Czy AI może określić odczuwaną intensywność bólu poprzez monitorowanie parametrów fizjologicznych lub aktywności mózgu ?

Jak sztuczna inteligencja może tłumaczyć sygnały ciała na rzeczywistą ocenę w czasie rzeczywistym, ile bólu odczuwa dana osoba? Naukowcy zaczęli łączyć bicie serca, reakcje skóry, sygnały z twarzy i skany mózgu z uczeniem maszynowym w próbie stworzenia obiektywnego okna na subiektywne cierpienie, szczególnie u pacjentów, którzy nie są w stanie opisać swojego bólu.

Background

Systemy AI obecnie szacują postrzegane poziomy bólu poprzez przetwarzanie wielomodalnych danych fizjologicznych, takich jak zmienność rytmu serca, przewodnictwo skóry, wyraz twarzy oraz aktywność ośrodkowego układu nerwowego rejestrowaną za pomocą elektroencefalografii (EEG) lub funkcjonalnego rezonansu magnetycznego (fMRI) [Nature Biomedical Engineering, 2023]. Te procesy zazwyczaj obejmują nadzorowane modele uczenia maszynowego trenowane na zbiorach danych łączących surowe biosygnały z samoopisowymi wynikami bólu (np. numeryczne skale oceny bólu od 0–10), aby nauczyć się przewidywania związków między wskaźnikami fizjologicznymi a subiektywnym dyskomfortem. Badania donoszą o korelacjach między zmianami biomarkerów a ocenami bólu zarówno w ostrych warunkach eksperymentalnych, jak i w kohortach klinicznych z bólem przewlekłym, co sugeruje mierzalny fizjologiczny ślad bólu, który można ilościowo określić nawet wtedy, gdy brakuje werbalnych raportów. Wyzwania obejmują wyraźną zmienność międzyosobniczą (wiek, leki, podstawowy ton autonomiczny), silną zależność od kontekstu (rodzaj bólu, stan emocjonalny, czynniki środowiskowe) oraz nieusuwalną subiektywność doświadczenia bólu. Ostatnie prace kładą zatem nacisk na fuzję wielomodalną, adaptację dziedzinową oraz techniki interpretowalności przyczynowej w celu poprawy odporności i klinicznej użyteczności.