Development and internal validation of single-image pain detection from automated facial coding
Cette étude démontre que la détection cliniquement significative de la douleur est réalisable à partir d'images faciales uniques grâce au codage facial automatisé, atteignant une précision de discrimination allant de passable à bonne (AUC jusqu'à 0,77) sur un ensemble de données harmonisé de 212 participants en identifiant les activations musculaires faciales asymétriques comme prédicteurs clés.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
La douleur est une expérience privée, un signal qui voyage du corps vers l'esprit, pourtant elle demeure l'une des choses les plus difficiles à mesurer pour un médecin. Dans un hôpital ou une clinique, la manière standard de comprendre l'intensité de la douleur d'un patient consiste à lui demander. Il peut alors pointer un chiffre sur une échelle ou décrire une sensation de brûlure, de tiraillement ou de douleur sourde. Mais cette méthode échoue lorsque le patient ne peut pas parler, peut-être parce qu'il est trop jeune, trop confus ou trop sédaté pour répondre. Dans ces moments, le personnel médical doit se fier à l'observation, en cherchant le langage universel du visage. Depuis des décennies, les scientifiques savent que lorsque les gens souffrent, les muscles de leur visage adoptent des mouvements spécifiques et reconnaissables. Ces mouvements ne sont pas aléatoires ; ils sont la réponse motrice du corps à la souffrance, formant un code structuré qui peut être lu par un œil entraîné. La question a longtemps été de savoir si un ordinateur pourrait apprendre à lire ce code aussi bien qu'un humain, et s'il pourrait le faire à partir d'un seul cliché, plutôt que d'exiger un long enregistrement vidéo.
Une équipe de chercheurs de l'Université de Virginie s'est donné pour mission de répondre à cette question en apprenant à un ordinateur à détecter la douleur dans une seule photographie. Ils ne se sont pas appuyés sur un groupe unique de personnes ou un seul type d'expérience. Au lieu de cela, ils ont combiné les données de trois études scientifiques différentes, rassemblant des centaines de volontaires qui avaient été exposés à divers types de douleur, tels que la chaleur, la pression ou des chocs électriques. Pour chaque personne de l'étude, les chercheurs ont pris deux photos : une de son visage lorsqu'elle était détendue et neutre, et une autre prise au moment précis où elle ressentait la douleur. Ils ont ensuite utilisé un logiciel spécialisé pour décomposer chaque image en minuscules mouvements mesurables des muscles faciaux. Le logiciel identifiait des unités d'action spécifiques, telles que l'abaissement d'un sourcil, le soulèvement d'une joue ou le resserrement de la peau autour des yeux. En injectant ces mouvements musculaires dans un programme informatique, les chercheurs ont entraîné le système à distinguer un visage au repos d'un visage en souffrance.
Les résultats ont montré que l'ordinateur pouvait effectivement faire la différence, bien que sans certitude parfaite. À travers les différents modèles testés, le système a été capable d'identifier correctement la douleur dans une proportion allant de moyenne à bonne. Le modèle le plus performant, un type d'intelligence artificielle qui imite la façon dont les neurones se connectent dans le cerveau, a atteint un AUC de 0,77 en distinguant un visage souffrant d'un visage neutre. Ce niveau de précision est significatif car il a été obtenu en utilisant une seule image par personne, une contrainte qui reflète la réalité d'un hôpital chargé où un médecin pourrait n'avoir qu'un instant pour jeter un regard sur un patient. L'étude a également révélé quelque chose d'inattendu sur l'apparence de la douleur sur un visage. Alors que les recherches précédentes se concentraient sur l'intensité du mouvement musculaire, cette étude a découvert que l'équilibre du mouvement entre le côté gauche et le côté droit du visage importait tout autant. L'ordinateur a appris que la douleur provoque souvent une asymétrie, où un côté du visage réagit différemment de l'autre, particulièrement autour des sourcils, des yeux et des joues. Cette réaction inégale était un indice constant qui aidait le système à identifier la douleur, suggérant que la façon dont la douleur déforme le visage est aussi importante que l'intensité de l'expression.
Les chercheurs ont veillé à concevoir leur étude de manière à refléter les limites du monde réel. Ils n'ont pas utilisé des milliers d'images par personne, ce qui aurait facilité la tâche mais serait moins utile dans un cadre clinique. Au lieu de cela, ils ont forcé l'ordinateur à apprendre à partir d'un seul cliché, garantissant que l'outil qu'ils construisaient puisse fonctionner dans un environnement pratique. Ils ont également testé le système sur des hommes et des femmes et ont constaté qu'il fonctionnait raisonnablement bien pour les deux groupes, bien que la confiance de l'ordinateur dans ses prédictions variait légèrement selon le sexe. L'étude suggère que, bien que la technologie ne soit pas encore prête à remplacer le jugement d'un médecin ou le propre rapport du patient, elle pourrait servir d'assistant précieux. Dans les situations où le patient ne peut pas parler, un outil capable d'analyser une seule photo pourrait fournir un second avis objectif, alertant le personnel médical d'une souffrance potentielle qui pourrait autrement passer inaperçue. Ce travail ne prétend pas avoir résolu le problème de la mesure de la douleur, mais il démontre que l'information nécessaire pour détecter la douleur est présente dans une seule image, attendant d'être lue par les bons yeux.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.