas del dolor podrían complementarse con un enfoque más objetivo, menos invasivo y basado en datos para ayudar a los médicos a tratar el dolor con mayor precisión.

Daniel Abrams

«El dolor es subjetivo, por lo que es difícil de evaluar cuando se trata de tratar a los pacientes», dijo Daniel Abrams de Northwestern, autor principal del estudio. “Los médicos no quieren socavar a los pacientes y no proporcionar suficiente alivio del dolor. Pero tampoco quieren tratar en exceso a sus pacientes porque existe el riesgo de efectos secundarios y adicción «.

«Nuestro estudio muestra que los datos fisiológicos objetivos que se recopilan de forma rutinaria en los hospitales contienen pistas sobre el dolor subjetivo de un paciente», dijo Mark Panaggio, el primer autor del estudio. «Esperamos que nuestro trabajo inspire el desarrollo continuo de modelos para inferir y, en última instancia, predecir el dolor y que estos modelos permitan a los médicos ofrecer tratamientos más oportunos y específicos».

Abrams es profesor asociado de ciencias de la ingeniería y matemáticas aplicadas en la Escuela de Ingeniería McCormick de Northwestern. Panaggio es un ex PhD. Candidato de Abrams Lab; ahora es matemático aplicado en el Laboratorio de Física Aplicada de la Universidad Johns Hopkins.

Para realizar el estudio, los investigadores utilizaron datos de pacientes con anemia de células falciformes ingresados ​​en el Duke Medical Center debido a un dolor debilitante. La muestra incluyó datos de 105 ingresos de 46 pacientes separados. Cuando los trabajadores de la salud recolectaban regularmente los signos vitales de los pacientes, esos pacientes también evaluaban sus niveles subjetivos de dolor.

Para simplificar la tarea, los investigadores dividieron los niveles de dolor en tres categorías: bajo, moderado y alto. Después de utilizar estrategias de aprendizaje automático para extraer los datos, los investigadores compararon la evaluación del dolor de su modelo con los informes subjetivos de los pacientes.

Nuestro estudio muestra que los datos fisiológicos objetivos que se recopilan de forma rutinaria en los hospitales contienen pistas sobre el dolor subjetivo de un paciente «. Mark Panaggio
Pupila del noroeste

«Las inferencias de nuestro modelo reflejan informes subjetivos de dolor», dijo Abrams. «Fue incluso más preciso para detectar si un paciente estaba por encima o por debajo de su nivel normal de dolor».

Aunque los datos hospitalarios pueden ser difíciles de adquirir debido a problemas de confidencialidad, Abrams, Panaggio y sus colaboradores están en el proceso de obtener un conjunto de datos mucho más grande con informes de dolor de cientos de miles de pacientes con dolor de células falciformes y otras causas, incluyendo post -dolor operatorio y dolor de origen desconocido.

Luego, los investigadores pretenden usar su modelo para tratar de predecir cómo los analgésicos podrían afectar el dolor y predecir cuándo los pacientes con dolor crónico podrían experimentar una exacerbación, lo que actualmente es casi imposible de predecir.

«Un gran porcentaje de personas con dolor crónico acuden a la sala de emergencias con episodios de crisis de dolor, donde el dolor se vuelve inmanejable con medicamentos recetados», dijo Abrams. “En este momento, nadie sabe qué causa estos eventos. Si pudiéramos predecir estos eventos, podríamos ahorrarles a los pacientes mucho dolor y dinero «.

El estudio, “¿Se puede inferir el dolor subjetivo a partir de datos fisiológicos objetivos? La evidencia de pacientes con anemia de células falciformes «fue respaldada por los Institutos Nacionales de Salud (premio número 1R01AT010413-01). Además de Abrams y Panaggio, los coautores del artículo incluyen a Fan Yang y Tanvi Banerjee de la Universidad Estatal de Wright y Nirmish Shah de la Universidad de Duke.