En Europa, alrededor de ocho millones de personas conviven a diario con algún tipo de dolor crónico; se trata aproximadamente de un 17% de la población total. Lo que convierte estas dolencias en un importante problema de salud pública. Pero eso podría cambiar; las nuevas tecnologías están llamadas a jugar un papel fundamental en la medicina. En este caso, aplicando los últimos avances en aprendizaje profundo e inteligencia artificial a la comprensión de cómo afecta el dolor crónico al cuerpo de cada sujeto.
Un proyecto de la University College London emplea redes neuronales y aprendizaje profundo para comprender mejor el impacto del dolor crónico en el cuerpo de las personas que lo sufren. El análisis parte de la hipótesis de que las personas con dolor crónico de espalda baja presentan variaciones en sus datos biométricos en comparación con las personas sanas. Estas variaciones están relacionadas con movimientos corporales o patrones de marcha y se cree que es debido a una respuesta adaptativa para evitar dolor o lesiones adicionales.
Hasta la fecha, todas las investigaciones que se han realizado habían encontrado dificultades para distinguir con precisión estas diferencias biométricas entre personas con o sin dolor. Los factores son varios, como la escasez de datos relacionados con este aspecto, las particularidades de cada dolor crónico y la complejidad inherente en la medición de variables biométricas.
Las personas con dolor crónico a menudo adaptan sus movimientos para protegerse de más dolor o lesiones. Esta adaptación dificulta que los métodos convencionales de análisis biométrico capturen con precisión los cambios fisiológicos. De ahí surge la necesidad de desarrollar un sistema.
Para superar las limitaciones, los investigadores desarrollaron esta vez un nuevo método que utiliza un tipo de deep learning denominado redes neuronales recurrentes escasamente conectadas, en conjunto con GRU (unidades recurrentes cerradas), que son un tipo de unidad de red neuronal que se utiliza para modelar datos secuenciales. El método se ha probado con la base de datos que contiene los niveles de dolor y comportamientos relacionados.
Con este desarrollo, aseguran que el equipo ha conseguido capturar los cambios en los comportamientos corporales relacionados con el dolor a lo largo del tiempo. Además, superaría los enfoques existentes en la clasificación precisa de los niveles de dolor y el comportamiento relacionado con el dolor.
Los resultados de esta investigación tienen aplicación en el diseño de nuevas terapias médicas centradas en el cuerpo y en diferentes condiciones clínicas. En el ámbito sanitario, el método puede utilizarse para mejorar la medición y el tratamiento del dolor crónico en personas con dolencias como fibromialgia, artritis y dolor neuropático.
Puede ayudar a controlar los comportamientos relacionados con el dolor y a adaptar los tratamientos para mejorar los resultados de los pacientes. Además de las aplicaciones para la salud, los resultados de este proyecto pueden servir para el diseño de aplicaciones deportivas, realidad virtual, robótica o moda y arte, entre otras.
