UABDivulga - Barcelona recerca i innovació

Las redes neuronales imitan, de manera aproximada, la manera en la que las neuronas en el cerebro forman conexiones para resolver una tarea. De este modo, empleamos técnicas de aprendizaje de redes neuronales para identificar el nivel de dolor en rostros de pacientes durante sus ejercicios de rehabilitación. Para entrenar estas redes, se utilizaron imágenes de vídeo de los pacientes, y la red tenía que predecir qué nivel de dolor sufría.

Empleando valores reales del dolor anotados por expertos, las redes neuronales aprendieron a asociar una imagen facial con el dolor del paciente. La contribución de nuestro trabajo consistió en proponer una mejora para considerar también imágenes de un vídeo y así identificar micro-movimientos en los músculos de la cara para saber qué nivel de dolor hay. De esta manera la red aprendió a ignorar todos los gestos faciales que eran superfluos en la predicción del dolor y se centró en los movimientos que son involuntarios cuando hay dolor.

La utilidad del método viene determinada porque hay pacientes en unidades de cuidados intensivos donde tienen que visitarles cada cierto tiempo los profesionales de la salud a verificar si está sufriendo dolor, y decidir subirle o no la medicación. A esto hay que añadirle que el dolor también se percibe de forma diferente en función de la cultura de procedencia, o que según la dolencia que se padezca la expresión de dolor varía.

Cabe destacar que este trabajo es la extensión de otra técnica similar adaptada a reconocer el alzhéimer en pacientes determinando, con una prueba automatizado de movimientos gestuales, el nivel de su enfermedad neurodegenerativa.

En la actualidad, estamos desarrollando un algoritmo de aprendizaje computacional que requiera de menos datos para aprender, ya que hasta ahora se necesitan centenares de ejemplos y se necesita de un médico que haga las anotaciones, lo que supone tiempo y dinero. Así que estamos investigando en modelos que puedan aprender de un solo ejemplo, o que usen millones de datos sin anotar y que la red sea capaz, ella sola, de aprender sin intervención humana.