Schmerzerkennung durch automatisierte Videoanalyse

Postoperativer Schmerz hat, wenn er unzureichend kontrolliert wird, schädliche Kurz- und Langzeitfolgen für den Patienten. Obwohl die meisten Patienten in der Lage sind, ihre Schmerzwerte anzugeben, ist eine Minderheit dazu nicht in der Lage, und die Beurteilung ihrer Schmerzen kann sich als Herausforderung für medizinisches Fachpersonal erweisen. In den letzten Jahren wurden Gesichtserkennungswerkzeuge basierend auf der Prämisse entwickelt, dass subtile Gesichtsvariationen Schmerz bedeuten. Aber auch Veränderungen der Körper- und Kopfhaltung können Schmerzen darstellen. Daher haben diese Tools ihre Grenzen und sind nur für bestimmte Patientengruppen validiert, sodass sie möglicherweise nicht empfindlich genug sind, um Schmerzen bei postoperativen Patienten zu erkennen.

Die erste Phase der Studie wird an 40 Patientinnen durchgeführt, die sich für eine größere gynäkologische Operation vorstellen, wobei die erhaltenen Daten zur Feinabstimmung des Algorithmus verwendet werden. Die Patienten werden präoperativ in der Anästhesieklinik und postoperativ auf der Station auf Video aufgezeichnet. Sie werden gebeten, ihre Schmerzwerte auf der numerischen Bewertungsskala zu bewerten und Fragebögen zu ihrem psychologischen und qualitativen Gesundheitszustand auszufüllen. Die Schmerzwerte werden mit den Ergebnissen des Schmerzbewertungsalgorithmus korreliert.

Die zweite Phase wird das Modell verbessern und erweitern, indem (1) die Körperhaltung analysiert wird, um die Modellleistung zu verbessern; (2) Validierung des verbesserten Modells durch Rekrutierung von 200 Patienten, die sich chirurgischen und Schmerzbehandlungen, stationären und ambulanten Konsultationen unterziehen, um ihre Videos vor und nach Operationen und stationären und ambulanten Schmerzkonsultationen zu sammeln; (3) Integrieren des Modells in eine eigenständige elektronische Anwendung, um seine Verwendbarkeit sowohl im stationären als auch im ambulanten Bereich zu verbessern.

In der dritten Phase werden 130 männliche pädiatrische Patienten rekrutiert, die sich für eine Beschneidungsoperation vorstellen, um den Algorithmus zu verbessern, indem i) eine Körperhaltungsanalyse und andere physiologische Messungen hinzugefügt werden, um die Leistung unseres Modells weiter zu verbessern; ii) Entwicklung unseres Modells zur Verwendung in der pädiatrischen Population; und iii) Verbesserung seiner Verwendbarkeit sowohl im klinischen als auch im nichtklinischen Umfeld. Deidentifizierte Schlüsselpunkte werden aus den Videos extrahiert, um das Modell weiter zu validieren.