MIT-wetenschappers hebben een algoritme ontwikkeld dat kan leren minuscule tics en uitdrukkingen op het menselijk gezicht te herkennen om te kwantificeren hoeveel pijn die persoon ervaart, meldt Matt Reynolds voor New Scientist . Het algoritme kan helpen bij wat vaak een lastige taak voor artsen is: nagaan hoe iemand zich voelt en of ze die pijn overdrijven of minimaliseren.
Momenteel wordt pijn gerapporteerd door schalen te rangschikken met behulp van cijfers of afbeeldingen, meldt Luke Dormehl voor digitale trends . Toch kunnen deze "visuele analoge schalen" voor pijn onnauwkeurig zijn en moeilijk te gebruiken voor mensen die moeite hebben met het vertalen van symbolen of gezichten en het matchen van die betekenis met hun eigen ervaringen. Een specifieke groep die moeite heeft met het gebruik van deze systemen zijn mensen met autisme, meldde Rose Eveleth in 2015 voor de Atlantische Oceaan . En geen zelfgerapporteerde schaal kan iemand omzeilen die pijn probeert te doen om een medicijn te krijgen.
Computers kunnen een antwoord zijn op deze problemen. Onderzoekers hebben eerder kunstmatige neurale netwerken getraind om te leren signalen op te pakken die mensen vaak maken bij pijn veel nauwkeuriger dan andere mensen. Maar deze programma's werken op één schaal voor alle mensen, hoewel pijn bij verschillende mensen anders is en van veel factoren afhankelijk is, schrijven Christianna Reedy en Karla Lant voor futurisme .
Onderzoekers proberen dit probleem op te lossen. Een nieuw programma, vorige maand beschreven in het Journal of Machine Learning Research, gaat verder dan deze one-size-fits-all aanpak met een pijnalgoritme dat kan worden verfijnd op basis van iemands demografie, gelaatstrekken en andere factoren die beïnvloeden hoe pijn verschijnt op hun gezicht. Het programma, genaamd DeepFaceLIFT, werd getraind met behulp van video's van mensen met schouderblessures die werden gevraagd hun gewonde arm te bewegen, schrijft Reynolds.
DeepFaceLIFT is niet bedoeld als vervanging van traditionele pijnrapportage, maar vergroot deze eerder, meldt Reynolds. De makers hopen het te ontwikkelen tot een mobiele app die door artsen met smartphones kan worden gebruikt tijdens het interviewen van patiënten. Misschien in de toekomst, zal de arts weten, zelfs als u probeert een dapper gezicht op te zetten.
