在外科手术期间的患者中,使用计算机视觉进行自动认知知觉的初步开发和验证
Timothy A Heintz1, Anusha Badathala2, Avery Wooten3
1Department of Anesthesiology, Perioperative and Pain Medicine, Brigham and Women's Hospital, Boston, Massachusetts; Harvard Medical School, Boston, Massachusetts.
Anesthesiology
|January 13, 2025
概括
计算机视觉显示出在医院检测患者疼痛 (nociception) 的希望. 对于这种自动化的持续疼痛评估方法,需要进一步验证.
科学领域:
- 医学技术 医学技术 医学技术
- 医疗保健中的人工智能
- 疼痛管理 疼痛管理
背景情况:
- 在外科手术期间有效的疼痛管理对于减少住院时间和预防 Delirium 和慢性疼痛等并发症至关重要.
- 准确的疼痛识别对于及时和适当的治疗至关重要.
- 目前用于疼痛评估的方法在某些患者群体中可能是主观和具有挑战性的.
研究的目的:
- 开发和验证初步的基于计算机视觉的方法来检测住院患者的痛感 (疼痛).
- 评估使用人工智能用于自动疼痛检测的可行性.
- 用面部图像分析来分类疼痛水平.
主要方法:
- 一项前性观察性队列研究,涉及外科手术期间 (18岁或以上) 的患者.
- 利用红绿蓝色摄像头数据和卷积神经网络与预训练的骨干.
- 使用关键护理疼痛观察工具 (CPOT) 和数值评分尺度对疼痛进行分类,结果为二进制疼痛/无疼痛.
- 对来自多个机构的数据集进行了内部验证和外部验证.
主要成果:
- 关键护理疼痛观察工具 (CPOT) 模型在接受器操作特征 (ROC) 分析中实现了曲线下的高面积 (AUC),在验证队列中达到0.91.
- 数字评级尺度模型的表现较低 (AUC为0.58).
- 扰乱模型确定了眉毛,鼻子,嘴唇和额头等面部特征作为疼痛检测的关键预测因素.
结论:
- 使用计算机视觉进行自动化感知检测是可行的.
- 由于数据集大小有限,需要进行额外的测试和验证.
- 未来的多中心研究需要探索在住院患者中自动持续疼痛评估的潜力.
