第一个使用人工智能在患者生命体征数据中寻找疼痛指标的研究

由西北大学教师和校友领导的一个研究小组发现，通过检查生命体征数据可以了解患者的疼痛程度。

在一项新的研究中，该团队开发并应用了人工智能(A.I.)或机器学习算法来处理生理数据，包括呼吸频率、血压、心率、体温和血压氧含量-来自患有慢性疼痛从镰状细胞病．研究人员的方法不仅在主观估计方面优于基线模型疼痛水平，它还检测到疼痛的变化和非典型性疼痛波动。

这项研究将于3月11日发表在该杂志上PLOS计算生物学．这是第一篇证明机器学习可以用来寻找隐藏在患者生命体征数据中的疼痛线索的论文。

目前，患者必须根据0到10的评分来评估他们的疼痛程度。这可能是一项艰巨的任务，因为许多人对疼痛的感受不同，小孩子和无意识的病人根本无法评估他们的疼痛程度。研究人员认为，这些对疼痛的主观评估可以用一种更客观、侵入性更小、数据驱动的方法来补充，以帮助医生更精确地治疗疼痛。

该研究的资深作者、西北大学的丹尼尔·艾布拉姆斯说:“疼痛是主观的，所以在治疗患者时很难评估。”“医生不想给病人用药不足，也不想给病人提供足够的止痛药。但他们也不想给病人过度用药，因为有副作用和上瘾的风险。”

该研究的第一作者马克·帕纳乔(Mark Panaggio)说:“我们的研究表明，在医院定期收集的客观生理数据包含了患者主观疼痛的线索。”“我们希望我们的工作将激励模型的持续发展，以推断并最终预测疼痛，这些模型将允许临床医生提供更及时和有针对性的治疗。”

艾布拉姆斯是西北大学麦考密克工程学院工程科学和应用数学副教授。帕纳乔是艾布拉姆斯实验室的前博士候选人;他现在是约翰霍普金斯大学应用物理实验室的应用数学家。

为了进行这项研究，研究人员使用了镰状细胞病患者的数据，这些患者由于虚弱的疼痛而在杜克医疗中心住院。样本包括46名不同患者的105次住院治疗数据。当卫生保健工作者定期收集患者的生命体征，这些患者还评估了他们的主观疼痛水平。

为了简化任务，研究人员将疼痛程度分为三类:低、中、高。在使用机器学习策略挖掘数据后，研究人员将他们的模型对疼痛的评估与患者的主观报告进行了比较。

“我们模型的推论确实反映了主观疼痛报告，”艾布拉姆斯说。“它甚至更准确地检测出患者的疼痛水平是高于还是低于正常水平。”

尽管由于保密问题，医院数据很难获得，但艾布拉姆斯、帕纳乔和他们的合作者正在获得一个更大的数据集，其中包括数十万名因镰状细胞病和其他原因引起疼痛的患者的疼痛报告，包括术后疼痛和来自未知来源的疼痛。

研究人员接下来的目标是利用他们的模型来预测止痛药是如何影响疼痛的，并预测患有慢性疼痛的患者何时会经历痛苦的发作，这在目前几乎是不可能预测的。

艾布拉姆斯说:“很大一部分患有慢性疼痛的人因疼痛危机事件而去急诊室，在这种情况下，疼痛变得无法用处方药控制。”“目前，没有人知道这些事件的原因。如果我们能够预测这些事件，我们就可以为患者节省很多痛苦和金钱。”

---

---