AI odczytała ból z EEG. Dwa algorytmy sprawdzają się nawzajem, by wyeliminować subiektywizm
Koreańscy badacze stworzyli AI mierzącą ból z EEG. Dwa algorytmy wzajemnie weryfikują predykcje, odfiltrowując osobnicze uprzedzenia. Szansa na precyzyjną ocenę cierpienia u pacjentów niekomunikujących się.
pl.
👁 131 przeczytań
- Dwa algorytmy AI opracowane przez zespół z DGIST i GIST odczytują ból z sygnału EEG, aktualizując wiedzę tylko wtedy, gdy obie sieci wskazują identyczne natężenie bólu.
- Biologicznym podpisem bólu okazała się aktywność fal delta w punktach elektrodowych F7 i F8 w przednich płatach skroniowych, skalująca się proporcjonalnie do intensywności bodźca.
- Badanie z udziałem 41 uczestników opublikowano w maju 2026 roku w IEEE Transactions on Neural Systems and Rehabilitation Engineering, a finansowanie pochodzi z National Research Foundation of Korea.
Jak zmierzyć cierpienie, gdy pacjent nie może mówić? Przez dekady medycyna opierała się wyłącznie na subiektywnej skali wizualno-analogowej (VAS), wymagającej od chorego wskazania natężenia bólu. Zespół z DGIST i GIST dowiódł właśnie, że algorytm może odczytać ból wprost z fal mózgowych, posługując się przy tym podwójną, wzajemnie kontrolującą się architekturą.
Dlaczego VAS to za mało
Visual Analogue Scale przypomina linijkę z buźkami - pacjent przesuwa palcem od „zero bólu” do „najgorszy ból, jaki można sobie wyobrazić”. Ten pozornie prosty mechanizm kryje w sobie potężną wadę: identyczne bodźce termiczne potrafią wywołać skrajnie różne oceny u różnych osób. W praktyce klinicznej zawodzi całkowicie u pacjentów niekomunikujących się - osób z zaburzeniami świadomości, małych dzieci czy seniorów w oddziałach intensywnej terapii. Brakowało obiektywnego, biologicznego odcisku cierpienia, który można by odczytać bez słów.
W tę lukę celuje architektura opracowana przez głównego badacza An Jinunga z DGIST oraz profesora Jeon Seong-chana z GIST. Zamiast trenować sztuczną inteligencję na skażonych subiektywizmem etykietach, zbudowali system, w którym dwa modele AI nieustannie porównują swoje prognozy.
Dwa algorytmy, które sprawdzają się nawzajem
Standardowe sieci neuronowe uczą się na tym, co dostają. Jeśli dane wejściowe są przesiąknięte osobniczymi wzorcami wyrażania bólu, AI powiela te błędy. Rozwiązanie Koreańczyków jest radykalnie prostsze: dwa odrębne modele przetwarzają ten sam sygnał EEG i typują natężenie bólu. Kiedy oba wskazują identyczną wartość, uznają ją za wiarygodną i tylko na tych punktach aktualizują swoją wiedzę. Wynik, przy którym nie ma zgody, jest odrzucany.
„This study directly addresses the bias in subjective self-reported labels, which was the chronic limitation of EEG-based pain analysis” - komentuje An Jinung. W testach z udziałem 41 uczestników poddawanych bodźcom termicznym układ podwójnej kontroli wyraźnie przegonił tradycyjne sieci. Co więcej, zachował stabilną dokładność nawet wtedy, gdy badano go w zupełnie nowych środowiskach stymulacyjnych, których nie widział podczas treningu.
Delta na skroniach - biologiczny podpis bólu
Równolegle ze skonstruowaniem algorytmu badacze wskazali precyzyjne współrzędne neurofizjologiczne, w których ból zostawia swój cyfrowy ślad. Okazało się, że aktywność fal delta w przednich płatach skroniowych - konkretnie w punktach elektrodowych F7 i F8 - skaluje się wprost proporcjonalnie do fizycznej intensywności bólu.
- Fale delta - zwykle kojarzone ze snem głębokim - tu pełnią rolę biologicznego wskaźnika cierpienia.
- Rejestracja z F7 i F8 pozwala odfiltrować zakłócenia ruchowe i emocjonalne, które dotąd myliły algorytmy.
- Odkrycie daje fundament pod cyfrowe biomarkery bólu, niezależne od języka i kultury.
„We hope this technology will be widely used for pain monitoring before and after surgeries, chronic pain tracking, and objective pain assessment in intensive care units” - mówi pierwszy autor, dr Jeong Ui-jin. Jego zespół już pracuje nad rozszerzeniem platformy do interfejsu mózg-komputer (BCI) czasu rzeczywistego, który nieprzerwanie śledziłby poziom cierpienia pacjenta na szpitalnym łóżku.
Google · Twoje źródłaPromptowy wyżej w Twoim Google - jednym kliknięciemDodaj do preferowanych źródeł →Od laboratorium do szpitalnego korytarza
Badanie opublikowane w maju 2026 roku w IEEE Transactions on Neural Systems and Rehabilitation Engineering to coś więcej niż publikacja akademicka. To plan wdrożenia uniwersalnej platformy bólu napędzanej przez AI. Finansowanie z National Research Foundation of Korea jasno wskazuje, że projekt ma ambicje kliniczne: monitorowanie okołooperacyjne, obiektywna ocena na OIOM-ach i długoterminowe śledzenie bólu przewlekłego.
Architektura podwójnego sprawdzania przypomina recenzowanie artykułu przez dwóch niezależnych ekspertów - tyle że w ułamkach sekundy. Dzięki temu przyszłe systemy BCI nie tylko usłyszą nieme wołanie o pomoc, ale też nie pomylą go ze zmęczeniem czy lękiem. W świecie, gdzie subiektywna skala bólu wciąż bywa złotym standardem, algorytm, który uczy się tylko na zgodnych faktach, może okazać się najuczciwszym tłumaczem ludzkiego cierpienia.
Cały tydzień w AI, w jednym mailu
Wybrane premiery, narzędzia i analizy. Raz w tygodniu, prosto do skrzynki.
Zapisz się za darmo →Najczęstsze pytania
Jak działa algorytm AI do pomiaru bólu z EEG opracowany przez DGIST i GIST?
Dwa odrębne modele AI przetwarzają ten sam sygnał EEG i niezależnie typują natężenie bólu - tylko wyniki, przy których oba modele są zgodne, są uznawane za wiarygodne i służą do aktualizacji wiedzy systemu. Dzięki temu architektura eliminuje błędy wynikające z subiektywnych etykiet bólowych, na których trenowane są tradycyjne sieci neuronowe.
Dlaczego skala VAS jest niewystarczająca do oceny bólu u pacjentów na OIOM-ie?
Skala wizualno-analogowa wymaga od pacjenta słownego lub ruchowego wskazania natężenia bólu, co całkowicie zawodzi u osób z zaburzeniami świadomości, małych dzieci i seniorów na oddziałach intensywnej terapii. Dodatkowo identyczne bodźce termiczne wywołują skrajnie różne oceny u różnych osób, co czyni tę metodę podatną na subiektywizm.
Gdzie w mózgu algorytm wykrywa sygnały bólowe i jakie fale są z tym związane?
Ból zostawia cyfrowy ślad w postaci aktywności fal delta w przednich płatach skroniowych, konkretnie w punktach elektrodowych F7 i F8. Aktywność tych fal skaluje się wprost proporcjonalnie do fizycznej intensywności bólu, a rejestracja z F7 i F8 pozwala odfiltrować zakłócenia ruchowe i emocjonalne.
Jakie są planowane zastosowania kliniczne technologii pomiaru bólu z EEG?
Zespół dr. Jeonga Ui-jina planuje rozszerzyć platformę do interfejsu mózg-komputer działającego w czasie rzeczywistym, który nieprzerwanie śledziłby poziom cierpienia pacjenta na szpitalnym łóżku. Wskazane zastosowania to monitorowanie okołooperacyjne, obiektywna ocena bólu na OIOM-ach oraz długoterminowe śledzenie bólu przewlekłego.
AI do logo: od opisu marki do sprawdzonego znakuArtykuły
Perplexity AI: jak szukać, sprawdzać źródła i ocenić ProArtykuły
Algorytm pod nadzorem. Polska szykuje urząd, który ma zajrzeć AI pod maskęPremiumPodobne tematy na Promptowym
