Development and internal validation of single-image pain detection from automated facial coding
Questo studio dimostra che la rilevazione del dolore clinicamente significativo è fattibile da singole immagini facciali utilizzando il coding facciale automatizzato, raggiungendo un'accuratezza di discriminazione da discreta a buona (AUC fino a 0,77) su un dataset armonizzato di 212 partecipanti attraverso l'identificazione delle attivazioni asimmetriche dei muscoli facciali come chiave predittiva.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Il dolore è un'esperienza privata, un segnale che viaggia dal corpo alla mente, eppure rimane una delle cose più difficili da misurare per un medico. In un ospedale o in una clinica, il modo standard per comprendere quanto dolore provi un paziente è chiederglielo. Potrebbe indicare un numero su una scala o descrivere una sensazione acuta, sorda o bruciante. Ma questo metodo fallisce quando un paziente non può parlare, forse perché è troppo giovane, troppo confuso o troppo sedato per rispondere. In questi momenti, il personale medico deve affidarsi all'osservazione, cercando il linguaggio universale del volto. Per decenni, gli scienziati hanno saputo che, quando le persone soffrono, i muscoli facciali si muovono secondo schemi specifici e riconoscibili. Questi movimenti non sono casuali; sono la risposta motoria del corpo alla sofferenza, formando un codice strutturato che può essere letto da un occhio esperto. La domanda è stata a lungo se un computer potesse imparare a leggere questo codice bene quanto un essere umano e se potesse farlo da un singolo scatto fotografico, piuttosto che richiedere una lunga registrazione video.
Un team di ricercatori dell'Università della Virginia ha cercato di rispondere a questa domanda insegnando a un computer a individuare il dolore in una singola fotografia. Non si sono affidati a un unico gruppo di persone o a un solo tipo di esperimento. Al contrario, hanno combinato i dati di tre diversi studi scientifici, riunendo centinaia di volontari che erano stati esposti a vari tipi di dolore, come calore, pressione o scosse elettriche. Per ogni persona nello studio, i ricercatori hanno scattato due foto: una del loro volto quando era rilassato e neutro, e un'altra scattata nel momento in cui provava dolore. Hanno poi utilizzato software specializzati per scomporre ogni immagine in minuscoli, misurabili movimenti dei muscoli facciali. Il software ha identificato specifiche unità di azione, come l'abbassamento di un sopracciglio, l'innalzamento di una guancia o l'irrigidimento della pelle intorno agli occhi. Alimentando il programma informatico con questi movimenti muscolari, i ricercatori hanno addestrato il sistema a distinguere tra un volto a riposo e un volto nel dolore.
I risultati hanno dimostrato che il computer era effettivamente in grado di distinguere la differenza, sebbene non con certezza assoluta. Attraverso i diversi modelli testati, il sistema è stato in grado di identificare correttamente il dolore in una gamma di casi da discreta a buona. Il modello con le prestazioni migliori, un tipo di intelligenza artificiale che imita il modo in cui i neuroni si connettono nel cervello, ha raggiunto un AUC di 0,77 nel distinguere un volto sofferente da uno neutro. Questo livello di precisione è significativo perché è stato raggiunto utilizzando un solo fotogramma per persona, un vincolo che rispecchia la realtà di un ospedale affollato dove un medico potrebbe avere solo un momento per dare un'occhiata a un paziente. Lo studio ha anche rivelato qualcosa di inaspettato su come il dolore si manifesta sul volto. Mentre la ricerca precedente si concentrava su quanto fosse forte il movimento muscolare, questo studio ha scoperto che l'equilibrio del movimento tra il lato destro e quello sinistro del volto contava altrettanto. Il computer ha imparato che il dolore spesso causa un'asimmetria, in cui un lato del viso reagisce diversamente rispetto all'altro, in particolare intorno alle sopracciglia, agli occhi e alle guance. Questa reazione disomogenea è stata un indizio costante che ha aiutato il sistema a identificare il dolore, suggerendo che il modo in cui il dolore distorce il volto è importante quanto l'intensità dell'espressione.
I ricercatori sono stati attenti a progettare il loro studio in modo da riflettere i limiti del mondo reale. Non hanno utilizzato migliaia di immagini per persona, il che avrebbe reso il compito più facile ma meno utile in un contesto clinico. Al contrario, hanno costretto il computer a imparare da un singolo scatto, assicurando che lo strumento che stavano costruendo potesse funzionare in un ambiente pratico. Hanno anche testato il sistema sia su uomini che su donne e hanno scoperto che funzionava ragionevolmente bene per entrambi i gruppi, sebbene la fiducia del computer nelle sue previsioni variasse leggermente tra i sessi. Lo studio suggerisce che, sebbene la tecnologia non sia ancora pronta a sostituire il giudizio di un medico o la segnalazione del paziente stesso, potrebbe servire come un prezioso assistente. In situazioni in cui un paziente non può parlare, uno strumento che analizza una singola foto potrebbe fornire un secondo parere oggettivo, allertando il personale medico su una potenziale sofferenza che altrimenti potrebbe passare inosservata. Il lavoro non pretende di aver risolto il problema della misurazione del dolore, ma dimostra che l'informazione necessaria per rilevare il dolore è presente in una singola immagine, in attesa di essere letta dagli occhi giusti.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.