Medición objetiva del dolor crónico con IA para superar la escala de autoinforme

22/01/2021

428 6 minutos de lectura

El dolor es algo que todos experimentaremos en algún momento, y algunas personas lo padecen de forma crónica. Aun así, medir y tratar el dolor sigue siendo uno de los problemas de salud más difíciles y complejos.

Junto con Boston Scientific, una empresa líder en tecnología de dispositivos médicos, nuestro objetivo es cambiar la forma en que medimos el dolor. Nuestro equipo de neurocientíficos, científicos de datos, ingenieros, lingüistas, matemáticos, diseñadores de dispositivos de salud y médicos están utilizando inteligencia artificial, internet de las cosas y la nube para crear un nuevo marco para los médicos, con el objetivo de ayudar a aliviar el dolor crónico de los pacientes de una manera más precisa, personalizada y dirigida.

Tradicionalmente, la medición del dolor ha sido muy subjetiva. Por lo general, se les pide a los pacientes que califiquen su dolor en una escala de 0 a 10, y lo que alguien percibe como un alto nivel de dolor podría no ser lo mismo para otra persona. También existe una suposición desactualizada de que el dolor agudo se comporta de manera similar al dolor crónico, a pesar de más de una década de evidencia que muestra cambios sólidos en las estructuras neuronales subyacentes (1, 2) y funciones (3, 4, 5) durante la transición del dolor agudo al crónico. Esto ha dado como resultado un sistema de medición imperfecto y un método estándar a largo plazo muy defectuoso para evaluar el dolor (6 – 10).

Nuestra colaboración con Boston Scientific busca transformar este problema urgente. Para hacerlo, utilizamos biomarcadores recopilados de hasta 1700 personas inscritas en dos estudios clínicos que actualmente se someten a terapia de estimulación de la médula espinal. Estos datos se recopilan de los pacientes durante períodos prolongados de hasta tres años. Incluye métricas que no suelen estar disponibles durante las visitas clínicas o que no pueden evaluarse con la frecuencia suficiente en una cita con el médico, como cuestionarios diarios, datos de movimiento rastreados desde relojes inteligentes, sensores de sueño, monitores de frecuencia cardíaca y grabaciones de voz, todos recopilados mientras los pacientes hacen su vida normal.

Al construir una IA que pueda analizar y extraer información relevante de estos datos, estamos desarrollando un método para medir de manera objetiva y continua el dolor crónico que puede ir más allá de la escala estándar de medición del dolor de 0 a 10. Creemos que esto puede contribuir a sentar las bases para un manejo más efectivo del dolor, lo que podría ayudar a mejorar la calidad de vida del paciente y posiblemente reducir la dependencia de medicamentos en algunas personas.

Evaluación del impacto de las crisis globales sobre el dolor crónico

Aunque la aparición de COVID-19 detuvo muchos ensayos clínicos y estudios de investigación de salud importantes, el beneficio de nuestra iniciativa es que está diseñada para trabajar con los pacientes en su vida cotidiana, sin tener que ir al consultorio del médico. Nuestra plataforma fue diseñada para recopilar y analizar de forma continua los biomarcadores que los pacientes emiten en sus entornos naturales, en lugar de durante visitas presenciales a la clínica, esporádicas y potencialmente onerosas.

Esto nos permitió continuar nuestro trabajo ininterrumpidamente con una ventaja importante: ahora podíamos ver cómo una gran crisis global, como la pandemia de COVID-19, podría afectar una serie de otros factores que se sabe influyen en la experiencia del dolor crónico de un paciente, como intensidad del dolor, calidad del sueño, ejercicio, medicamentos y estado de ánimo.

A medida que estos puntos de datos fueron monitoreados durante la pandemia, nuestro equipo desarrolló modelos de IA que mapearon y correlacionaron cómo las fluctuaciones de estos factores conducían a aumentos o disminuciones en el dolor crónico de un individuo. Por supuesto, no existe una solución única para todos los casos en que respondemos a un factor de estrés, en particular a una pandemia. Esto también es cierto con el dolor crónico: el dolor de algunos pacientes empeoró, acompañado de factores como una menor calidad del sueño o menos ejercicio y movimiento; mientras que otros mejoraron sus niveles de dolor gracias a mayor ejercicio y fueron resilientes en su estado de ánimo y hábitos de sueño. Otros se mantuvieron sin cambios a pesar de los factores fluctuantes.

La iniciativa puede ayudar a sentar las bases para que los médicos desarrollen tratamientos más personalizados para el dolor a la luz de las influencias externas, y demuestra el potencial para medir mejor y prepararse para los cambios en el dolor crónico frente a futuros eventos globales.

Medición objetiva del dolor crónico con IA y datos de movimiento

Parece intuitivo que medir qué tan bien y con qué frecuencia se mueve un individuo sea indicativo de cuánto dolor está experimentando. Pero con el método de evaluación actual y estándar en el que los médicos interrogan a los pacientes sobre cuán bien se están moviendo y cómo se sienten, puede ser un desafío obtener una imagen precisa. Por ejemplo, un paciente puede moverse bien el día que visita al médico y olvida mencionar que la semana anterior tuvo dificultades para levantarse de la cama. O quizás un paciente minimiza sus síntomas de dolor crónico, y en la prisa de citas consecutivas, el médico podría no darse cuenta.

Como parte de nuestro trabajo para construir una plataforma precisa para el manejo del dolor, hemos demostrado la capacidad de los algoritmos de IA para ayudar a medir el dolor crónico en función del análisis de los ciclos de movimiento y descanso que arrojan los datos de los relojes inteligentes. Esto es importante por un par de razones:

• Permitir que el dolor se mida de forma objetiva y pasiva, y en combinación con otros biomarcadores que pueden evaluarse desde la comodidad del hogar (como el sueño, el habla, el estado de ánimo y el uso de medicamentos), le quita al paciente la carga de la medición.
• La evaluación del dolor mediante la recopilación y el análisis de biomarcadores como el movimiento puede ayudar a sentar las bases para una medición del dolor crónico más precisa y objetiva, y tiene el potencial de contribuir a eliminar la subjetividad y el sesgo desde la perspectiva tanto del paciente como del médico.

Ser capaz de cuantificar objetivamente el dolor podría colaborar con resolver otros problemas que afectan a nuestro sistema de salud. Por ejemplo, el hecho de que los médicos puedan prescribir con mayor precisión en qué momento y en qué dosis se necesita administrar analgésicos podría ayudar a reducir la posibilidad de introducir sesgos o prescribir en exceso y potencialmente iniciar una dependencia de opioides. Y si algún día somos capaces de integrar dispositivos médicos, como estimuladores de la médula espinal, con IA para predecir las señales de dolor crónico – otro objetivo de nuestra colaboración con Boston Scientific – podríamos ayudar a ciertas personas a adaptar la cantidad de analgésicos que necesitan a diario, en lugar de utilizar una prescripción general.

Nuestro trabajo con Boston Scientific se basa en la visión de IBM Research de crear una plataforma de salud digital para el tratamiento más personalizado de las enfermedades. Con la inteligencia artificial estamos creando algoritmos y plataformas que pueden recopilar una serie de métricas y biomarcadores no invasivos de pacientes que dan su consentimiento a través de canales específicos. Integrar el análisis de biomarcadores como el habla, el movimiento, el dolor y el sueño en una plataforma general puede ayudar a los médicos a obtener una imagen más holística y precisa de la salud de sus pacientes.

(*) El autor Jeff Rogers es Global Research Leader, Cognitive IoT para Healthcare, y Senior Manager, Digital Health, IBM Research.

Referencias:
1. Chronic Back Pain Is Associated with Decreased Prefrontal and Thalamic Gray Matter Density; A. Vania Apkarian, Yamaya Sosa, Sreepadma Sonty, Robert M. Levy, R. Norman Harden, Todd B. Parrish and Darren R. Gitelman; Journal of Neuroscience 17 November 2004, 24 (46) 10410-10415; DOI: https://doi.org/10.1523/JNEUROSCI.2541-04.2004
2. Brain white matter structural properties predict transition to chronic pain; Mansour AR, Baliki MN, Huang L, et al; Pain; 2013;154(10):2160-2168. DOI: 10.1016/j.pain.2013.06.044
3. Shape shifting pain: chronification of back pain shifts brain representation from nociceptive to emotional circuits; Javeria A. Hashmi, Marwan N. Baliki, Lejian Huang, Alex T. Baria, Souraya Torbey, Kristina M. Hermann, Thomas J. Schnitzer, A. Vania Apkarian; Brain, Volume 136, Issue 9, September 2013, Pages 2751–2768; DOI: https://doi.org/10.1093/brain/awt211
4. Predicting Value of Pain and Analgesia: Nucleus Accumbens Response to Noxious Stimuli Changes in the Presence of Chronic Pain; Marwan N. Baliki, Paul Y. Geha, Howard L. Fields, Vania Apkarian; Neuron; Volume 66, Issue 1, 15 April 2010, Pages 149-160; DOI: https://doi.org/10.1016/j.neuron.2010.03.002
5. Corticostriatal functional connectivity predicts transition to chronic back pain; Baliki, M., Petre, B., Torbey, S. et al.; Nat Neurosci 15, 1117–1119 (2012); DOI: https://doi.org/10.1038/nn.3153
6. Common measures and analytic techniques provide flawed assessments of pain: modeled data, and hip replacement study; Smythe HA, Bogoch ER; J Rheumatol; Epub 2008 Nov 15. PMID: 19012357; DOI: https://doi.org/10.3899/jrheum.080526
7. Simple pain rating scales hide complex idiosyncratic meanings; Amanda C. de C. Williams, Huw Talfryn Oakley Davies,Yasmin Chadury; Pain, Volume 85, Issue 3, 2000, Pages 457-463; DOI: https://doi.org/10.1016/S0304-3959(99)00299-7
8. A central mechanism enhances pain perception of noxious thermal stimulus changes ; Petre, B., Tetreault, P., Mathur, V. et al; Sci Rep 7, 3894 (2017); DOI: https://doi.org/10.1038/s41598-017-04009-9
9. Predictive Dynamics of Human Pain Perception; Guillermo A. Cecchi, Lejian Huang, Javeria Ali Hashmi, Marwan Baliki, María V. Centeno, Irina Rish, A. Vania Apkarian; PLOS, Published: October 25, 2012; DOI: https://doi.org/10.1371/journal.pcbi.1002719
10. Nonlinear Effects of Noxious Thermal Stimulation and Working Memory Demands on Subjective Pain Perception; John A. Sturgeon, PhD, Meghan M. Tieu, MD, Laura E. Jastrzab, EdS, Rebecca McCue, BA, Vanisha Gandhi, DDS, Sean C. Mackey, MD, PhD; Pain Medicine, Volume 16, Issue 7, July 2015, Pages 1301–1310; DOI: https://doi.org/10.1111/pme.12774