Die Genauigkeit und Wirksamkeit des KI-gesteuerten tVNS-Algorithmus

Schmerzen, einschließlich somatischer und viszeraler Schmerzen, sind ein häufiges Symptom. Anhaltende Schmerzen können zu wiederholten Krankenhausbesuchen führen und die täglichen Aktivitäten der Patienten einschränken, was zu enormen medizinischen Kosten und einer geringeren Lebensqualität führen kann. Beispielsweise werden die Prävalenzraten von 25 % nur für Bauchschmerzen bei Erwachsenen gemeldet (3), und sie kosten in den USA jedes Jahr 10,2 Milliarden US-Dollar.

Schmerzen werden in der Regel gemäß der 3-Stufen-Analgetika-Leiter der Weltgesundheitsorganisation (WHO) behandelt. In Stufe 1 werden hauptsächlich nichtsteroidale Antirheumatika (NSAIDs) eingesetzt, die schwerwiegende Nebenwirkungen wie gastrointestinale Blutungen, Nierenversagen und Herz-Kreislauf-Erkrankungen verursachen können. In Schritt 2 & 3 kommen Opioide zum Einsatz, die ebenfalls mit schweren Nebenwirkungen verbunden sind (z. B. psychische Abhängigkeit, Schwindel, Übelkeit, Erbrechen, Verstopfung, körperliche Abhängigkeit, Verträglichkeit und Atemdepression). Daher ist eine neue effektive nicht-pharmakologische Behandlung für Patienten von Vorteil.

Eine solche Methode ist die transkutane Vagusnervstimulation (tVNS). Der aurikuläre oder zervikale Ast des Vagusnervs verläuft direkt unter der Haut und kann mit tVNS-Geräten, die die analgetische Wirkung bei verschiedenen Schmerzzuständen gezeigt haben, durch die Haut elektrisch stimuliert werden.

Die autonome Aktivität, einschließlich des parasympathischen Tonus, kann aus den Schlag-zu-Schlag-Intervallen im Elektrokardiogramm geschätzt werden, was als Herzfrequenzvariabilität (HRV) bezeichnet wird. Bis heute haben wir gezeigt, dass viszeraler und somatischer Schmerz die autonome Reaktion mit der Änderung der HRV auslöst, und HRV könnte ein Biomarker für Schmerzen sein.

Wir stellten die Hypothese auf, dass die Entwicklung von Schmerzen, einschließlich somatischer Schmerzen und viszeraler Schmerzen, durch die Analyse des Herzfrequenzmusters durch künstliche Intelligenz (KI) vorhergesagt werden könnte. In dieser Proof-of-Concept-Studie bewerten wir die Erkennungsrate von Schmerzen durch die KI-Analyse des Herzfrequenzmusters. Wir bewerten auch die Wirkung von tVNS auf die Schmerzschwelle.