Sie befinden Sich nicht im Netzwerk der Universität Paderborn. Der Zugriff auf elektronische Ressourcen ist gegebenenfalls nur via VPN oder Shibboleth (DFN-AAI) möglich.
mehr Informationen...
Zusammenfassung
Hintergrund
Die objektive Erfassung subjektiv erlebter Schmerzen ist ein bislang unzureichend gelöstes Problem. In den letzten Jahren wurden Datensätze erstellt, um Algorithmen der künstlichen Intelligenz zu trainieren, welche Muster der Schmerzintensität erkennen. Die multimodale Erkennung von Schmerzen mit maschinellen Lernverfahren könnte eine Möglichkeit bieten, eine Über- bzw. Unterversorgung mit Analgetika zu verringern, explizit bei Patienten mit eingeschränkter Kommunikationsfähigkeit.
Ziel der Arbeit
In dieser Studie wurde die Methodik einer automatisierten multimodalen Erkennung von Schmerzintensität und -modalität mittels maschineller Lernverfahren der künstlichen Intelligenz untersucht. Im Einzelnen wurden multimodale Erkennungsraten von experimentell induzierten phasischen Elektro- und Hitzeschmerzreizen mit uni- und bimodalen Erkennungsraten verglichen.
Material und Methoden
Basierend auf der X‑ITE Pain Database wurden gesunde Probanden mit phasischem elektroinduziertem Schmerz und Hitzeschmerz stimuliert und die Schmerzreaktionen mit multimodaler Sensorik (akustisch, videobasiert, physiologisch) erfasst. Nach komplexer Signalverarbeitung wurden mit maschinellen Lernverfahren Erkennungsraten der Schmerzintensität (Baseline vs. Schmerzschwelle, Schmerztoleranz, Mittelwert von Schmerzschwelle und -toleranz) und der Vergleich der Schmerzmodalität elektrisch vs. Hitze berechnet. Letztendlich erfolgte ein statistischer Vergleich uni- vs. multimodaler sowie bi- vs. multimodaler Erkennungsraten.
Ergebnisse
Multimodale Erkennungsraten der Schmerzintensität sind überwiegend den unimodalen Erkennungsraten signifikant überlegen, unabhängig von der Schmerzmodalität. Die multimodale Erkennung der Schmerzmodalität unterscheidet signifikant besser zwischen hitze- und elektroinduziertem Schmerz. Multimodale Erkennungsraten sind des Weiteren überwiegend den bimodalen Erkennungsraten überlegen.
Diskussion
Dem multimodalen Ansatz der Erkennung von Schmerzintensität und -modalität sollte im Vergleich zur Unimodalität Vorrang gegeben werden. Es ist in weiteren klinischen Studien zu klären, ob eine multimodale Erkennung von Schmerzintensität und -modalität einer bimodalen Erkennung tatsächlich überlegen ist.