Исследователи из Массачусетского технологического института и других странах разработали систему, которая измеряет уровень боли пациента путем анализа активности мозга с помощью переносного устройства нейровизуализации. Система может помочь врачам диагностировать и лечить боль в бессознательное и необщительным пациентов, которые могли бы снизить риск возникновения хронической боли, которые могут возникать после операции.
Менеджмент боли-это удивительно сложная, сложное балансирование. Боль Overtreating, например, рискует употреблению пациентов к обезболивающим препаратам. Undertreating боль, с другой стороны, может привести к длительной хронической боли и других осложнений. Сегодня врачи, как правило, датчик уровня боли Согласно сообщениям своих пациентов, что они чувствуют. А как насчет пациентов, которые не могут общаться, как они чувствуют эффективно — или вообще — такие как дети, престарелые пациенты с деменцией, или тех, кто проходит операция?
В статье, представленной на международной конференции по вычислительной аффективное и интеллектуальное взаимодействие, ученые описывают способ количественной оценки боли у пациентов. Для этого они используют развивающийся метод нейровизуализации, который называется функциональной ближней инфракрасной спектроскопии (fNIRS), в котором датчики, размещенные вокруг головы измерить кислородом гемоглобина, что указывает нейронной активности.
В своей работе ученые используют только несколько fNIRS датчиков на пациента лба, чтобы измерить активность в префронтальной коре, которая играет важную роль в обработке боли. Используя измеренные сигналы мозга, исследователи разработали персонализированные модели машинного обучения для выявления закономерностей уровня гемоглобина кислородом, связанные с ответами на боли. Когда датчики находятся на месте, модели можете определить, является ли пациент испытывает боль около 87 процентов точности.
“Как мы измеряем боль не изменился за эти годы”, — говорит Даниэль Лопес-Мартинес, аспирант Гарварда-МИТ программы в области здравоохранения и технологии и научный сотрудник лаборатории СМИ Массачусетского технологического института. “Если у нас нет метрики, сколько боли человек испытывает, воспринимая боль и клинических испытаний становится сложной. Мотивация для количественной оценки боли в объективной манере, которая не требует сотрудничества пациента, например, когда пациент без сознания во время операции”.
Традиционно, пациенты принимают анестезии и лекарства, основанные на их возраст, вес, перенесенные болезни, и других факторов. Если они не двигаются и их частота сердечных сокращений остается стабильной, они считаются нормально. Но мозг все еще может обрабатывать болевые сигналы, пока они без сознания, что может привести к увеличению послеоперационной боли и длительные хронические боли. Система исследователей может обеспечить хирургов с в реальном масштабе времени информацию об уровне боли бессознательном пациента, поэтому они могут скорректировать анестезии и дозы препарата, соответственно, чтобы остановить эти болевые сигналы.
Присоединение Лопес-Мартинес на бумаге: Кэ Пэн из Гарвардской Медицинской школы Бостонского детского госпиталя, и кета, научно-исследовательский центр в Монреале; Ариэль Ли и Дэвид Borsook, оба из Гарвардской Медицинской школы Бостонского детского госпиталя, и общей больнице Массачусетс, и Розалинд Пикард, профессор медиа-искусств и наук и директор аффективных вычислительных исследований в Медиа-Лаборатории.
Сосредоточившись на лбу
В своей работе ученые адаптировали системы fNIRS и разработанных новых методах машинного обучения, чтобы сделать систему более точной и практичной для клинического применения.
Использовать fNIRS, датчики традиционно располагаются вокруг головы пациента. Различных длин волн ближнего инфракрасного света светит через череп в мозг. Кислородом и насыщения гемоглобина поглощать волны по-разному, слегка изменяя их сигналы. Когда инфракрасные сигналы отображения датчиков, методы обработки сигналов, использовать измененные сигналы, чтобы вычислить, сколько каждого типа гемоглобина присутствует в различных регионах мозга.
Когда пациенту больно, области мозга, связанные с болью увидите резкий рост оксигемоглобина и снижение насыщения гемоглобина, и эти изменения могут быть обнаружены путем наблюдения fNIRS. Но традиционные системы fNIRS место все датчики вокруг головы пациента. Это может занять много времени, чтобы установить, и это может быть трудно для пациентов, которые должны лечь. Он также не очень целесообразным для пациентов, перенесших операцию.
Таким образом, исследователи адаптировали системы fNIRS конкретно измерить сигналы из префронтальной коры. При обработке боли включает выходы информации из различных областей головного мозга, Исследования показали, что префронтальная кора интегрирует всю эту информацию. Это означает, что они должны поместить датчики только на лоб.
Другая проблема с традиционными системами fNIRS это они улавливают какие-то сигналы из черепа и кожи, которые способствуют шум. Чтобы исправить это, исследователи установили дополнительные датчики для захвата и фильтрации этих сигналов.
Персонализированные боль моделирование
На машинного обучения, исследователи прошли обучение и проверку модели на обозначенное боли-обработка данных, которые они собрали с 43 участников мужского пола. (Далее они планируют собрать намного больше данных из различных популяций пациентов, в том числе пациенток — как во время операции, и при этом в сознании, и в диапазоне интенсивностей боли — для того, чтобы лучше оценить точность системы.)
Каждый участник носил исследователей fNIRS устройства и был случайным образом подвергается безобидные ощущения, а затем около десяти ударов их пальца на два разных боли интенсивности, измеренной по шкале от 1-10: низкий уровень (около 3/10) или высокий уровень (около 7/10). Этих двух интенсивностей были определены с претесты: участники самооценка низкий уровень, как только сильно осознает шок без боли, и на высоком уровне, что максимальная боль, которую они могли допустить.
В обучение, в модель извлечены десятки функций от сигналов, связанных с Сколько кислородом и насыщения гемоглобина было представить, как быстро уровни гемоглобина кислородом Роза. Эти два показателя — количество и скорость — дать более четкое представление опыта пациента болью различной интенсивности.
Главное, модель также автоматически генерирует “персонализированные” подмоделей, что экстракт с высоким разрешением особенности отдельных субпопуляциях пациентов. Традиционно, в машинном обучении, одна модель узнает классификации — “боль” или “нет боли” — исходя из средней реакции всей популяции пациентов. Но что обобщенный подход может снизить точность, особенно с различных групп пациентов.
Модель исследователей вместо поездов на все население, но одновременно определяет общие характеристики среди подгрупп внутри больших наборов данных. Например, ответы боль в две интенсивности могут отличаться между молодых и пожилых пациентов, или в зависимости от пола. Это создает узнал подмоделей, которые обламываются и учиться, параллельно, закономерности их субпопуляций пациентов. В то же время, однако, они все еще обмена информацией и закономерности обучения, общие всему населению. Короче говоря, они одновременно используя мелкозернистую персонализированную информацию и населения-уровень информации, чтобы лучше тренироваться.
Персонализированные модели и традиционной модели оценивались по классификации боли или нет, боль в случайном выдержит набор участников мозгом сигналов из набора данных, где данные об счеты боли были известны для каждого участника. Персонализированные модели превзошли традиционные модели примерно на 20 процентов, достигнув около 87 процентов точности.
“Потому что мы можем обнаружить боль с этой высокой точности, используя только пару датчиков на лоб, мы имеем прочную основу для чего эту технологию в реальных клинических условиях,” Лопес-Мартинес говорит.
Больше записей автора Роботы и киборги
Новая разработка ученых Сколтеха: «электронный нос» и компьютерное зрение помогут определить готовность блюд
Исследователи Сколтеха придумали, как с помощью химических сенсоров и компьютерного зрения определить, правильно ли приготовлена, например, курица-гриль. Этим методом смогут …
В Университете Иннополис создают робототехнические системы на основе скручивания нитей для физической помощи человеку
Специалисты Лаборатории мехатроники, управления и прототипирования Университета Иннополис выиграли 1,5 миллиона рублей в конкурсе РФФИ и Лондонского королевского общества на …
Инженеры Университета Джорджии разработали обвивающийся роботизированный захват
Вьющиеся растения отлично умеют держатся за тонкие предметы, такие как веревки. Новый роботизированный захват, созданный по их подобию, может найти …
