En España, 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 del país, lo que convierte estas dolencias en un importante problema de salud pública. En una doble dimensión: por el paciente, que busca respuestas y soluciones a su situación, y para el sistema sanitario, que necesita reducir su carga de trabajo para poder seguir prestando su servicio.
En este marco, no es de extrañar que las nuevas tecnologías estén llamadas a jugar un papel fundamental. 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.
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.
Con esto en mente, un equipo de investigación de la Universidad Carlos III de Madrid (UC3M) y el University College London de Reino Unido se pusieron manos a la obra.
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 este sistema”, señala Mohammad Mahdi Dehshibi, investigador postdoctoral en el Laboratorio i_mBODY del Departamento de Informática de la UC3M.
Dos redes neuronales
Para superar estas limitaciones, los investigadores desarrollaron esta vez un nuevo sistema que utiliza un tipo de deep learning denominado s-RNNs (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 EmoPain, que contiene datos sobre niveles de dolor y comportamientos relacionados con estos niveles.
Con este desarrollo, aseguran desde la universidad española, 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.
“Uno de los principales enfoques de investigación en nuestro laboratorio es la integración de técnicas de aprendizaje profundo para desarrollar medidas objetivas que mejoren nuestra comprensión de las percepciones corporales de las personas a través del análisis de datos de sensores corporales, sin depender exclusivamente de preguntas directas a los individuos”, detalla Ana Tajadura Jiménez, profesora del Departamento de Informática de la UC3M e investigadora principal del proyecto BODYinTRANSIT, quien lidera el Laboratorio i_mBODY.
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, puede ser beneficioso para el seguimiento de las respuestas al dolor durante la recuperación posquirúrgica”, comenta Mohammad Mahdi.
En este sentido, Ana Tajadura también señala la relevancia de esta investigación para otros procesos médicos: “Además del dolor crónico, se han observado patrones alterados de movimiento y percepciones negativas del cuerpo como en desórdenes alimenticios, accidente cardiovascular crónico o depresión, entre otras. Resulta sumamente interesante realizar estudios utilizando el método mencionado en estas poblaciones con el fin de comprender mejor las condiciones médicas y su impacto en el movimiento. Estos estudios podrían proporcionar información valiosa para el desarrollo de herramientas de detección y tratamientos más efectivos, y mejorar la calidad de vida de las personas afectadas por estas condiciones”.
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.