[論文レビュー] Machine-based Multimodal Pain Assessment Tool for Infants: A Review

Ghada Zamzmi, Dmitry B. Goldgof+3 more|arXiv (Cornell University)|Jul 1, 2016

Pediatric Pain Management Techniques参考文献 188被引用数 10

ひとこと要約

本稿は、乳児における機械ベースのマルチモーダルな痛み評価システムについてレビューし、一時的で主観的なベッドサイド評価の限界を克服するため、行動的および生理的信号を用いた自動的で連続的なモニタリングを提案する。特徴抽出技術を統合し、既存のデータベースを評価し、新生児ケアにおける信頼性の高い一貫性のある痛み認識を達成するための主な課題を特定する。

ABSTRACT

Bedside caregivers assess infants' pain at constant intervals by observing specific behavioral and physiological signs of pain. This standard has two main limitations. The first limitation is the intermittent assessment of pain, which might lead to missing pain when the infants are left unattended. Second, it is inconsistent since it depends on the observer's subjective judgment and differs between observers. The intermittent and inconsistent assessment can induce poor treatment and, therefore, cause serious long-term consequences. To mitigate these limitations, the current standard can be augmented by an automated system that monitors infants continuously and provides quantitative and consistent assessment of pain. Several automated methods have been introduced to assess infants' pain automatically based on analysis of behavioral or physiological pain indicators. This paper comprehensively reviews the automated approaches (i.e., approaches to feature extraction) for analyzing infants' pain and the current efforts in automatic pain recognition. In addition, it reviews the databases available to the research community and discusses the current limitations of the automated pain assessment.

研究の動機と目的

• 新生児ケアにおける一時的で主観的なベッドサイド評価の限界に対処する。
• 頻度の低い評価による観察者のばらつきや痛み発現の見逃しを克服する。
• 乳児における客観的で定量的な痛み評価のための自動的で連続的なシステムを開発する。
• 行動的および生理的信号からの特徴抽出のための既存の自動化手法を統合する。
• 利用可能なデータベースを評価し、信頼性のある乳児の痛み認識に向けた研究上のギャップを同定する。

提案手法

• 乳児の行動的および生理的信号からの特徴抽出のための自動化アプローチをレビュー・分類する。
• ビデオベースの顔面表情と生理的信号（例：心拍数、動脈酸素飽和度）を組み合わせたマルチモーダルデータ統合技術を分析する。
• 顔面のアクションユニット検出と時間的パターン解析を含む、痛み認識に用いられる機械学習およびコンピュータビジョン技術を検討する。
• 標準化されたデータセットと評価プロトコルを用いて、既存システムの性能を評価する。
• 多様な臨床環境において、自動化された痛み評価モデルの頑健性と一般化能力を評価する。
• リアルタイムで連続的な痛みモニタリングシステムを実装するにあたり、技術的および臨床的課題を強調する。

実験結果

リサーチクエスチョン

• RQ1 自動化システムは、従来のベッドサイド観察と比較して、乳児の痛み評価の整合性と継続性をどのように向上させることができるか？
• RQ2 新生児における信頼性の高い痛み検出に最も効果的なマルチモーダル特徴（行動的および生理的）は何か？
• RQ3 データの可用性、アノテーション品質、およびデータセット間でのモデル一般化における現在の制限は何か？
• RQ4 異なる機械学習モデルは、多様な臨床環境において乳児の痛みを分類するためにどのように性能を発揮するか？
• RQ5 自動化された痛み評価ツールの実世界への導入を妨げる技術的および臨床的障壁は何か？

主な発見

• 一時的で観察者依存の痛み評価は、評価の一貫性の欠如と乳児の痛みの低治療につながる可能性がある。
• 顔面の表情や心拍変動などのマルチモーダルデータを用いた自動化システムは、連続的で客観的な痛みモニタリングを実現する可能性を示している。
• 乳児の痛み研究のための既存のデータベースは、サイズ、多様性、標準化の面で限界があり、モデルの一般化に影響を与えている。
• 新生児における微細で変動の大きい表情のため、顔面のアクションおよび生理的信号からの特徴抽出は依然として重要な課題である。
• 現在の自動化システムは制御された環境では中程度から高い正確性を示すが、実臨床環境への導入には課題に直面している。
• 行動的および生理的信号の統合は、単一モodalなアプローチと比較して、痛み認識のパフォーマンスを向上させている。