Wykrywanie bólu dzięki automatycznej analizie wideo

Ból pooperacyjny, jeśli nie jest odpowiednio kontrolowany, ma szkodliwe krótko- i długoterminowe konsekwencje dla pacjenta. Chociaż większość pacjentów jest w stanie zgłosić swoją ocenę bólu, mniejszość nie jest w stanie tego zrobić, a ocena ich bólu może okazać się wyzwaniem dla pracowników służby zdrowia. W ostatnich latach opracowano narzędzia do rozpoznawania twarzy w oparciu o założenie, że subtelne zmiany twarzy oznaczają ból. Jednak zmiany w ciele i postawie głowy mogą również oznaczać ból. W związku z tym narzędzia te mają swoje ograniczenia i są sprawdzane tylko w przypadku niektórych grup pacjentów, dlatego mogą nie być wystarczająco czułe, aby wykrywać ból u pacjentów po zabiegach chirurgicznych.

Pierwszy etap badania zostanie przeprowadzony na 40 pacjentkach zgłaszających się do poważnej operacji ginekologicznej, a uzyskane dane zostaną wykorzystane do dopracowania algorytmu. Pacjenci będą nagrywani na wideo przed operacją w poradni anestezjologicznej i pooperacyjnej na oddziale. Zostaną poproszeni o ocenę bólu na numerycznej skali ocen i wypełnienie kwestionariuszy dotyczących stanu psychicznego i stanu zdrowia. Oceny bólu zostaną skorelowane z wynikami uzyskanymi z algorytmu oceny bólu.

Druga faza poprawi i ulepszy model poprzez (1) analizę pozycji ciała w celu poprawy wydajności modelu; (2) walidacja udoskonalonego modelu poprzez rekrutację 200 pacjentów poddawanych zabiegom chirurgicznym i przeciwbólowym, konsultacjom szpitalnym i ambulatoryjnym w celu zebrania ich filmów przed i po operacji oraz konsultacji szpitalnych i ambulatoryjnych dotyczących bólu; (3) zintegrować model z samodzielną aplikacją elektroniczną, aby poprawić jego użyteczność zarówno w warunkach szpitalnych, jak i ambulatoryjnych.

Trzecia faza zwerbuje 130 pacjentów pediatrycznych płci męskiej zgłaszających się na operację obrzezania w celu ulepszenia algorytmu poprzez i) dodanie analizy postawy ciała i innych pomiarów fizjologicznych w celu dalszej poprawy wydajności naszego modelu; ii) Opracowanie naszego modelu do stosowania w populacji pediatrycznej; oraz iii) Poprawa jego użyteczności zarówno w warunkach klinicznych, jak i nieklinicznych. Zdeidentyfikowane punkty kluczowe zostaną wyodrębnione z filmów w celu dalszej weryfikacji modelu.