人工智能在老年慢性疼痛診治中的應用

洪霞 李陸琦 劉繼業

慢性疼痛是指持續超過正常愈合時間的疼痛(通常表現為至少3個月的疼痛),與通常被視為局部感覺的急性疼痛有明顯的區別。慢性疼痛在全球范圍內的發病率很高,其特點體現在不同國家、不同種族、不同工作性質的人群均可發病[1]。而且,慢性疼痛的部位及性質多樣化,病程遷延不愈,給病人、家庭和社會造成了沉重的負擔[2]。然而,慢性疼痛的致病原因至今未能闡釋清楚,其可能與鈣質流失、肌肉減少、社會孤立、焦慮與抑郁等問題密切相關[3]。老年人患慢性疼痛的比例較其他人群更高[4],其不僅嚴重影響了老年人的生活質量,而且會加重基礎疾病,從而導致共病狀態更為復雜[5]。英國一項縱向隊列研究顯示,疼痛對老年人的影響尤為嚴重,慢性廣泛性疼痛本身及針對疼痛的治療與死亡風險增加明顯相關[6]。因此,慢性疼痛的防治及日常護理也變得更加重要。

人工智能被認為是一個科學和工程領域,涉及對通常稱為智能行為的計算理解,以及展示這種行為的人工制品的創造[7]。它的概念最早出現在1950年,由科學家Alan Turing提出[8]。通俗地講,人工智能是利用計算機技術研究和開發模擬、擴展人類智能的理論、方法、技術和應用系統的一門新興技術學科[9]。近年來,隨著人工智能的發展,特別是深度學習(計算機學習算法的一個分支,也是新一代人工智能技術的核心組成部分,它可以自動從大數據分析中學習,然后獨立地對知識做出決策,包括各種神經網絡,如深度信念網絡、卷積神經網絡等)的出現,人們對這一新技術學科的興趣激增,并在實際應用中推廣了一系列人工智能系統,如Internet-1系統、MYCIN系統以及一些數據庫和記錄系統[10-12]。現在人工智能被廣泛應用于多個領域,并在技術改進中發揮著重要作用,人們利用人工智能技術,并將其與傳統行業相結合,創造新的生產力[13]。人工智能強大的計算能力也讓它便于處理復雜的醫療數據[14]。慢性疼痛的病程長,與其他老年綜合征及多種基礎疾病互相影響,從而讓疾病的解決變得復雜化。而人工智能恰恰可以發揮其計算力強、綜合分析以及多角度處理問題的優勢。因此,本文重點論述了人工智能在老年慢性疼痛中的應用以及未來的發展趨勢。

1 人工智能在老年慢性疼痛診斷中的應用

慢性腰痛在老年人中的發病率極高,是目前全球致殘的主要原因之一[15]。外科數字圖像數量的增加導致了與人工智能相關方法的發展,特別是與計算機視覺相關的方法,提高了慢性腰痛的診斷效率[16]。Haq等[17]基于核磁共振圖像特征仿射標志點的配準,利用單純網格變形模型固有的弱形狀自動分割16個健康椎間盤以及5個病理椎間盤,并允許其根據圖像梯度力變形。結果顯示,與臨床專家指導的分割結果相比,該方法的平均絕對形狀距離誤差<1 mm。Korez等[18]以常規CT為基礎,構建了一種三維(3D)CT圖像中自動檢測和分割脊椎和椎骨的新框架,并將這種基于插值理論的新型優化技術對220例老年腰背痛病人進行檢測。結果顯示,與常規方法相比,該測試結果獲得了用于椎骨分割的0.3 mm的總體平均對稱表面距離和94.6%的Dice系數,也就是說這種新型技術可以更準確地從CT圖像中分割脊椎。由于慢性腰痛不僅有脊椎的病變,還涉及到肌肉的損傷,Kim等[19]采用基于計算機視覺的軟件并通過全自動超聲來評估腰部肌肉的厚度,并分析該區域的肌內脂肪分布。結果表明,該系統在計算腰椎肌肉厚度方面顯示出很好的效果,甚至與人類專家的預測值接近(小于0.2 cm);并且,基于模糊C均值(FCM)聚類的肌內脂肪分析比傳統的直方圖分析看起來更好。

除了上述的數字化圖像處理功能,深度學習作為基于人工神經網絡的人工智能算法也被廣泛地用于疼痛的診斷。Li等[20]利用特征融合深度學習技術將整個原始圖像作為輸入端,并在單個模型中執行特征提取、特征選擇和分割的功能。Malinda等[21]開發了一種用于CT圖像中腰椎分割的全自動方法,并利用混合訓練系統將成對和不成對的訓練數據相結合,構建了一個分割生成對抗性網絡。通過對120例老年腰痛病人的CT圖像進行分析,發現該方法提高了分割精度,減少了分割誤差,并呈現出更好的分割性能。

除了腰背痛,人工智能技術還被用于下頜關節痛、神經病理性疼痛的診斷,但病種較為局限。因此,擴大診斷領域將是人工智能未來的發展趨勢[22-24]。

2 人工智能在老年慢性疼痛治療中的應用

慢性疼痛的治療是一個長期的過程,并且涉及個人、家庭、社會等多方面因素。人工智能在此領域處于初始階段,但也展現了極大的潛力。日本一項針對99例老年慢性腰痛病人的隨機、平行試驗中,試驗組采用智能手機應用程序對病人進行視頻教育同時配合運動治療,與單純運動組相比,試驗組的工作效率、疼痛強度、生活質量等指標均有明顯改善[25]。Gkolias等[26]基于2種不同頻率的人工聲學刺激作用研發雙耳節拍技術,在腦電圖的記錄下應用1周,結果發現,病人的疼痛強度和抑郁程度較假刺激組明顯降低,同時還減少了鎮痛藥的使用。另一項來自美國的研究也表明,計算機遠程監督程序能讓老年腰痛病人明顯提高運動表現力,同時與無監督組相比,監督組病人的疼痛評分、焦慮量表評分都呈下降趨勢[27];但這項試驗屬于非隨機對照研究,其結論的證據等級還有待評估。

3 人工智能在老年慢性疼痛日常護理及自我管理中的應用

慢性疼痛無法短時間內治愈,病人也無法長時間在醫院內治療,因此,家庭的日常護理以及自我管理就顯得尤為重要。Jansen等[28]分析了20例接受膝關節牽張術的老年病人,利用基于全自動的膝關節骨性關節炎助手軟件對病人術后各個階段的康復、疼痛、影像學檢查以及血液學指標進行全面的評估。結果表明,在膝關節術后的日常護理中,該智能軟件可以有效地提高關節活動度,減少疼痛以及改善相關炎性指標。另一項多中心、隨機對照研究讓病人應用人工智能驅動的數字化自我管理工具進行日常數字訓練,并利用自動化評分及記錄儀分析病人的疼痛、焦慮、抑郁等各項數據,干預12周后發現,接受慢性疼痛自我管理的病人在試驗結束時應對疼痛干擾的能力以及面對負面情緒時的自控力都大幅度提高[29]。眾所周知,認知行為療法是替代阿片類鎮痛藥物的有效手段,但因為治療師的缺少,導致有許多病人無法接受這項治療。Piette等[30]利用人工智能領域基于認知行為療法的交互式語音應答程序針對278例老年慢性腰背痛病人進行了為期10周的治療,結果表明該新型療法對疼痛的緩解作用不亞于傳統治療方式,但由于節省了人工,因此從衛生經濟學角度而言就顯得十分劃算。然而,針對人工智能的研究并不總是得出積極的結果。Marcuzzi等[31]采用新開發的智能護理程序(SelfBack)對頸肩腰背痛的老年病人進行護理支持與自我健康管理,結果發現,與傳統護理相比,使用該程序的病人疼痛以及生活質量評分并沒有明顯改變。究其原因可能為人工智能產品的種類繁多以及病人的依從性不同,從而導致差異結果的產生。

4 總結與展望

人工智能在老年慢性疼痛中的應用尚處于起步階段,未來會有更大的發展空間,但仍有幾個問題需要我們去解決。第一,目前的研究以臨床為主,缺乏基礎實驗;第二,人工智能仍以診斷疾病為主,尤其在治療疼痛方面還需要進一步深入;第三,病種太過于局限,除了腰背痛之外,其他疾病也應廣泛嘗試。所以,這些不足也是我們需要探索的方向,從而讓人工智能在老年醫學領域發揮更大的作用。