Nova fronteira da avaliação da dor: inteligência artificial e expressões faciais

A dor é uma experiência subjetiva desagradável causada por danos reais ou potenciais, associada a componentes neurológicos e psicossociais complexos. A autoavaliação é o principal método de aferição da dor, pois é altamente individualizada e depende da percepção do indivíduo.

A literatura médica fornece vários sistemas de pontuação para a avaliação da dor, incluindo a escala visual analógica de 100 mm (VAS), a escala numérica de classificação (NRS) e a escala analógica de cores. Apesar de ser altamente confiável, a VAS apresenta várias limitações. Por exemplo, não é viável utilizá-la em situações as quais os indivíduos estão inconscientes, com comprometimento cognitivo ou incapazes de se expressar verbalmente.

Escalas de observação foram desenvolvidas e validadas para uso em diferentes contextos clínicos, a fim de abordar a incapacidade dos pacientes de comunicar sua dor. Essas oferecem um método alternativo para a sua avaliar, mas são limitadas pela formação prévia do observador e pela sua capacidade de interpretação. Portanto, há uma necessidade de um método de avaliação da dor genuinamente objetivo que também seja sensível ao tempo para detectar mudanças na experiência do paciente.

A inteligência artificial (IA) tem o potencial de transformar o sistema de saúde ao tornar a análise das expressões faciais durante a dor mais eficiente e reduzir a carga de trabalho dos profissionais humanos.

Diversos estudos foram desenvolvidos com objetivo de avaliar as respostas à dor de maneira mais objetiva. Essas incluem mudanças em parâmetros fisiológicos, como resposta galvânica da pele, reflexos pupilares, pressão arterial, variabilidade da frequência cardíaca e marcadores hormonais e bioquímicos. Além disso, as respostas comportamentais podem ser verbais, como descrever ou vocalizar a dor, e não verbais, como comportamentos de retirada, postura corporal e expressões faciais.

A maioria das tentativas de reconhecer expressões faciais tem se concentrado na identificação de unidades de ação (AUs), definidas no Sistema de Codificação de Ação Facial (FACS). De acordo com os estudos, as FACS que transmitem mais informações sobre a dor são o abaixamento da sobrancelha, o fechamento dos olhos, o aperto da órbita e a contração do músculo elevador. Esses quatro "fatores essenciais" também contribuem para a maior parte da heterogeneidade na expressão da dor.

Entretanto, os indicadores faciais de dor que foram validados no passado são impraticáveis em ambientes clínicos devido à sua dependência de observadores altamente qualificados para rotular as AUs faciais, uma tarefa que consome tempo e não é adequada para avaliação em tempo real. No entanto, as expressões faciais são vantajosas na IA porque podem fornecer dados relevantes em cada quadro de vídeo e mudanças ao longo do tempo, e sistemas de visão computacional poderiam realizar essa operação automaticamente através do treinamento de um classificador para reconhecer as expressões faciais relacionadas à dor.

Para essa IA funcionar, uma câmera grava dados em vídeo do rosto do paciente. As características faciais são então extraídas dos dados em vídeo usando técnicas de visão computacional para identificar padrões relacionados à dor. Essas características faciais encontradas em quadros ou sequências de vídeo são posteriormente processadas pelos modelos de machine learning (ML) pré-treinados, fornecendo sua estimativa da experiência de dor do sujeito.

Vários estudos encontraram resultados promissores sobre a precisão da detecção de dor baseada em IA usando expressões faciais. No geral, os estudos apresentaram níveis variados de precisão na estimativa da intensidade e na detecção da dor, com alguns modelos apresentando desempenho superior a outros. Todos incluíram vídeos com rostos de pacientes vivenciando variados níveis de dor, incluindo a sua ausência. Modelos de IA/ML foram treinados e testados nesses vídeos para avaliar seu desempenho na detecção de dor por meio de expressões faciais.

Em conclusão, a IA tem o potencial de revolucionar a análise da dor, tornando-a mais objetiva e eficiente ao reconhecer expressões faciais. Estudos têm explorado a relação entre expressões faciais e a dor, focando em unidades de ação (AUs) que transmitem informações significativas.

Com o uso de câmeras e técnicas de visão computacional, é possível captar e processar automaticamente as características faciais relacionadas à dor, utilizando modelos de machine learning para estimar a experiência dos pacientes. Resultados de diversos estudos indicaram promessas na detecção de dor baseada em IA, apresentando níveis variáveis de precisão, mas destacando o aprimoramento contínuo nessa área. Assim, a combinação da tecnologia com a avaliação da dor pode oferecer novas oportunidades para melhorar o cuidado clínico e a compreensão da experiência dolorosa.