Herramientas de inteligencia artificial para evaluación de dolor agudo y crónico, revisión sistemática de la literatura

Abstract

Tradicionalmente la evaluación del dolor depende en su mayoría del autorreporte por parte del paciente, lo que se convierte en un reto en poblaciones con dificultades para la comunicación, limitando la precisión de las escalas tradicionales (Herr et al., 2006; Williamson & Hoggart, 2005; Raja et al., 2020). Las herramientas de inteligencia artificial (IA) surgieron como una estrategia prometedora para complementar la evaluación del dolor utilizando análisis facial computarizado, variables fisiológicas, neuroimágenes, entre otras (Cascella et al., 2023; Hagedorn et al., 2024; Nagireddi et al., 2022). Es fundamental reconocer no existe un gold estándar para objetivar la medición del dolor, dado su carácter subjetivo y multidimensional, como o establece la definición actual de la IASP (Raj et al., 2020). En este contexto, las herramientas de IA no buscan objetivar el dolor e independizarlo del observador, sino utilizarlas como un complemento en la clinica para integrar múltiples variables observables e inferir probabilisticamente estados de dolor. En consecuencia, consideramos que la IA no reemplaza el autoreporte, sino que aporta una mayor objetividad operativa, al transformar señales conductuales, fisiológicas y neurofisiológicas en mediciones estimadas continuas, que serian especialmente útiles en poblaciones con limitaciones para la comunicación. Objetivo: Evaluar el rendimiento, la calidad metodológica y la aplicabilidad clínica de las herramientas de IA para medir el dolor agudo y crónico, comparadas con métodos convencionales. Métodos: Se realizó una revisión sistemática con la metodología PRISMA (Page et al., 2021). Se incluyeron estudios procedentes de PubMed, Scopus, Embase y Web of Science, que fueron seleccionados por tres revisores independientes, quienes realizaron la extracción de datos y evaluación de riesgo de sesgo (ROBINS-1 y ROB-2) (Beta Version 7), 2020; The Risk Of Bias In Non-randomized Studies-of Interventions, Version 2 (ROBINS-I V2) assessment tool, 2024). Posteriormente se sintetizó la información analizando las métricas de desempeño, el grado de desarrollo de la herramienta y la aplicabilidad clínica, según el tipo de herramienta de IA (análisis facial computarizado, variables fisiológicas, neuroimágenes y modelos híbridos). Resultados: Se incluyeron un total de 37 estudios (se analizaron 36, debido a que uno fue excluido por no disponer de texto completo, estudio aún en curso), encontrándose una alta heterogeneidad, la mayoría (83%) presentó un riesgo de sesgo moderado. Las herramientas de IA fueron aplicadas en escenarios de dolor agudo clínico (predominio de estudios en dolor agudo perioperatorio), experimental y dolor crónico. Los modelos de análisis facial computarizado mostraron un alto desempeño al compararse con los métodos tradicionales principalmente en la población pediátrica y en dolor postoperatorio, con una exactitud >80-90%, AUC 0,84-0,93 e IC aproximadamente 0,9. Las herramientas de IA que utilizaron variables fisiológicas (Electrodermal activity (EDA), Photoplethysmography (PPG), Frecuencia cardiaca (FC), Frecuencia respiratoria (FR), Saturación de oxigeno (SpO2), Electromiografía-Electroencefalografía (EMG-EEG)), tuvieron AUC 0,85-0,95, con exactitud de 80-90% comparadas con las herramientas tradicionales sobre todo en el entorno de dolor perioperatorio. Los estudios que utilizaron evaluación de neuroimágenes tuvieron AUC hasta de 0,97, sin embargo, dichas tecnologías aun se encuentran en desarrollo. Se encontró un modelo híbrido que utilizó IA con realidad aumentada (AR) que mezcló análisis de señales corticales que por AR proyectaba un mapa cerebral del dolor sobre la cabeza del paciente en tiempo real, demostró factibilidad, pero con muestras pequeñas que lo limitan. Conclusiones: La evaluación del dolor es un tema complejo debido a su subjetividad, las herramientas de IA podrían ser de utilidad para objetivar dicha medición, complementando las herramientas convencionales utilizadas en la actualidad, principalmente en poblaciones con limitaciones para la comunicación y en escenarios perioperatorios. Sin embargo, en la actualidad la evidencia con la que se cuenta tiene limitaciones metodológicas importantes, con tamaños de muestra pequeños, heterogeneidad clínica, sin validación externa y uso del autorreporte como comparador, razón por la cual se requieren mas estudios multicéntricos y con mayor rigor metodológico que permitan justificar la implementación de estas herramientas en la práctica clínica.