通过生理信号进行术后新生儿疼痛检测和预测的自动化深度学习方法
Jacqueline Hausmann1, Jiayi Wang1, Marcia Kneusel1
1University of South Flordia.
Proceedings. IEEE International Symposium on Computer-Based Medical Systems
|September 22, 2025
概括
这项研究引入了一个人工智能系统,用于早期检测婴儿疼痛,使用生命体征,提前5-10分钟预测疼痛发作. 这允许及时进行干预,可能减少新生儿需要强烈的止痛药的需要.
科学领域:
- 新生儿护理 新生儿护理
- 人工智能在医学中的应用
- 疼痛管理 疼痛管理
背景情况:
- 新生儿疼痛和止痛药可以损害发育中的神经系统.
- 目前的疼痛监测依赖于生命体征 (HR,RR,SR) 和间歇性评估.
研究的目的:
- 开发一种自动化系统,使用生命体征和深度学习来检测新生儿的疼痛.
- 引入一种早期疼痛检测 (EPD) 方法,用于预测新生儿的疼痛发作.
主要方法:
- 对生命体征 (HR,RR,SR) 的持续,非侵入性监测.
- 与计算机视觉和深度学习算法的集成,用于疼痛检测.
- 早期疼痛检测 (EPD) 预测模型的开发.
主要成果:
- 实现了自动新生儿疼痛检测的74%AUC和67.59%mAP.
- 在EPD方法预测疼痛发作前5-10分钟.
- 证明有潜力减少对主观疼痛评估和强烈止痛药的依赖.
结论:
- 人工智能驱动的生命体征监测提供了准确和早期发现新生儿疼痛.
- 对于主动的,不那么有害的疼痛管理策略,EPD提供了一个关键的时间窗口.
- 这项技术可以通过最大限度地减少疼痛和止痛药暴露,显著改善术后新生儿的结果.
