Poate AI determina un nivel perceput de durere prin monitorizarea metricilor corporale sau a activității cerebrale ?

Cum poate inteligența artificială să traducă semnalele corporale într-o estimare în timp real a durerii pe care o simte o persoană? Cercetătorii au început să combine bătăile inimii, reacțiile pielii, indiciile faciale și scanările creierului cu învățarea automată pentru a încerca să construiască o fereastră obiectivă asupra suferinței subiective, în special pentru pacienții care nu își pot descrie singuri durerea.

Background

Sistemele de inteligență artificială estimează în prezent nivelurile percepute de durere prin procesarea datelor fiziologice multimodale, cum ar fi variabilitatea ritmului cardiac, conductanța pielii, expresiile faciale și activitatea sistemului nervos central captată prin electroencefalografie (EEG) sau imagistică prin rezonanță magnetică funcțională (fMRI) [Nature Biomedical Engineering, 2023]. Aceste fluxuri de lucru implică de obicei modele de învățare automată supervizată, antrenate pe seturi de date care asociază semnalele biosenzorilor brute cu scorurile de durere auto-raportate (de exemplu, scale numerice de evaluare de la 0 la 10), pentru a învăța corespondențe predictive între metricile corporale și disconfortul subiectiv. Studiile raportează corelații între schimbările biomarkerilor și evaluările durerii atât în contexte experimentale acute, cât și în grupuri clinice cronice, sugerând o amprentă fiziologică măsurabilă a durerii care poate fi cuantificată chiar și atunci când rapoartele verbale nu sunt disponibile. Provocările includ variabilitatea pronunțată între indivizi (vârstă, medicație, tonus autonom de bază), dependența puternică de context (tipul durerii, starea emoțională, declanșatori de mediu) și subiectivitatea ireductibilă a experienței dureroase. Lucrările recente pun, prin urmare, accentul pe tehnici de fuziune multimodală, adaptare de domeniu și interpretabilitate cauzală pentru a îmbunătăți robustețea și aplicabilitatea clinică.