Welcome at SolverUnio Ltd !
+36 1 2200 661
solverunio@solvergroup.hu
Divisions:  Research Technology
Research

Fájdalom mérésére szolgáló eszköz fejlesztése

A fájdalom egy szubjektív érzés, amelyet többek között befolyásol az egyén érzelmi állapota, anatómiája, testalkata is. Máig megbízható értékelés a fájdalom intenzitásának objektív értékelésére azonban nem áll rendelkezésre. Cégünk a Kerekenpálya Kft megbízásából belefogott egy biológiai jelek alapján detektált fájdalommérő eszköz fejlesztésébe neuronhálók (MI) alkalmazásával.

A fájdalom egy szubjektív érzés, amelyet többek között befolyásol az egyén érzelmi állapota, anatómiája, testalkata is. Máig megbízható értékelés a fájdalom intenzitásának objektív értékelésére azonban nem áll rendelkezésre. Ennélfogva, a páciens által jelentett numerikus vagy vizuális értékelési skála (általában 0-10) a legkorszerűbb (Köny et al., 2012). Ezek egydimenziós értékelési eszközök, melyek hatékonynak tekinthetők az akut fájdalom értékelésében, viszont megkövetelik a beteg és az orvosa közötti interaktív kommunikációt, ezért nem alkalmasak a nem kommunikatív, altatás alatt lévő, vagy súlyos betegségben szenvedő betegek számára.

A Kereken-Pálya Kft. a Solver Unio Kft közreműködésével kifejlesztett egy olyan kompakt, egyszerűen használható, bőr-ellenállásmérésen és egyéb kiegészítő élettani paraméterek mérésén alapuló, speciálisan fájdalomérzetszint detektáló mérőeszközt és  az ehhez tartozó kiegészítő eszközparkot, amely támogatja a kezelőorvos, az ápolószemélyzet, a kutatók, vagy akár az ápolást végző hozzátartozó döntéseit a fájdalomcsillapító gyógyszerek adagolásával, hatékonyságának becslésével kapcsolatosan.

Az emberi szervezet számos tulajdonsága elektromos jeleken alapul. Ezek az elektromos jelek mérhetőek és segítségükkel következtetéseket vontunk le. A projekt során elsődlegesen a bőr különféle elektromos tulajdonságait hatékonyan mérni képes szenzortechnológiát fejlesztettük ki. Olyan moduláris hardver- és szoftverrendszert hoztunk létre, amely képes a szakemberek számára értékelhető információt szolgáltatni a fájdalom(érzet) kvalitatív és kvantitatív meghatározásához, fejlett szenzortechnológiára és szenzorfúzióra épül, gépi tanulási megoldásokat használ, valamint megfelelő interfészekkel rendelkezik más rendszerekhez történő illesztéshez, alkalmas klinikai környezetben történő validációra.

Alkalmazott kutatásunk célja volt, hogy feltérképezzük, elemezzük és szintetizáltan bemutassuk a bőr-ellenállásmérésen alapuló fájdalomméréssel kapcsolatos, jelenleg elérhető szakirodalmat, mely alapjául szolgált a Kereken-Pálya Kft mérési módszerének megalkotásához. 

Jiang et al. 2018 tanulmányában a folyamatos fájdalommonitorozás módszerének kidolgozásáról írt, többféle fiziológiai paraméter, szívritmus (HR), légzésszám (BR), galvanikus bőrreakció (GSR), arcfelület elektromiogram használatával, és gépi tanulással, melyet 30 egészséges önkéntes hő- és elektromos kezelés alatt gyűjtött fájdalominger válaszreakciója alapján osztályoztak. A paramétermátrixban szereplő GSR, HR és BR értékek korreáltak leginkább a fájdalom intenzitásának szintjével.

Wang et al. (2020) kutatásában egy hibrid RNN osztályozót alkalmazott a fájdalom intenzitásának értékelésére. Az RNN, amely kétirányú LSTM hálózatot tartalmaz, a fájdalom adatfolyamának absztrakt időbeli ábrázolására hozta létre, valamint különböző fiziológiai módszereket alkalmaztak, amelyek a kutatási eredmények alapján klinikai fájdalom szempontjából erős indikátorok.

Yamamoto et.al. (2006) tanulmányának célja annak meghatározása volt, hogy a bőr impedanciájának mérése mennyire hasznos a vállfájdalom esetén, továbbá az értékelés során eredményeiket a VAS skálával hasonlították össze. Összegezve megállapították a beteg fájdalmának pontos diagnózisa és a megfelelő kezelés érdekében egy szubjektív és egy objektív módszer kombinációja javasolt, mint például a VAS, és a bőr impedanciájának mérése, amely várhatóan lehetővé teszi a beteg fájdalmának pontosabb felmérését.

Alvarez et. al (2019) tanulmányának az volt a célja, hogy megvizsgálja a bőr vezetőképességének (SC) változásait a ROP szűrésen végzett szemvizsgálatok során, és tanulmányozza ezek összefüggését a pulzusszám és az oxigén telítettség változásával. A koraszülött csecsemőknek, akiknél nagy a kockázata a koraszülött retinopátia (ROP) kialakulásának, rendszeres retinavizsgálatokon kell részt venniük, ami fájdalmas lehet. A fájdalom pontos mérése az újszülöttekben továbbra is kihívást jelent, objektívebb és megbízhatóbb eszközökre van szükség. Eredményeik azt mutatják, hogy a ROP szűrés keretében végzett szemvizsgálatok során az NSFC jelentősen megnőtt, a pulzus és a deszaturációs epizódok gyakori változásával párosulva. Ezáltal azt a következtetést lehet levonni, hogy ezek a változások legalább részben összefügghetnek a fájdalommal, viszont ezt további kutatásokkal kell alátámasztani.

Az irodalomkutatási eredmények alapján megterveztük a mérési módszertanunkat, kialakítottuk a fejlesztési infrastruktúrát, továbbá az kezdeti impedancimérési módszerünket szenzorkészletét a szakirodalmi eredmények alapján kiegészítettük pulzus és véroxigén mérő szenzorokkal. A kísérleti fejlesztés során megterveztük és legyártottuk a fájdalom detektáló eszköz pulzoximéter kialakítású prototípusainkat.  Elvégeztük a fájdalomdetektáló eszköz validációs tesztjeit 42 önkéntes alany bevonásával, melyeket hő, jég-, masszázs és vércukormérő lándzsa által okozott fájdalominger kezelés alatt gyűjtött válaszreakciók alapján osztályoztunk mesterséges intelligencia technológiával.

A mesterséges intelligencia tanításához standard gépi tanulási módszereket (KNN és neurális háló) használtunk.

A mesterséges intelligenciának meghatározó ága a gépi tanulás. Gépi tanuló rendszereknek az olyan – elsődlegesen statisztika alapú – algoritmusokat nevezzük, melyek szabályok explicit megadása nélkül, a folyamatból rögzített minták alapján képes egy adott folyamatot szabályzó sajátosságok meghatározására. Számos gépi tanuló algoritmus létezik, mint például a lineáris és logisztikus regresszió, a rejtett Markov-modellek (Hidden Markov Model, HMM), a szupport vektor gépek (Support Vector Machines), a decision tree, a random forest és a gradient boosting alapú technikák. Ezek mind más és más megközelítést alkalmaznak az adatok modellezésére (Gyires-Tóth Bálint, 2019).

Az alkalmazott kutatás és kísérleti fejlesztés eredményeire alapulva megállapítottuk, hogy a K-Nearest Neighbors algoritmus használatával a különböző módszerekkel generált fájdalom jel szétválasztható. Ez az algoritmus, rendkívül hasznosnak bizonyult az elemzéssel kapcsolatos felhasználási célokra, továbbá a „Random Forest” és a hasonló regresszorok is viszonylag jó pontosságot értek el. A regresszorok koefficiens-analízise továbbá azt is megmutatta, hogy bár mind a szenzoros adatok, mind a felhasználói attribútumok hozzátartoznak a fájdalomszint becsléséhez, a felhasználói attribútumok sokkal nagyobb súllyal épülnek be, mint az egyéb tényezők. Ennek egyik értelmezése az lehet, hogy a közölt fájdalomszint személyes döntés, ezért fontos, hogy a végtermék tervezésénél a felhasználói tulajdonságokat is figyelembe vegyük.

A Kereken-Pálya Kft és a Solver Unio Kft jelen kutatás-fejlesztési projektje során elkészült fájdalomdetektáló eszközrendszer  képes megbecsülni az egyén által tapasztalt maximális fájdalomszintet az impedanciamérésen alapuló érzékelők, a pulzusszám és a véroxigén szint, valamint az egyén tulajdonságainak és életmódjának ismeretében.

Fejlesztés egyes folyamatai

Célkitűzés

A tervezés céllja egy széles felhasználói kör számára alkalmazható, fájdalom mérésére alkalmas eszköz tervezése, mely funkcionális, ergonómikus és könnyedén alkalmazható. A működési követelményekkel összhangban egy esztétikus, bizalmat sugárzó és egyedi megjelenés kialakítása.

Követelmények

Első lépésként meghatároztuk azokat az irányelveket, melyek a későbbi tervek alapját képezik. Az egyes tervek kiválasztásánál, továbbfejlesztésénél ezek a követelmények voltak a vonalvezetők és a végső koncepciót is ezen lista alapján ellenőriztük vissza.

Működés

A felső be-/kikapcsoló gombbal lehet az eszközt bekapcsolni. A eszköz a csipesz elvén működik. Ha eszköz hátsó részét megnyomjuk, akkor az eszköz eleje szétnyílik és az ujjunk behelyezhető. Ha az ujjunkat megfelelő pozícióba tettük, akkor az eszköz hátulját elengedve finomat rácsukódik az ujjunkra és elkezdődik a mérés. A szükséges információkat a kijelzőn olvashatjuk le, illetve az adatok továbbítódnak. Az eszköz hátulján USB-C csatlakozót helyeztünk el, mely segítségével az eszköz tölthető.

Az eszköz felépítése

Design

Az alsó és felső alkatrész fehér, a két középső alkatrész pedig szürke színű., mely összhangban van a belső gumi felületek fekete megjelenésével. A felső kijelzőt egy átlátszó plexi lap védi, a lapba pedig beágyazódik a fehér be-/kikapcsoló gomb. Az eszköz belsejében lévő sötét felületek pedig fokozzák a piros LED fényhatását.

Az eszköz részei

Ergonómia

Az eszköz hátulján a felső és alsó felületen egy ujj formájú beméllyedést alakítottunk ki, mely érzékelteti az összenyomás helyét és kényelmesebb a ujjak számára az eszköz megfogása.

A belső részekre puha gumi bevonatot tettünk, hogy a mérés során az ujjat ne nyomja vagy sértse meg semmi. A gumik az ujjak ívére lettek kialakítva, mely segíti az ujjak pozicionálását, ezáltal a pontos mérést is segíti, illetve ergonómikusabbá teszi az eszközt. Az érzékelők ebbe a gumiba ágyazódnak bele és az ujj behelyezésekor ezek benyomódnak, melyet nagyon finoman érzékelünk csak a bőrünkkel.

A felületeket a kellemesebb megfogás és biztonságosabb érintkezés miatt többnyire lekerekítettük.

 

Zárt és nyitott állapot

Irodalomjegyzék

Marcus Köny, Michael Czaplik, Rolf Rossaint, Steffen Leonhardt (2012). Application of skin conductance measuring to assist pain therapy
Mingzhe Jiang, Riitta Mieronkoski, Elise Syrjälä,  Arman Anzanpour, Virpi Terävä, Amir M. Rahmani,Sanna Salanterä, Riku Aantaa, Nora Hagelberg, Pasi Liljeberg (2018). Acute pain intensity monitoring with the classification of multiple physiological parameters, Journal of Clinical Monitoring and Computing, 26 June 2018
Gyires-Tóth Bálint (2019). A mélytanulás múltja, jelene és jövője, Budapesti Mûszaki és Gazdaságtudományi Egyetem, Távközlési és Médiainformatikai Tanszék, 2019
Run Wang, Ke Xu, Hui Feng, and Wei Chen (2020). Hybrid RNN-ANN Based Deep Physiological Network for Pain Recognition (2020)
Nobuyuki Yamamoto, MD; Eiji Itoi, MD; Hiroshi Minagawa, MD; Nobutoshi Seki, MD; Hidekazu Abe, MD; Yoichi Shimada, MD; Kyoji Okada, MD, (2006). Objective Evaluation of Shoulder Pain by Measuring Skin Impedance, Orthopedics, December, 2006 Volume 29
Alejandro Avila-Alvarez, Lorena Vazquez Gomez, Andrea Sucasas Alonso, Henar Romero Rey (2019). Skin conductance to assess pain and stress during retinopathy of prematurity screening, An Pediatr (Barc). 2020;92(6):365-375
SolverUnio Kft. All Rights reserved     Adatvédelem     Impressum