Actualmente la evaluación del dolor incluye métodos subjetivos, algo que podría cambiar a través de herramientas de inteligencia artificial.
Un sistema automatizado de reconocimiento del dolor basado en inteligencia artificial (IA) mostró resultados alentadores en la detección de dolor en pacientes antes, durante y después de una intervención quirúrgica. Este avance podría ser un método imparcial para la detección del dolor de los pacientes, según detalla una investigación reciente publicada por la Asociación Estadounidense de Anestesiólogos.
Actualmente para este proceso de detección de dolor, se utilizan métodos subjetivos para evaluar el dolor. Por ejemplo, la escala visual analógica (EAV, en inglés), en la que los pacientes evalúan su propio dolor o la herramienta de observación de dolor en cuidados críticos (CPOT, en inglés), en la que el personal de salud califica el dolor del paciente basándose en la expresión facial, el movimiento corporal y la tensión muscular del paciente.
De esta manera, este sistema automatizado de reconocimiento del dolor está basada en dos tipos de IA, primero la visión por computadora y el aprendizaje profundo para que el sistema pueda interpretar las imágenes y evaluar el dolor de los pacientes.
“Las herramientas tradicionales de evaluación del dolor pueden estar influenciadas por sesgos raciales y culturales, lo que potencialmente resulta en un manejo deficiente del dolor y peores resultados de salud”, dijo Timothy Heintz, autor principal del estudio y estudiante de medicina en la Universidad de California, San Diego. Heintz explica que este modelo podría ayudar a mejorar la atención al paciente mediante la detección del dolor en tiempo real y sin sesgos.
Asimismo, diversos estudios han demostrado que el reconocimiento temprano del dolor y el tratamiento eficaz del mismo reducen la duración de las estancias hospitalarias y previenen enfermedades a largo plazo como el dolor crónico, la ansiedad y la depresión.
Para el entrenamiento del modelo de IA, los investigadores proporcionaron más de 143 mil imágenes faciales de 115 episodios de dolor y 159 episodios sin dolor en 69 pacientes a intervenciones quirúrgicas como prótesis de rodilla y cadera hasta complejas operaciones de corazón.
Posteriormente, los investigadores le presentaron al modelo las imágenes con información sobre si representaba dolor o no y posteriormente la IA aprendió a identificar patrones relacionados con el dolor en las imágenes. Por ejemplo, se centró en expresiones faciales y músculos faciales en determinadas zonas del rosto como cejas, labios y nariz.
De esta manera, una vez que el sistema automatizado de reconocimiento del dolor adquirió los conocimientos para identificar el dolor a través de las imágenes, coincidió con los resultados del CPOT el 88% de las veces y con la EAV el 66%. “La EAV es menos precisa que la CPOT porque la EAV es una medida subjetiva que puede estar más influida por las emociones y los comportamientos que la CPOT”, explicó Heintz. No obstante, los modelos fueron capaces de predecir la EAV hasta cierto punto, lo que indica que hay señales muy que muestran que la IA es capaz de identificar patrones que los humanos no pueden.
