近日，一項發表在《公共科學圖書館計算生物學》雜誌上的論文表明：透過檢查生命體徵的資料，有可能瞭解病人的疼痛程度。這是第一篇證明機器學習可以用於尋找隱藏在病人生命體徵資料中的疼痛線索的論文。

研究團隊開發並應用了人工智慧機器學習演算法來處理鐮狀細胞病慢性疼痛患者的生理資料，包括呼吸頻率、血壓、心率、體溫和含氧量。研究人員的方法不僅在估計主觀疼痛水平方面優於基線模型，還能夠檢測到疼痛變化和非典型疼痛波動。

目前，病人必須根據0到10的評分標準來評估他們的疼痛等級。這可能是一項艱鉅的任務，因為許多人對疼痛的感受是不同的，年幼的兒童和昏迷的病人根本無法評估自己的疼痛。研究人員認為，這些對疼痛的主觀評估可以被一種更客觀、更無創、資料驅動的方法所補充，以幫助醫生更精確地治療疼痛。

人工智慧根據患者資料識別疼痛級別

“疼痛是主觀的，所以在試圖治療病人時很難評估，” 這項研究的資深作者丹尼爾說“醫生不想給病人用藥不足，也不想給病人過度用藥，因為藥物會令病人有副作用和上癮的風險。”該研究的第一作者馬克說：“我們的研究表明，醫院常規收集的客觀生理資料中包含了病人主觀疼痛的線索。我們希望我們的工作將激勵人們繼續開發模型來推斷並最終預測疼痛，這些模型將使臨床醫生能夠提供更及時、更有針對性的治療。”

為了進行這項研究，研究人員使用了杜克醫療中心因衰弱性疼痛而住院的鐮狀細胞病患者的資料樣本。該樣本包括來自46名不同患者的105次住院治療的資料。當醫護人員定期收集患者的生命體徵時，這些患者也會對自己的主觀疼痛程度進行評估。為了簡化這項任務，研究人員將疼痛程度分為低、中、高三個標準。在使用機器學習策略挖掘資料後，研究人員將他們的模型對疼痛的評估與患者的主觀報告進行比較。

丹尼爾提到：“模型推斷確實反映了主觀疼痛報告，它甚至能更準確地檢測出病人的疼痛水平是高於還是低於他們的正常水平。” 儘管由於保密問題很難獲得醫院資料，但研究者正在努力獲取一個更大的資料集，其中包含數十萬名鐮狀細胞病和其他原因引起的疼痛的患者報告，包括術後疼痛和未知來源的疼痛。

研究人員下一步的目標是利用他們的模型來嘗試預測止痛藥如何影響疼痛，以及預測慢性疼痛患者何時會經歷劇烈性的疼痛發作，而目前這一環節幾乎無法預測。丹尼爾說：“很大一部分患有慢性疼痛的人因為疼痛去急診室，在這種情況下，處方藥物會使疼痛變得難以控制。目前，沒有人知道這些事件的原因。如果我們能夠預測這些事件，我們可以為患者節省很多痛苦和金錢。”

宣告：本文版權歸原作者所有，轉載請註明出處，請勿轉載至外網或用於商業用途。