В сети домов престарелых Orchard Care Homes, состоящей из 23 учреждений по уходу за пациентами с деменцией в северной Англии, Шерил Бэрд на протяжении многих лет наблюдала, как медсестры заполняют шкалу боли Abbey — инструмент наблюдения для оценки уровня боли у тех, кто не может выразить свои ощущения словами. Бэрд, бывшая медсестра и на тот момент директор по качеству в одном из учреждений, называла этот процесс «формальной процедурой с галочками, где индикаторы боли не анализировались по-настоящему».
Из-за этого беспокойных постояльцев часто приписывали к поведенческим проблемам, поскольку шкала не всегда четко разделяет боль от других видов страданий или дискомфорта. Им назначали психотропные седативные средства, в то время как сама боль оставалась без лечения.
В январе 2021 года сеть Orchard Care Homes начала тестирование приложения PainChek для смартфонов, которое сканирует лицо постояльца на предмет микроскопических движений мышц и с помощью искусственного интеллекта выдает предполагаемый балл боли. Уже через несколько недель в пилотном отделении снизилось количество рецептов, а коридоры стали спокойнее. «Мы сразу отметили преимущества: простоту применения, точность и выявление боли, которую старая шкала не смогла бы обнаружить», — вспоминает Бэрд.
В домах престарелых, неонатальных отделениях и реанимационных палатах ученые стремятся превратить боль в параметр, который камера или датчик могут оценить с той же надежностью, что и артериальное давление.
Подобная технология, поддерживающая диагностику, указывает на более широкую тенденцию. В домах престарелых, неонатальных отделениях и реанимационных палатах специалисты работают над тем, чтобы сделать боль — самый субъективный жизненно важный показатель в медицине — измеримой с помощью камеры или сенсора так же точно, как давление крови. Это движение уже привело к созданию PainChek, одобренного регуляторами на трех континентах и проведшего свыше 10 миллионов оценок боли. Другие стартапы начинают проникать в сферу ухода аналогичными разработками.
Методы оценки боли наконец-то могут измениться, но когда алгоритмы измеряют наши страдания, влияет ли это на наше понимание и лечение этого состояния?
Наука уже разобралась в некоторых механизмах боли. Например, при ушибе пальца ноги микроскопические сигнальные клетки, называемые ноцицепторами, посылают электрические импульсы к спинному мозгу по быстрым «прямым» путям, вызывая первоначальный укол, а более медленный поток следует за ним, создавая ноющую пульсацию, которая сохраняется. В спинном мозге сигнал достигает микроскопического коммутатора, известного ученым как ворота. Если заполнить эти ворота приятными ощущениями — например, потереть ушиб — или если мозг отправит команду, рожденную паникой или спокойствием, ворота могут приглушить или усилить сообщение еще до того, как вы осознате его.
Эти ворота пропускают или блокируют сигналы боли в зависимости от другой нервной активности и сигналов от мозга. Только те сигналы, что проходят, поднимаются к сенсорной карте мозга для локализации повреждения, в то время как другие расходятся к центрам эмоций, определяющим степень тяжести. За миллисекунды те же мозговые узлы отправляют новые команды вниз, высвобождая естественные анальгетики или усиливая тревогу. Таким образом, боль — это не простое отражение повреждения или ощущения, а динамичный диалог между телом и мозгом.
Однако многое в этом диалоге остается загадкой. Ученые не могут предсказать, почему обычная травма перерастает в многолетнюю гиперчувствительность; молекулярный переход от острой к хронической боли в основном неизвестен. Боль в фантомной конечности столь же загадочна: около двух третей ампутантов испытывают мучения в отсутствующей части тела, но соперничающие теории — перестройка коры, периферические невромы, несоответствие схемы тела — не объясняют, почему они страдают, а третья часть — нет.
Первый серьезный инструмент для количественной оценки боли появился в 1921 году. Пациенты отмечали степень боли точкой на пустой линии длиной 10 сантиметров, а врачи измеряли расстояние в миллиметрах, переводя личный опыт в шкалу от 0 до 100. К 1975 году психолог Рональд Мелзак представил опросник боли Макгилла с 78 прилагательными, такими как «жгучая», «колючая» и «пульсирующая», чтобы текстура боли дополнила интенсивность в записях. За последние десятилетия больницы остановились на числовой шкале от 0 до 10.
Тем не менее боль упорно остается субъективной. Обратная связь от мозга в виде реакции может отправить инструкции обратно к спинному мозгу, так что ожидания и эмоции могут изменить восприятие одной и той же травмы. В одном эксперименте добровольцы, считавшие, что им нанесли крем от боли, оценили стимул на 22% менее болезненным, чем те, кто знал о плацебо, — и функциональная МРТ их мозга показала снижение активности в зонах, отвечающих за боль, подтверждая реальное уменьшение ощущений.
Кроме того, боль подвержена влиянию множества внешних факторов. В исследовании экспериментаторы нанесли одинаковый калиброванный электрический стимул добровольцам из Италии, Швеции и Саудовской Аравии, и оценки сильно различались. Итальянские женщины дали наивысшие баллы по шкале 0–10, в то время как шведы и саудовцы оценили тот же ожог на несколько пунктов ниже, что предполагает культурное усиление или ослабление интенсивности одного опыта.
Внутри клиники предвзятость может приводить к разным реакциям даже на одинаковые баллы боли. Анализ 2024 года выписок показал, что оценки женщин фиксировались на 10% реже, чем у мужчин. В крупном педиатрическом отделении неотложной помощи чернокожие дети с переломами конечностей получали опиоидные анальгетики на 39% реже, чем сверстники белой неиспаноязычной расы, даже после учета баллов боли и других клинических факторов. Эти исследования ясно демонстрируют, что «8 из 10» не всегда приводит к одинаковой реакции или лечению. Многие пациенты вообще не могут сообщить о своей боли — например, обзор исследований у постели указывает, что около 70% пациентов в реанимации имеют нераспознанную или недолеченную боль, что авторы связывают с их нарушением коммуникации из-за седации или интубации.
Эти проблемы стимулируют поиск более объективного способа понимания и оценки боли. Прогресс в искусственном интеллекте добавил новый аспект к этим усилиям.
Исследовательские группы следуют двум основным направлениям. Первое — под кожей. Электрофизиологи надевают сетки электродов на добровольцев и ищут нейронные сигнатуры, которые повышаются и падают с поданными стимулами. Исследование 2024 года с машинным обучением показало, что один такой алгоритм определял с точностью свыше 80%, используя несколько минут ЭЭГ в состоянии покоя, кто из субъектов страдает хронической болью, а кто — контрольная группа без боли. Другие ученые комбинируют ЭЭГ с гальванической реакцией кожи и вариабельностью сердечного ритма, надеясь создать «отпечаток боли» из нескольких сигналов для более надежных измерений.
Примером такого подхода служит монитор пациента PMD-200 от Medasense, который применяет инструменты на базе ИИ для выдачи баллов боли. Устройство использует физиологические паттерны, такие как частота сердца, потоотделение или изменения температуры периферии, как входные данные и ориентировано на хирургических пациентов, помогая анестезиологам корректировать дозы во время операций. В исследовании 2022 года с 75 пациентами, перенесшими большую абдоминальную хирургию, применение монитора привело к более низким самооценкам боли после операции — медианный балл 3 из 10 против 5 из 10 в контрольной группе — без роста потребления опиоидов. Устройство одобрено Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов США и используется в США, Евросоюзе, Канаде и других странах.
Второе направление — поведенческое. Гримаса, защитная поза или резкий вдох коррелируют с разными уровнями боли. Команды компьютерного зрения загружают в нейронные сети высокоскоростные видео изменяющихся выражений лиц пациентов, обученные на системе кодирования действий лица (FACS), разработанной в конце 1970-х для создания объективной и универсальной системы анализа таких выражений — это розеттский камень из 44 микродвижений лица. В лабораторных тестах эти модели выявляют кадры, указывающие на боль, с точностью свыше 90%, приближаясь к последовательности экспертных человеческих оценщиков. Аналогичные методы анализируют позу и даже фрагменты предложений в клинических записях с помощью обработки естественного языка, чтобы находить фразы вроде «подтягивание коленей к груди», часто связанные с высокой болью.
PainChek — один из поведенческих моделей, действующий как камерный термометр, но для боли: работник ухода открывает приложение и держит телефон на расстоянии 30 сантиметров от лица человека. В течение трех секунд нейронная сеть ищет девять конкретных микродвижений — подъем верхней губы, сжатие бровей, напряжение щек и так далее, — которые исследования связывают с болью наиболее тесно. Затем экран показывает балл от 0 до 42. «Существует каталог 'кодов единиц действий' — выражений лица, общих для всех людей. Девять из них ассоциированы с болью», — объясняет Крешник Хоти, старший исследователь PainChek и соизобретатель устройства. Эта система построена на базе FACS. После сканирования приложение проводит пользователя через чек-лист да/нет других признаков, таких как стоны, «защита» и нарушения сна, и сохраняет результат на облачной панели, отображающей тенденции.
Связь сканирования с чек-листом, заполняемым человеком, по признанию Хоти, была поздним решением в дизайне. «Сначала мы думали, что ИИ автоматизирует все, но теперь видим, что гибридное использование — ИИ плюс человеческий вклад — это наша главная сила», — говорит он. Помощники по уходу, а не медсестры, проводят большинство оценок, освобождая клиницистов для действий на основе данных, а не их сбора.
PainChek получил одобрение Администрации терапевтических товаров Австралии в 2017 году, а национальное финансирование развертывания от Канберры помогло внедрить его в сотни домов престарелых страны. Система также получила разрешение в Великобритании — где расширение началось незадолго до распространения COVID-19 и возобновилось после смягчения локдаунов — а также в Канаде и Новой Зеландии, где проводятся пилотные программы. В США ожидается решение FDA. Данные компании показывают «примерно 25% снижение использования антипсихотиков и, в Шотландии, 42% уменьшение падений», — отмечает Хоти.
Orchard Care Homes — один из ранних пользователей. Бэрд, тогда директор по качеству, вспоминает рутину до ИИ, которая в основном служила «для подтверждения соответствия», как она говорит.
PainChek добавил алгоритм к этому процессу, и гибридный подход окупился. Внутреннее исследование Orchard в четырех домах отслеживало ежемесячные баллы боли, инциденты поведения и рецепты. Через недели рецепты психотропных средств сократились, а поведение постояльцев успокоилось. Эффекты распространились за пределы аптечных счетов. Постояльцы, пропускавшие еду из-за нераспознанной зубной боли, «начали есть снова», — замечает Бэрд, и «те, кто изолировался из-за боли, стали общаться».
В учреждениях Orchard происходит культурный сдвиг. При обучении нового персонала Бэрд сравнивает боль «с измерением давления крови или кислорода», говорит она. «Мы не угадываем те показатели, так почему угадывать боль?» Аналогия работает, но полное вовлечение людей — все еще трудоемкий процесс. Некоторые медсестры уверены, что их клинического суждения достаточно; другие сопротивляются новому входу и аудиту. «Сфера медленно принимает технологии, но это меняется», — говорит Бэрд. Это облегчается тем, что полная шкала Abbey занимает 20 минут, а сканирование PainChek с чек-листом — менее пяти.
Инженеры PainChek теперь адаптируют код для самых маленьких пациентов. PainChek Infant ориентирован на младенцев младше года, чьи гримасы меняются быстрее, чем у взрослых. Алгоритм, переобученный на неонатальных лицах, выявляет шесть проверенных единиц действий лица на основе установленной системы кодирования действий лица младенцев. PainChek Infant начинает ограниченное тестирование в Австралии, пока компания проходит отдельный регуляторный путь.
Скептики поднимают привычные тревоги по поводу таких устройств. Анализ лиц с помощью ИИ имеет историю предвзятости по тону кожи, например. Анализ мимики может неверно интерпретировать гримасы от тошноты или страха. Инструмент хорош лишь настолько, насколько точны последующие ответы да/нет; небрежный ввод данных может искажать результаты в любую сторону. Результаты лишены широкого клинического и межличностного контекста, который опекун получает от регулярного взаимодействия с пациентами и знания их медицинской истории. Возможно также, что клиницисты слишком сильно полагаться на алгоритм, чрезмерно доверяя внешнему суждению и ослабляя свое собственное.
Если PainChek одобрят FDA этой осенью, он станет частью более широкого усилия по созданию системы новых технологий измерения боли. Другие стартапы предлагают ЭЭГ-повязки для нейропатической боли, датчики гальванической реакции кожи для прорывной боли при раке и даже языковые модели, просеивающие сестринские заметки на предмет признаков скрытого дистресса. Однако количественная оценка боли внешним устройством может таить скрытые проблемы, такие как предвзятость или неточности, которые проявятся только после значительного использования.
Для Бэрд вопрос довольно прост. «Я жила с хронической болью и с трудом убеждала людей верить мне. [PainChek] сделал бы огромную разницу», — говорит она. Если искусственный интеллект даст безмолвным страдальцам числовой голос — и заставит клиницистов слушать — то добавление еще одной строки в таблицу жизненно важных показателей может стоить времени на экран.