Automatizovani sistem za prepoznavanje bola obećava za otkrivanje bola pre, tokom i posle operacije, prema studiji predstavljenoj na ANESTHESIOLOGI 2023, godišnjem sastanku Američkog društva anesteziologa, održanom od 13. do 17. oktobra u San Francisku.
Timoti Hajnc, sa Kalifornijskog univerziteta u San Dijegu, i njegove kolege ispitali su upotrebu modela dubokog učenja zasnovanog na kompjuterskom vidu (DL) za predviđanje merenja bola koristeći slike lica kod 77 pacijenata. Pacijenti su snimljeni pomoću niza od tri kamere, a epizode bola su dokumentovane i procenjene korišćenjem samoopisane vizuelne analogne skale (VAS) i skale za posmatranje bolova u kritičnoj nezi (CPOT) koju meri posmatrač. Sirove slike lica su nasumično podeljene na trening (60 procenata), validaciju (20 procenata) i setove za testiranje (20 procenata).
DL modeli su obučeni na 143.293 slike iz 115 i 159 epizoda bola i bez bolova kod 69 jedinstvenih pacijenata koji su bili podvrgnuti nizu elektivnih hirurških procedura. Za CPOT, rezultati od ≤2 su klasifikovani kao bez bola, a rezultati od ≥3 su klasifikovani kao bol. Ocena 0 na VAS-u označava da nema bolova, dok rezultati veći od 0 označavaju bol. Istraživači su otkrili da su DL modeli radili sa tačnošću od 88 i 66 procenata za CPOT i VAS, respektivno. Toplotne karte okluzije su ukazivale na povećanu pažnju na obrve, nos i gornju usnu, što ukazuje da su to kritični indikatori lica za procenu bola.
„Naš model veštačke inteligencije sa dokazom koncepta mogao bi da pomogne u poboljšanju nege pacijenata kroz nepristrasno otkrivanje bola u realnom vremenu“, rekao je Hajnc u saopštenju.
