L'IA può determinare un livello di dolore percepito monitorando metriche corporee o attività cerebrale ?

Come può l'intelligenza artificiale tradurre i segnali del corpo in una stima in tempo reale di quanto dolore una persona sta provando? I ricercatori hanno iniziato a combinare battiti cardiaci, risposte della pelle, indizi facciali e scansioni cerebrali con l'apprendimento automatico nel tentativo di costruire una finestra oggettiva sul dolore soggettivo, in particolare per i pazienti che non possono descrivere da soli il loro dolore.

Background

I sistemi di intelligenza artificiale stimano attualmente i livelli di dolore percepito elaborando dati fisiologici multimodali come la variabilità della frequenza cardiaca, la conduttanza cutanea, le espressioni facciali e l'attività del sistema nervoso centrale catturata tramite elettroencefalografia (EEG) o risonanza magnetica funzionale (fMRI) [Nature Biomedical Engineering, 2023]. Queste pipeline prevedono tipicamente l'uso di modelli di machine learning supervisionato addestrati su dataset che abbinano biosignal grezzi a punteggi di dolore auto-riferiti (ad esempio, scale di valutazione numerica da 0 a 10) per apprendere mappature predittive tra metriche corporee e disagio soggettivo. Gli studi riportano correlazioni tra variazioni dei biomarcatori e valutazioni del dolore sia in setting sperimentali acuti che in coorti cliniche croniche, suggerendo una firma fisiologica misurabile del dolore che può essere quantificata anche quando le segnalazioni verbali non sono disponibili. Le sfide includono una pronunciata variabilità interindividuale (età, farmaci, tono autonomico basale), una forte dipendenza dal contesto (tipo di dolore, stato emotivo, fattori ambientali scatenanti) e la soggettività irriducibile dell'esperienza del dolore. Recenti lavori sottolineano quindi l'importanza della fusione multimodale, dell'adattamento al dominio e delle tecniche di interpretabilità causale per migliorare la robustezza e la trasferibilità clinica.