通过可穿戴传感器 (PAINLESS) 调查神经康复中的疼痛的可行性干预研究:一项研究协议

科学领域:

• 神经科学和生物医学工程
• 人工智能在医疗保健中的应用
• 用于健康监测的可穿戴技术

背景情况:

• 神经康复对于神经系统受伤的患者至关重要,但疼痛是一种常见的,往往未得到充分治疗的症状,特别是在多发性硬化症 (MS) 中.
• 目前临床实践中的主观疼痛评估方法由于情绪和认知影响而容易出现不准确.
• 缺乏客观的,用户友好的临床工具来量化疼痛,并区分 nociceptive 和神经病痛类型.

研究的目的:

• 开发一种自动化,人工智能驱动的工具,用于在神经康复期间客观评估疼痛.
• 利用可穿戴传感器数据和人工智能,持续监测患者的健康参数.
• 准确评估疼痛特征,并区分神经康复患者的疼痛类型.

主要方法:

• 招募15名MS患者接受物理治疗的参与者.
• 使用手腕穿戴的可穿戴传感器,在三天内收集生理信号 (光电脉冲图,皮肤活动,皮肤温度,加速度计数据).
• 将生理数据与传统的疼痛评估问卷相结合,并应用人工智能算法来自动分类疼痛.

主要成果:

• 识别可表明疼痛的相关生理参数.
• 开发用于自动疼痛分类和表征的AI算法.
• 对AI工具与已建立的疼痛评估尺度进行验证.

结论:

• 拟议的人工智能驱动的可穿戴工具有可能在神经康复中提供客观的疼痛量化.
• 这项技术可以帮助更好的疼痛管理和诊断差异化,如MS等条件.
• 可穿戴传感器和人工智能为克服主观疼痛评估的局限性提供了一个有希望的解决方案.