Roma, 22 marzo 2021 (Agonb) – Il monitoraggio del dolore può essere invasivo e richiedere molto tempo; un aiuto può venire dagli antidolorifici ma per bilanciare il sollievo che ne deriva con il rischio di dipendenza o altri effetti indesiderati è necessaria una conoscenza accurata del paziente.
Una soluzione potrebbe arrivare dalle strategie di apprendimento automatico da applicare ai dati fisiologici raccolti di routine (frequenza cardiaca, pressione sanguigna, livello di ossigeno nel sangue etc.): lo sostiene uno studio della Johns Hopkins University pubblicato sulla rivista PLOS Computational Biology. Mark Panaggio, del laboratorio di fisica applicata, e i suoi colleghi hanno sviluppato e applicato modelli di apprendimento automatico (che classificano il dolore come basso, moderato o alto) a dati di persone con anemia falciforme ricoverate in ospedale a causa di dolori debilitanti.
Cosa hanno scoperto? Che i segni vitali davano effettivamente indizi sui livelli di dolore riportati dai pazienti e che le previsioni erano più accurate quando tenevano conto dei cambiamenti nei segni vitali dei pazienti nel tempo. Il prossimo step, per il team, è sfruttare strumenti di monitoraggio in tempo reale per costruire modelli ancora più precisi. (Agonb) Cdm 09:00.
