O sistema de reconhecimento de dor por IA pode ajudar a detectar a dor dos pacientes antes, durante e após a cirurgia

Um sistema automatizado de reconhecimento da dor usando inteligência artificial (IA) é promissor como um método imparcial para detectar dor em pacientes antes, durante e após a cirurgia, de acordo com pesquisa apresentada na reunião anual de ANESTESIOLOGIA 2023.

Atualmente, métodos subjetivos são usados ​​para avaliar a dor, incluindo a Escala Visual Analógica (VAS) – onde os pacientes avaliam sua própria dor – e a Ferramenta de Observação da Dor em Cuidados Críticos (CPOT) – onde os profissionais de saúde avaliam a dor do paciente com base na expressão facial. , movimento corporal e tensão muscular. O sistema automatizado de reconhecimento da dor usa duas formas de IA, visão computacional (dando “olhos” ao computador) e aprendizado profundo para que possa interpretar os recursos visuais para avaliar a dor dos pacientes.

“As ferramentas tradicionais de avaliação da dor podem ser influenciadas por preconceitos raciais e culturais, resultando potencialmente em mau manejo da dor e piores resultados de saúde”, disse Timothy Heintz, BS, principal autor do estudo e estudante de medicina do quarto ano da Universidade da Califórnia em San Diego. “Além disso, há uma lacuna no cuidado perioperatório devido à ausência de métodos observáveis ​​contínuos para detecção da dor. Nosso modelo de IA de prova de conceito poderia ajudar a melhorar o atendimento ao paciente por meio da detecção imparcial da dor em tempo real”.

Foi demonstrado que o reconhecimento precoce e o tratamento eficaz da dor diminuem o tempo de internação hospitalar e previnem problemas de saúde de longo prazo, como dor crônica, ansiedade e depressão.

Os pesquisadores forneceram ao modelo de IA 143.293 imagens faciais de 115 episódios de dor e 159 episódios sem dor em 69 pacientes que passaram por uma ampla gama de procedimentos cirúrgicos eletivos, desde substituições de joelho e quadril até cirurgias cardíacas complexas. Os pesquisadores ensinaram o computador apresentando cada imagem facial bruta e dizendo se representava ou não dor, e ele começou a identificar padrões.

Usando mapas de calor, os pesquisadores perceberam que o computador se concentrava nas expressões faciais e nos músculos faciais em certas áreas do rosto, principalmente nas sobrancelhas, lábios e nariz. Uma vez fornecidos exemplos suficientes, utilizou-se o conhecimento aprendido para fazer previsões de dor. O sistema de reconhecimento de dor automatizado por IA alinhado com os resultados do CPOT em 88% das vezes e com o VAS em 66% das vezes.

“A EVA é menos precisa em comparação com o CPOT porque a EVA é uma medida subjetiva que pode ser mais fortemente influenciada por emoções e comportamentos do que o CPOT”, disse Heintz. “No entanto, nossos modelos foram capazes de prever VAS até certo ponto, indicando que há pistas muito sutis que o sistema de IA pode identificar e que os humanos não conseguem”.

Se as descobertas forem validadas, esta tecnologia pode ser uma ferramenta adicional que os médicos poderiam usar para melhorar o atendimento ao paciente. Por exemplo, câmeras poderiam ser montadas nas paredes e no teto da sala de recuperação cirúrgica (unidade de recuperação pós-anestésica) para avaliar a dor dos pacientes – mesmo aqueles que estão inconscientes – capturando 15 imagens por segundo. Isto também libertaria os enfermeiros e os profissionais de saúde – que de forma intermitente dedicam tempo à avaliação da dor do paciente – para se concentrarem noutras áreas de cuidados. Os pesquisadores planejam continuar a incorporar outras variáveis, como movimento e som, ao modelo.

As preocupações com a privacidade precisariam ser abordadas para garantir que as imagens dos pacientes fossem mantidas privadas, mas o sistema poderia eventualmente incluir outros recursos de monitoramento, como a atividade cerebral e muscular para avaliar pacientes inconscientes, disse ele.

Fornecido pela Sociedade Americana de Anestesiologistas