Machine learning and explainable AI for pain assessment and clinical decision support
Pijnbehandeling en -meting in klinische zorg met VR, AI en machine learning
In haar onderzoek bestudeerde Melpo Pittara drie complementaire benaderingen om de aanpak, meting en behandeling van pijn in de klinische zorg te verbeteren: Virtual Reality (VR), Machine Learning (ML) en Explainable Artificial Intelligence (XAI). Uit haar systematische literatuurstudies bleek dat VR acute pijn tijdens medische ingrepen aanzienlijk kan verminderen en het emotioneel welzijn van kankerpatiënten kan verbeteren. Hoewel de overgrote meerderheid van de onderzochte studies positieve effecten rapporteerde, vertoont de bewijslast methodologische inconsistenties en is er behoefte aan meer gestandaardiseerde, langdurige klinische validatie.
Haar onderzoek naar machine learning toonde aan dat pijnintensiteit automatisch kan worden geschat op basis van videobeelden en foto's van het gezicht, met behulp van deep learning-modellen die zijn getraind op een openbare dataset voor pijnintensiteit. Dit biedt perspectief op objectieve pijnbeoordeling bij patiënten die hun pijn niet betrouwbaar zelf kunnen aangeven, zoals mensen met gevorderde dementie. Tegelijkertijd laten de resultaten zien dat de huidige modellen nog steeds beperkingen kennen qua betrouwbaarheid en consistentie; deze moeten worden opgelost voordat de modellen klinisch kunnen worden ingezet.
Pittara’s laatste bijdrage betrof een 'explainable AI'-systeem genaamd Cognica, dat clinici ondersteunt bij de behandeling van een zeldzame, pijnlijke genetische aandoening: schwannomatose. In plaats van te fungeren als een 'black-box'-systeem, legt Cognica de redenering uit in termen die een clinicus direct kan toetsen aan gevestigde klinische richtlijnen. Uit een evaluatie met klinische experts bleek dat deze transparantie het vertrouwen en begrip van clinici aanzienlijk vergrootte. Dit ondersteunt de bredere conclusie van het proefschrift: dat bij AI in de gezondheidszorg het kunnen uitleggen van een aanbeveling geen luxe is, maar een essentiële voorwaarde voor veilige implementatie.