MADRID, 16 Oct. (EUROPA PRESS) -
Un sistema automatizado de reconocimiento del dolor que utiliza inteligencia artificial (IA) es prometedor como método imparcial para detectar el dolor en pacientes antes, durante y después de la cirugía, según una investigación presentada en la reunión anual ANESTHESIOLOGY 2023, la reunión de la Sociedad Americana de Anestesiólogos.
En la actualidad se utilizan métodos subjetivos para evaluar el dolor, como la escala visual analógica (EVA), en la que los pacientes califican su propio dolor, y la herramienta de observación del dolor en cuidados críticos (CPOT), en la que los profesionales sanitarios califican el dolor del paciente basándose en la expresión facial, el movimiento corporal y la tensión muscular. El sistema automatizado de reconocimiento del dolor utiliza dos formas de IA, la visión por ordenador (que dota al ordenador de "ojos") y el aprendizaje profundo para poder 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 --comenta Timothy Heintz, autor principal del estudio y estudiante de medicina de cuarto año en la Universidad de California en San Diego (Estados Unidos)--. Además, existe un vacío en la atención perioperatoria debido a la ausencia de métodos observables continuos para la detección del dolor. Nuestro modelo de IA de prueba de concepto podría ayudar a mejorar la atención al paciente mediante la detección del dolor en tiempo real y sin sesgos", añade.
Se ha demostrado que el reconocimiento precoz y el tratamiento eficaz del dolor reducen la duración de las estancias hospitalarias y previenen enfermedades a largo plazo como el dolor crónico, la ansiedad y la depresión.
Los investigadores proporcionaron al modelo de IA 143.293 imágenes faciales de 115 episodios de dolor y 159 episodios sin dolor en 69 pacientes sometidos a una amplia gama de intervenciones quirúrgicas electivas, desde prótesis de rodilla y cadera hasta complejas operaciones de corazón.
Los investigadores enseñaron al ordenador a presentar cada imagen facial sin procesar y decirle si representaba dolor o no, y el ordenador empezó a identificar patrones. Mediante mapas de calor, los investigadores discernieron que el ordenador se centraba en las expresiones faciales y los músculos faciales de determinadas zonas de la cara, sobre todo las cejas, los labios y la nariz. Una vez que se le proporcionaron suficientes ejemplos, utilizó los conocimientos adquiridos para predecir el dolor. El sistema de reconocimiento del dolor automatizado por IA coincidió con los resultados del CPOT el 88% de las veces y con la EVA el 66%.
"La EVA es menos precisa que la CPOT porque la EVA es una medida subjetiva que puede estar más influida por las emociones y los comportamientos que la CPOT --explica Heintz--. Sin embargo, nuestros modelos fueron capaces de predecir la VAS hasta cierto punto, lo que indica que hay señales muy sutiles que el sistema de IA puede identificar que los humanos no pueden".
Si los resultados se validan, esta tecnología podría ser una herramienta adicional que los médicos podrían utilizar para mejorar la atención al paciente. Por ejemplo, podrían instalarse cámaras en las paredes y techos de la sala de recuperación quirúrgica (unidad de cuidados postanestésicos) para evaluar el dolor de los pacientes -incluso de los que están inconscientes- tomando 15 imágenes por segundo.
Esto también liberaría al personal de enfermería y a los profesionales sanitarios -que de forma intermitente dedican tiempo a evaluar el dolor del paciente- para que pudieran centrarse en otras áreas de la atención. Los investigadores tienen previsto seguir incorporando al modelo otras variables, como el movimiento y el sonido.
Habría que abordar la cuestión de la intimidad para garantizar la privacidad de las imágenes de los pacientes, pero el sistema podría incluir con el tiempo otras funciones de monitorización, como la actividad cerebral y muscular para evaluar a los pacientes inconscientes, concluye.
