AI odczytała ból z EEG. Dwa algorytmy sprawdzają się nawzajem, by wyeliminować subiektywizm

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

→ Czytaj też: AI rozszyfrowała śpiew ptaków. Co mówią nam od lat?

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

→ Czytaj też: Pamięci do AI wykańczają rynek aut. Twój następny samochód może być droższy o 8 tys. zł?

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.

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.