MIT-forskere har utviklet en algoritme som kan lære å gjenkjenne små vitenskapelige uttrykk og uttrykk på det menneskelige ansiktet for å kvantifisere hvor mye smerte personen opplever, rapporterer Matt Reynolds for New Scientist . Algoritmen kan hjelpe med det som ofte er en vanskelig oppgave for leger: å måle hvordan en person føler seg, og om de overdriver eller minimerer den smerten.
Foreløpig rapporteres smerter ved å rangere skalaer ved bruk av tall eller bilder, rapporterer Luke Dormehl for Digital Trends . Likevel kan disse "visuelle analoge skalaene" for smerte være upresise og vanskelige å bruke for mennesker som har problemer med å oversette symboler eller ansikter og matche den betydningen til sine egne opplevelser. En bestemt gruppe som sliter med å bruke disse systemene, er mennesker med autisme, rapporterte Rose Eveleth for The Atlantic i 2015. Og ingen egenrapporterte skalaer kan komme rundt noen som prøver å falske smerter for å få reseptbelagt medisin.
Datamaskiner kan være ett svar på disse problemene. Forskere har tidligere trent kunstige nevrale nettverk for å lære å plukke opp signaler som folk ofte gjør når de har smerter langt mer nøyaktig enn andre mennesker. Men disse programmene fungerer i en skala for alle mennesker, selv om smerter er forskjellige hos forskjellige mennesker og avhenger av mange faktorer, skriver Christianna Reedy og Karla Lant for Futurism .
Forskere prøver å løse dette problemet. Et nytt program, som ble beskrevet forrige måned i Journal of Machine Learning Research, beveger seg utover denne tilnærmingen som passer til alle med en smertealgoritme som kan finjusteres basert på en persons demografi, ansiktsfunksjoner og andre faktorer som påvirker hvordan smerter vises i ansiktet. Programmet, kalt DeepFaceLIFT, ble trent ved å bruke videoer av mennesker med skulderskader som ble bedt om å bevege sin skadede arm, skriver Reynolds.
DeepFaceLIFT er ikke ment å erstatte tradisjonell smerterapportering, men heller øke den, melder Reynolds. Skaperne håper å utvikle den til en mobilapp som kan brukes av leger med smarttelefoner mens de intervjuer pasienter. Kanskje fremover vil legen vite det selv om du prøver å ta et modig ansikt.
