在程序性镇静过程中利用计算机视觉技术进行疼痛检测

《Scientific Reports》：Computer vision for pain detection during procedural sedation

　　

摘要

在程序性镇静过程中，利用计算机视觉通过面部表情持续自动检测疼痛可以优化镇静剂剂量的调整并减轻疼痛。本研究采用前瞻性观察方法。在实施程序性镇静的介入放射学检查期间，记录了参与者的面部图像。护士同时使用镇静状态评估量表对疼痛情况进行评估。研究人员利用70名参与者的视频数据，通过Swin Transformer架构训练并评估了一个疼痛检测模型。该模型的接收者操作特征曲线下面积（AUC）为0.79，精确度-召回率曲线下面积（AP）为0.53。该模型能够可靠地识别许多参与者的疼痛事件，预测概率的显著升高与实际疼痛发生情况高度吻合。探索性亚组分析显示，不同Fitzpatrick肤色类别之间的检测性能存在差异（其中3-4类肤色组的差异最为明显），但由于亚组样本量有限，这些发现需要在更大规模的独立队列中进行验证。基于该模型的程序性镇静自动化疼痛检测系统需要设置较高的阈值，以减少误报风险，从而避免报警疲劳。或者，在进一步改进模型性能并提高其对不同患者群体的适用性之前，可以使用不显示警报信息的用户界面来显示随时间变化的预测概率。