Development and internal validation of single-image pain detection from automated facial coding

技術要約：自動顔面コーディングによる単一画像からの痛み検出の開発と内部検証

問題提起
正確な痛みの評価は、依然として重大な臨床的課題である。特に、患者の自己申告が利用できない、信頼できない、あるいはバイアス（例：女性、マイノリティ、または認知障害を持つ人々における過小評価）の影響を受ける場合である。顔の表情は痛みの情報に関する潜在的な客観的ソースを提供し得るが、これまでの研究は、単一センターのデータセットへの依存、被験者あたりの大量のビデオデータ、および現実の臨床的制約を反映していない概念実証的なアルゴリズムによって制限されてきた。既存のモデルの多くは高ボリュームのフレームシーケンスを用いて学習されており、それによって性能の推定値が膨張し、単一のスナップショット（例：トリアージ時の受付時）しか利用できない環境での適用性が制限されている。自動顔面分析アルゴリズムと、現実的なデータ制約下で動作可能な臨床的意思決定支援ツールとの間には乖離が存在する。

方法論
本研究では、3つの独立した実験的痛みデータベース（BioVid Heat Painデータベース、Denver Pain Authenticity Stimulus Set (D-PASS)、およびMultimodal Intensity Painデータベース (MIntPain)）からデータを遡及的に収集し、調和させた。最終的なデータセットは、様々な痛み刺激（熱、圧力、電気）に曝露された212名の健康な成人参加者で構成された。

• データの調和: 臨床的な制約をシミュレートし、特定の実験設定への過学習を防ぐため、著者らはデータセットを各参加者につき正確に1枚の中立的な画像（痛み = 0）と1枚の痛み誘発画像（痛み = 1）に制限した。これにより、合計424件の観察が得られた。
• 特徴量抽出: 顔画像は、検証済みの自動顔面コーディングソフトウェアであるNoldus FaceReader 10を用いて処理された。これにより、1枚の画像につき31個の入力変数が生成された：
  • 20個の一側性アクションユニット（AU）活性化強度（AU1, 2, 4, 5, 6, 7, 9, 10, 12, 14, 15, 17, 18, 20, 23, 24, 25, 26, 27, 43）。
  • 11個のAU活性化非対称性（左側の強度から右側の強度を引いて算出）。
  • 生の強度は、0と1の間に限定された右に歪んだ分布を扱うために、ロジット関数を用いて変換された。
• モデル開発: 以下の6つのモデルを、参加者クラスター化された10分割交差検証を用いて学習および評価した（データ漏洩を防ぐため、同一参加者の両方の画像が同じフォールド内に留まるようにした）：
  • 尤度ベースのモデル: 一般化線形モデル (GLM)、エラスティックネット (ENET)、および一般化加法モデル (GAM)。GAMは、比較のために単一の非線形予測因子としてPrkachin and Solomon Pain Intensity (PSPI) 指数を使用した。
  • 機械学習モデル: ランダムフォレスト (RF)、サポートベクターマシン (SVM)、および多層パーセプトロン (MLP)。
• 評価指標: パフォーマンスは、AUC、マシューズ相関係数 (MCC)、感度、特異度、精度、F1スコア、およびキャリブレーションプロット（全体および性別による層別化）を用いて評価された。

主な結果

• 予測性能: すべてのモデルは、「まずまずから良好な」アウト・オブ・フォールド予測性能を示した。多層パーセプトロン (MLP) が、AUC 0.770 (± 0.074) および MCC 0.549 (± 0.130) という最高のパフォーマンスを示した。エラスティックネット (ENET) モデルは、全モデルの中で最も高い感度 (0.822) を達成し、AUCは0.742であった。
• 特徴量の重要性: 非対称なAU活性化が、痛みの一貫した重要な予測因子として特定された。トップパフォーマンスのMLPモデルにおいて、上位10個の予測因子には3つの非対称特徴量が含まれており、それはAU6（頬の引き上げ）、AU4（眉の寄せ）、およびAU2（外側眉の引き上げ）であり、右側の活性化が強いことが痛みを意味していた。ENETモデルは、すべての交差検証フォールドにおいて、非対称な眉の寄せ (AU4) と目の閉鎖 (AU43) を一貫して保持していた。
• モデル比較: PSPI指数のみを使用したGAMモデルが最も成績が悪かった（AUC 0.695）。これは、フルセットのAUを利用することがPSPI単独よりも実質的に多くの情報を提供することを示唆している。しかし、31個の全AUを用いた未正規化のGLMも性能が低かったことから、高い性能を得るためには正規化（特徴量選択）が不可欠であることが浮き彫りになった。
• キャリブレーションとデモグラフィックス: MLPモデルは、全確率分布にわたってほぼ理想的なキャリブレーションを示し、男性および女性の両方のサブグループに対して満足のいくキャリブレーションを維持した。対照的に、ENETモデルは確率分布の中間部で誤校正を示し、男性参加者に対する信頼性が低下した。

主要な貢献

1. 単一画像検出の実現可能性: 本研究は、自動コーディングを用いて単一の顔画像から臨床的に意味のある痛み関連情報を抽出できることを示しており、ビデオシーケンスが利用できないワークフローへの自動解析の統合の実現可能性を支持している。
2. マルチデータベースへの汎用性: 異なる刺激やデモグラフィックスを持つ3つの異なるデータベースを調和させることで、本研究は単一のコホートや実験設定への過学習を軽減しており、従来の単一センター研究の主要な限界に対処している。
3. 非対称性の発見: 本論文は、顔の非対称性（特に眉、目、頬の領域）が痛みの状態の新規かつ堅牢な予測因子であることを特定しており、これは痛みに特化した表情研究ではこれまで評価されてこなかった要素である。
4. 臨床的意思決定支援フレームワーク: 本研究は、画像から予測に至る完全な分析経路の概要を示しており、患者の自己申告を置き換えるのではなく、それを補完する痛み検出ツールの開発のための基礎を提供している。

意義と主張
著者らは、本研究が概念実証アルゴリズムと、展開可能な臨床的意思決定支援ツールの間の溝を埋めるものであると主張している。研究結果は、自動的な表情分析が、特に自己申告ができない患者（例：鎮静状態、挿管状態、または認知障害のある患者）にとって、痛みの評価に対する客観的な補助として機能し得ることを示唆している。

本論文は、これらの結果を最終的な臨床的解決策ではなく、将来の研究のための基礎として控えめに位置づけている。データは、低〜中程度の痛みレベルを含む制御された実験設定で収集されたものであり、急性臨床場面とは異なる可能性があることを認めている。著者らは、モデルの説明可能性と、多様なデモグラフィック（性別以外）における公平性が、臨床導入において極めて重要であると強調している。彼らは、これらのツールが標準的な慣行を代替するのではなく、増強するための補助メカニズムとして機能すべきであると断じている。具体的には、選択された臨床的閾値に応じて、スクリーニング（高感度）または介入のトリガー（高特異度）としての有用性がある。多様な集団における前向きな、現実世界の臨床現場での検証が、次のステップとして必要であると特定している。