{"id":41536,"date":"2023-10-20T11:09:22","date_gmt":"2023-10-20T17:09:22","guid":{"rendered":"https:\/\/saluddigital.com\/?p=41536"},"modified":"2025-10-19T00:18:50","modified_gmt":"2025-10-19T06:18:50","slug":"ia-ayudaria-a-detectar-el-dolor-de-los-pacientes-antes-durante-y-despues-de-una-cirugia","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/ia-ayudaria-a-detectar-el-dolor-de-los-pacientes-antes-durante-y-despues-de-una-cirugia\/","title":{"rendered":"IA ayudar\u00eda a detectar el dolor de los pacientes antes, durante y despu\u00e9s de una cirug\u00eda"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Actualmente la evaluaci\u00f3n del dolor incluye m\u00e9todos subjetivos, algo que podr\u00eda cambiar a trav\u00e9s de herramientas de inteligencia artificial.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Un sistema automatizado de reconocimiento del dolor basado en inteligencia artificial (IA) mostr\u00f3 resultados alentadores en la detecci\u00f3n de dolor en pacientes antes, durante y despu\u00e9s de una intervenci\u00f3n quir\u00fargica. Este avance podr\u00eda ser un m\u00e9todo imparcial para la detecci\u00f3n del dolor de los pacientes, seg\u00fan detalla una investigaci\u00f3n reciente publicada por la Asociaci\u00f3n Estadounidense de Anestesi\u00f3logos.<\/p>

Actualmente para este proceso de detecci\u00f3n de dolor, se utilizan m\u00e9todos subjetivos para evaluar el dolor. Por ejemplo, la escala visual anal\u00f3gica (EAV, en ingl\u00e9s), en la que los pacientes eval\u00faan su propio dolor o la herramienta de observaci\u00f3n de dolor en cuidados cr\u00edticos (CPOT, en ingl\u00e9s), en la que el personal de salud califica el dolor del paciente bas\u00e1ndose en la expresi\u00f3n facial, el movimiento corporal y la tensi\u00f3n muscular del paciente.<\/p>

De esta manera, este sistema automatizado de reconocimiento del dolor est\u00e1 basada en dos tipos de IA, primero la visi\u00f3n por computadora y el aprendizaje profundo para que el sistema pueda interpretar las im\u00e1genes y evaluar el dolor de los pacientes.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

\u201cLas herramientas tradicionales de evaluaci\u00f3n 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\u201d, dijo Timothy Heintz, autor principal del estudio y estudiante de medicina en la Universidad de California, San Diego. Heintz explica que este modelo podr\u00eda ayudar a mejorar la atenci\u00f3n al paciente mediante la detecci\u00f3n del dolor en tiempo real y sin sesgos.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t

\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Asimismo, diversos estudios han demostrado que el reconocimiento temprano del dolor y el tratamiento eficaz del mismo reducen la duraci\u00f3n de las estancias hospitalarias y previenen enfermedades a largo plazo como el dolor cr\u00f3nico, la ansiedad y la depresi\u00f3n.<\/p>

Para el entrenamiento del modelo de IA, los investigadores proporcionaron m\u00e1s de 143 mil im\u00e1genes faciales de 115 episodios de dolor y 159 episodios sin dolor en 69 pacientes a intervenciones quir\u00fargicas como pr\u00f3tesis de rodilla y cadera hasta complejas operaciones de coraz\u00f3n.<\/p>

Posteriormente, los investigadores le presentaron al modelo las im\u00e1genes con informaci\u00f3n sobre si representaba dolor o no y posteriormente la IA aprendi\u00f3 a identificar patrones relacionados con el dolor en las im\u00e1genes. Por ejemplo, se centr\u00f3 en expresiones faciales y m\u00fasculos faciales en determinadas zonas del rosto como cejas, labios y nariz.<\/p>

De esta manera, una vez que el sistema automatizado de reconocimiento del dolor adquiri\u00f3 los conocimientos para identificar el dolor a trav\u00e9s de las im\u00e1genes, coincidi\u00f3 con los resultados del CPOT el 88% de las veces y con la EAV el 66%. \u201cLa EAV es menos precisa que la CPOT porque la EAV es una medida subjetiva que puede estar m\u00e1s influida por las emociones y los comportamientos que la CPOT\u201d, explic\u00f3 Heintz. No obstante, los modelos fueron capaces de predecir la EAV hasta cierto punto, lo que indica que hay se\u00f1ales muy que muestran que la IA es capaz de identificar patrones que los humanos no pueden.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

EUREKALERT<\/strong><\/p>

https:\/\/www.eurekalert.org\/news-releases\/1004270<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

Actualmente la evaluaci\u00f3n del dolor incluye m\u00e9todos subjetivos, algo que podr\u00eda cambiar a trav\u00e9s de herramientas de inteligencia artificial. Un sistema automatizado de reconocimiento del dolor basado en inteligencia artificial (IA) mostr\u00f3 resultados alentadores en la detecci\u00f3n de dolor en pacientes antes, durante y despu\u00e9s de una intervenci\u00f3n quir\u00fargica. Este avance podr\u00eda ser un m\u00e9todo imparcial para la detecci\u00f3n del dolor de los pacientes, seg\u00fan detalla una investigaci\u00f3n reciente publicada por la Asociaci\u00f3n Estadounidense de Anestesi\u00f3logos. Actualmente para este proceso de detecci\u00f3n de dolor, se utilizan m\u00e9todos subjetivos para evaluar el dolor. Por ejemplo, la escala visual anal\u00f3gica (EAV, en ingl\u00e9s), en la que los pacientes eval\u00faan su propio dolor o la herramienta de observaci\u00f3n de dolor en cuidados cr\u00edticos (CPOT, en ingl\u00e9s), en la que el personal de salud califica el dolor del paciente bas\u00e1ndose en la expresi\u00f3n facial, el movimiento corporal y la tensi\u00f3n muscular del paciente. De esta manera, este sistema automatizado de reconocimiento del dolor est\u00e1 basada en dos tipos de IA, primero la visi\u00f3n por computadora y el aprendizaje profundo para que el sistema pueda interpretar las im\u00e1genes y evaluar el dolor de los pacientes. \u201cLas herramientas tradicionales de evaluaci\u00f3n 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\u201d, dijo Timothy Heintz, autor principal del estudio y estudiante de medicina en la Universidad de California, San Diego. Heintz explica que este modelo podr\u00eda ayudar a mejorar la atenci\u00f3n al paciente mediante la detecci\u00f3n 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 duraci\u00f3n de las estancias hospitalarias y previenen enfermedades a largo plazo como el dolor cr\u00f3nico, la ansiedad y la depresi\u00f3n. Para el entrenamiento del modelo de IA, los investigadores proporcionaron m\u00e1s de 143 mil im\u00e1genes faciales de 115 episodios de dolor y 159 episodios sin dolor en 69 pacientes a intervenciones quir\u00fargicas como pr\u00f3tesis de rodilla y cadera hasta complejas operaciones de coraz\u00f3n. Posteriormente, los investigadores le presentaron al modelo las im\u00e1genes con informaci\u00f3n sobre si representaba dolor o no y posteriormente la IA aprendi\u00f3 a identificar patrones relacionados con el dolor en las im\u00e1genes. Por ejemplo, se centr\u00f3 en expresiones faciales y m\u00fasculos faciales en determinadas zonas del rosto como cejas, labios y nariz. De esta manera, una vez que el sistema automatizado de reconocimiento del dolor adquiri\u00f3 los conocimientos para identificar el dolor a trav\u00e9s de las im\u00e1genes, coincidi\u00f3 con los resultados del CPOT el 88% de las veces y con la EAV el 66%. \u201cLa EAV es menos precisa que la CPOT porque la EAV es una medida subjetiva que puede estar m\u00e1s influida por las emociones y los comportamientos que la CPOT\u201d, explic\u00f3 Heintz. No obstante, los modelos fueron capaces de predecir la EAV hasta cierto punto, lo que indica que hay se\u00f1ales muy que muestran que la IA es capaz de identificar patrones que los humanos no pueden. BIBLIOGRAF\u00cdA EUREKALERT https:\/\/www.eurekalert.org\/news-releases\/1004270<\/p>","protected":false},"author":1,"featured_media":41537,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-41536","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/41536","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=41536"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/41536\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/41537"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=41536"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=41536"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=41536"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}