Sonntag, 28. Februar 2021
Navigation öffnen
Anzeige:
Pneumovax
Pneumovax

Medizin

28. Februar 2017 Künstliche Intelligenz zur automatisierten Schmerzerkennung

Schmerzwahrnehmung ist etwas sehr Subjektives. Wie stark und auf welche Art wir einen Schmerz erleben, wissen nur wir selbst. Um unser Schmerzerleben anderen gegenüber zum Ausdruck zu bringen, bedarf es der Sprache. Doch was ist, wenn ein Patient nicht in der Lage ist, über seinen Schmerz zu reden? Ulmer Wissenschaftler setzen in diesem Fall auf Künstliche Intelligenz. Ihr Ziel: die automatisierte Schmerzerkennung.
Anzeige:
Adakveo
Adakveo
 
Gemeinsam mit Forschern der Universität Magdeburg arbeiten Wissenschaftler der Medizinischen Psychologie der Ulmer Universitätsklinik daran, mit technischen Mitteln das subjektive Schmerzerleben objektiv messbar zu machen. Unterstützt werden sie dabei von der Deutschen Forschungsgemeinschaft (DFG). „Manchmal gibt es sprachliche Verständigungsprobleme. Kinder beispielsweise können Schmerz oft nicht genau beschreiben. Patienten mit Demenz oder anderen kognitiven Einschränkungen haben ebenfalls Probleme, Auskunft zu geben über die Intensität und Qualität von Schmerzen“, erläutert Prof. Harald C. Traue die Ausgangslage. Der Wissenschaftler leitet die Sektion Medizinische Psychologie am Universitätsklinikum Ulm. Äußerst hilfreich wäre eine automatisierte Schmerzdiagnostik zudem direkt nach einer Operation, wenn der Patient aus der Narkose erwacht oder noch ganz ohne Bewusstsein ist.

„Bei der automatisierten Schmerzmessung werden maschinelle Erkennungsverfahren eingesetzt, um aus psychobiologischen Reaktionen auf Schmerzreize das subjektive Schmerzerleben zu bestimmen“, erklärt Dr. Steffen Walter, Wissenschaftlicher Mitarbeiter in der Sektion für Medizinische Psychologie. Mit hoch auflösenden Sensoren wird dabei die körperliche Schmerzantwort gemessen. Dazu zählen die Reaktionen der Haut, der Muskulatur, der Atmung und des Kreislaufs genauso wie das schmerzreaktive mimische Verhalten. „Dadurch entsteht ein sehr großer Datenstrom, dessen Bedeutung für den Schmerz nur mit komplexer Biosignalanalyse und der Verarbeitung mit Methoden der Künstlichen Intelligenz bewältigt werden kann“, so der Statistik-Experte Dr. Sascha Gruss.

Hierfür wurde in der Medizinischen Psychologie des Universitätsklinikums Ulm eine experimentelle Schmerzstudie mit 96 freiwilligen männlichen und weiblichen Probanden unterschiedlichen Alters durchgeführt. Bei diesen Testpersonen wurde mit einer Thermode am rechten Unterarm ein Hitzeschmerz in vier Intensitäten erzeugt. Diese vier Schmerzstufen werden für jede untersuchte Person individuell bestimmt. Man misst dafür den Hitzereiz, der anfängt schmerzhaft zu sein (Schmerzschwellen) und den Hitzereiz, den der Proband gerade noch aushalten kann (Schmerztoleranz). Die Stufen dazwischen werden dann berechnet.

Zur Erfassung der körperlichen Schmerzantwort sind diverse Biopotentiale gemessen und digitalisiert worden. Eingesetzt wurden dabei diagnostische Verfahren wie Elektrokardio- (EKG), Elektromyo-(EMG) und Elektroenzephalogramm (EEG), aber auch Messgeräte zur Bestimmung der elektrodermalen Aktivität (EDA). Gesichtsausdruck und mimisches Verhalten konnten mit Hilfe einer speziellen Videokamera (AVT Pike F145C Kamera) aufgezeichnet werden. Um das Bewegungsmuster der Probanden festzuhalten, haben die Wissenschaftler schließlich einen Kinect Sensor für die Aufnahme frontaler Tiefenbilder eingesetzt.
 
Die Probandin ist einem schmerzhaften Hitzereiz ausgesetzt. Auch die Mimik verändert sich; © Universität Ulm; Sektion Medizinische Psychologie
Die Probandin ist einem schmerzhaften Hitzereiz ausgesetzt. Auch die Mimik verändert sich; © Universität Ulm; Sektion Medizinische Psychologie


Mithilfe der Künstlichen Intelligenz – insbesondere des maschinellen Lernens – konnte nun aus den biologischen und mimischen Schmerzreaktionen auf das subjektive Schmerzerleben geschlossen werden. Am besten waren die automatischen Erkennungsalgorithmen, wenn das technische System auf die Erkennung individueller Reaktionen von einzelnen Probanden hin trainiert wurde. Bei starken Schmerzreizen wurden hier Genauigkeiten von 94% erreicht, bei schwachen Schmerzreizen waren es immerhin 59%. Wurde die automatische Schmerzerkennung unabhängig von bestimmten Personen durchgeführt, betrug die Genauigkeit bei starken Schmerzreizen immerhin noch zwischen 74 und 91%. Bei leichteren Schmerzen war die automatische Erfassung allerdings recht ungenau. „Die Ergebnisse sind also noch ziemlich heterogen, da verschiedene Schmerzintensitäten unterschiedlich genau erkannt werden“, so die Schmerzforscher. Doch eindeutige Ergebnisse fanden die Forscher im Hinblick auf die Aussagekraft einzelner Indikatoren. „Am aufschlussreichsten im Hinblick auf die Schmerzintensität waren das Gesichts-EMG, der elektrische Hautwiderstand, der Abstand zwischen Augenbraue und Mundwinkel und die Faltenbildung an der Nasenwurzel“, sind sich die Forscher aus Ulm und Magdeburg einig.

Unterstützt wurden die Wissenschaftler der Sektion für Medizinische Psychologie von Ulmer Kollegen aus der Neuroinformatik sowie von Wissenschaftlern der Arbeitsgruppe Neuro-Informationstechnik der Universität Magdeburg und des Biomedical Engineering Laboratory (BioLab) der brasilianischen Universität Uberlandia. Gemeinsam gelang es so den Forschern, eine robuste und brauchbare Methodik zur automatisierten Erkennung von stärkeren Schmerzen zu entwickeln, mit der die Schmerzdiagnostik insgesamt verbessert werden konnte. Doch auch für die Zukunft bleiben noch viele Herausforderungen. So gilt es, die eingesetzten Algorithmen der Künstlichen Intelligenz im Hinblick auf die Laborbedingungen zu optimieren und für medizinische Anwendungen echtzeitfähig zu machen.

Quelle: Universität Ulm

Literatur:

Werner Philipp, Ayoub Al-Hamadi, Kerstin Limbrecht-Ecklundt et al.
Automatic Pain Assessment with Facial Activity Descriptors.
IEEE Transactions on Affective Computing 01/2016; DOI:10.1109/TAFFC.2016.2537327

Gruss, Sascha, Roi Treister, Philipp Werner et al.
Pain intensity recognition rates via biopotential feature patterns with support vector machines.
PLoS ONE Oct 15; 10(10):e0140330. doi: 10.1371O
https://www.ncbi.nlm.nih.gov/pubmed/26474183


Anzeige:
Insuline
Insuline

Das könnte Sie auch interessieren

Ausgewogene Ernährung reduziert Krebsrisiko

Ausgewogene Ernährung reduziert Krebsrisiko
© Daniel Vincek / Fotolia.com

Mit einer ausgewogenen und ballaststoffreichen Ernährung erhält der Körper nicht nur wertvolle Nährstoffe wie Kohlenhydrate, Eiweiße und Fette, sondern auch wichtige Vitamine, Mineralstoffe und Spurenelemente. Umgekehrt gilt: Mit dem stetigen Bevorzugen bestimmter Lebens- und Genussmittel schadet man der eigenen Gesundheit. „Das heißt, schon mit der Ernährung kann das Risiko für Darmkrebs erhöht oder gesenkt werden“, betont Lars Selig, Leiter des Ernährungsteams am Universitätsklinikum Leipzig (UKL). „Also: Nicht...

Sie können folgenden Inhalt einem Kollegen empfehlen:

"Künstliche Intelligenz zur automatisierten Schmerzerkennung"

Bitte tragen Sie auch die Absenderdaten vollständig ein, damit Sie der Empfänger erkennen kann.

Die mit (*) gekennzeichneten Angaben müssen eingetragen werden!

Die Verwendung Ihrer Daten für den Newsletter können Sie jederzeit mit Wirkung für die Zukunft gegenüber der Medical Tribune Verlagsgesellschaft mbH - Geschäftsbereich rs media widersprechen ohne dass Kosten entstehen. Nutzen Sie hierfür etwaige Abmeldelinks im Newsletter oder schreiben Sie eine E-Mail an: info[at]rsmedia-verlag.de.


EILMELDUNGEN zu SARS-CoV-2 und COVID-19
  • Risikogruppen: Empfehlungen der STIKO
  • Risikogruppen: Empfehlungen der STIKO