Sztuczna inteligencja odczytuje ból z mózgu. Koreańscy badacze znaleźli jego cyfrowy ślad

Czy ból można zobaczyć na monitorze tak samo jak temperaturę czy ciśnienie krwi? Zespół południowokoreańskich naukowców udowodnił, że tak. Stworzyli sztuczną inteligencję, która odczytuje cierpienie wprost z fal mózgowych — obiektywnie, bez pytania pacjenta o zdanie.

Subiektywna pułapka bólu

→ Czytaj też: Największy otwarty model AI ma 2,8 biliona parametrów. Chiny rzucają wyzwanie USA

Przez dekady medycyna opierała się na Skali Wizualno-Analogowej (VAS), czyli na tym, co powie pacjent. Problem w tym, że ta sama rana u dwóch osób wywołuje zupełnie inne opisy. Dla jednego to „3”, dla drugiego „7”. Do tego całkowicie odpada u osób, które nie mogą mówić — pacjentów na OIOM-ie, małych dzieci, ludzi z zaburzeniami świadomości. Jak podkreśla zespół z DGIST i GIST, ta lina diagnostyczna była największym wyzwaniem.

Dwa modele zamiast jednego

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

Kluczowym przełomem było odrzucenie standardowego uczenia maszynowego. W tradycyjnym podejściu sztuczna inteligencja uczyłaby się na subiektywnych deklaracjach pacjentów — i powielałaby te same błędy. Zespół pod kierownictwem głównego badacza An Jinunga (DGIST) i profesora Jeon Seong-chana (GIST) poszedł inną drogą. Zbudowali architekturę, w której dwa odrębne modele AI porównują swoje przewidywania. Uczą się tylko z tych danych, które oba uznają za wiarygodne. To tak, jakby dwóch egzaminatorów sprawdzało ten sam test i uznawało tylko te odpowiedzi, co do których oboje nie mają wątpliwości. W ten sposób algorytm sam odfiltrowuje osobnicze różnice w wyrażaniu bólu.

F7 i F8 — cyfrowy ślad cierpienia

Naukowcy nie poprzestali na samym algorytmie. Przeanalizowali dokładnie, skąd w mózgu pochodzi sygnał bólowy. Odkryli, że aktywność fal delta w lewym i prawym płacie skroniowym przednim — dokładnie w miejscach, które elektrody rejestrują jako punkty F7 i F8 — zmienia się proporcjonalnie do intensywności bodźca termicznego. To neurofizjologiczny odpowiednik termometru: im wyższa temperatura bólu, tym silniejszy sygnał w tych rejonach. Badacze określili te punkty mianem neuro-biomarkerów, czyli obiektywnych wskaźników fizjologicznych.

W eksperymencie wzięło udział 41 uczestników. System poradził sobie bardzo dobrze nawet w przypadku bodźców, których wcześniej nie widział. Tradycyjne sieci neuronowe wypadały znacznie gorzej, bo nie potrafiły oddzielić prawdziwego sygnału od subiektywnego szumu.

Od laboratorium do szpitala

Pierwszy autor publikacji, dr Jeong Ui-jin, zaznacza w rozmowie z mediami, że celem jest wdrożenie technologii w realnych warunkach klinicznych. Wyobraża sobie monitorowanie bólu przed i po operacji, śledzenie przewlekłych dolegliwości oraz obiektywną ocenę na oddziałach intensywnej terapii. Dalej w planach jest interfejs mózg–komputer (BCI), który pozwoliłby na ciągłe, nieinwazyjne monitorowanie pacjenta bez jego aktywnego udziału.

Badanie, opublikowane w majowym wydaniu czasopisma IEEE Transactions on Neural Systems and Rehabilitation Engineering, zostało sfinansowane przez Narodową Fundację Badawczą Korei. Jak zauważa główny badacz An Jinung: „To badanie bezpośrednio rozwiązuje problem obciążenia subiektywnymi etykietami, który był chronicznym ograniczeniem analizy bólu opartej na EEG”.

Język, którego nie da się sfałszować

Ból od zawsze był prywatnym doświadczeniem. Teraz, dzięki podwójnemu algorytmowi i odkryciu konkretnych współrzędnych w korze mózgowej, może stać się mierzalny jak każdy inny parametr życiowy. Możliwość odczytania cierpienia bezpośrednio z mózgu to nie tylko triumf inżynierii obliczeniowej, ale przede wszystkim nadzieja dla tych, którzy od lat nie są w stanie powiedzieć: „boli”.