Primer estudio que usa IA para encontrar indicadores de dolor en los datos de signos vitales de los pacientes
Crédito: Unsplash/CC0 Dominio público
Un equipo de investigación dirigido por profesores y exalumnos de la Universidad Northwestern descubrió que es posible comprender el nivel de dolor de un paciente examinar los datos de los signos vitales.
En un nuevo estudio, el equipo desarrolló y aplicó algoritmos de inteligencia artificial (IA), o aprendizaje automático, a datos fisiológicos, como la frecuencia respiratoria, la presión arterial, la frecuencia cardíaca, la temperatura corporal y los niveles de oxígeno, de pacientes con dolor crónico debido a la enfermedad de células falciformes. . El enfoque de los investigadores no solo superó a los modelos de referencia para estimar los niveles subjetivos de dolor, sino que también detectó cambios en el dolor y fluctuaciones atípicas del dolor.
El estudio se publicará el 11 de marzo en la revista PLOS Computational Biology. Este es el primer artículo que demuestra que el aprendizaje automático se puede utilizar para encontrar pistas sobre el dolor ocultas en los datos de los signos vitales de los pacientes.
Actualmente, los pacientes deben evaluar su dolor en una escala de cero a diez. Esta puede ser una tarea difícil porque muchas personas experimentan el dolor de manera diferente, y los niños pequeños y los pacientes inconscientes no pueden calificar su dolor en absoluto. Los investigadores creen que estas evaluaciones subjetivas del dolor podrían complementarse con un enfoque más objetivo, menos invasivo y basado en datos para ayudar a los médicos a tratar el dolor con mayor precisión.
«El dolor es subjetivo, por lo que es difícil evaluarlo cuando se intenta para tratar a los pacientes», dijo Daniel Abrams de Northwestern, autor principal del estudio. «Los médicos no quieren submedicar a los pacientes y no proporcionar suficiente alivio del dolor. Pero tampoco quieren sobremedicar a sus pacientes porque existe el riesgo de efectos secundarios y adicción».
«Nuestro estudio muestra los datos fisiológicos objetivos que se recopilan de forma rutinaria en los hospitales contienen pistas sobre el dolor subjetivo de un paciente», dijo Mark Panaggio, primer autor del estudio. «Esperamos que nuestro trabajo inspire el desarrollo continuo de modelos para inferir y, en última instancia, pronosticar el dolor, y que estos modelos permitan a los médicos brindar tratamientos más oportunos y específicos».
Abrams es profesor asociado de ciencias de la ingeniería y tecnología aplicada. matemáticas en la Escuela de Ingeniería McCormick de Northwestern. Panaggio es un ex Ph.D. candidato del laboratorio de Abrams; ahora es matemático aplicado en el Laboratorio de Física Aplicada de la Universidad Johns Hopkins.
Para realizar el estudio, los investigadores utilizaron datos de pacientes con enfermedad de células falciformes que fueron hospitalizados en el Centro Médico Duke debido a un dolor debilitante. La muestra incluyó datos de 105 hospitalizaciones de 46 pacientes distintos. Cuando los trabajadores de la salud recolectaban rutinariamente los signos vitales de los pacientes, estos también calificaban sus niveles subjetivos de dolor.
Para simplificar la tarea, los investigadores dividieron los niveles de dolor en tres categorías: bajo, moderado y alto. Después de usar estrategias de aprendizaje automático para extraer los datos, los investigadores compararon la evaluación del dolor de su modelo con los informes subjetivos de los pacientes.
«Las inferencias de nuestro modelo reflejaron los informes de dolor subjetivos», dijo Abrams. «Era incluso más preciso al detectar si un paciente estaba por encima o por debajo de su nivel normal de dolor».
Aunque puede ser difícil adquirir datos hospitalarios debido a problemas de confidencialidad, Abrams, Panaggio y sus colaboradores están en el proceso de obtener un conjunto de datos mucho más grande con informes de dolor de cientos de miles de pacientes con dolor debido a la enfermedad de células falciformes y otras causas, incluido el dolor posoperatorio y el dolor de fuentes desconocidas.
El próximo objetivo de los investigadores usar su modelo para tratar de predecir cómo los analgésicos podrían afectar el dolor y pronosticar cuándo los pacientes con dolor crónico podrían experimentar un insoportable brote, que actualmente es casi imposible de predecir.
«Una gran fracción de las personas con dolor crónico van a la sala de emergencias con eventos de crisis de dolor, en los que el dolor se vuelve inmanejable con medicamentos recetados», dijo Abrams. «En este momento, nadie sabe qué causa estos eventos. Si pudiéramos predecir esos eventos, podríamos ahorrarles mucho dolor y dinero a los pacientes».
Explore más
Sin damiselas en apuros: las mujeres reportan una menor sensibilidad al dolor cuando las prueban los hombres Más información: Panaggio MJ, Abrams DM, Yang F, Banerjee T, Shah NR (2021) ¿Se puede inferir el dolor subjetivo a partir de datos fisiológicos objetivos? Evidencia de pacientes con enfermedad de células falciformes. PLoS Comput Biol 17(3): e1008542. doi.org/10.1371/journal.pcbi.1008542 Información de la revista: PLoS Computational Biology
Proporcionado por Northwestern University Cita: Primer estudio que utiliza IA para encontrar indicadores de datos de dolor en los signos vitales de los pacientes (11 de marzo de 2021) recuperados el 30 de agosto de 2022 de https://medicalxpress.com/news/2021-03-ai-indicators-pain-patients-vital.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.