Evaluación del dolor postquirúrgico en niños menores de 36 meses mediante reconocimiento facial y escala FLACC.
RESUMEN: Objetivo: Evaluar el dolor posquirúrgico en niños menores de 36 meses, mediante el reconocimiento de la expresión facial con algoritmos de inteligencia artificial y su comparación con la escala tradicional pediátrica Face, Legs, Activity, Cry, Consolability (FLACC). Métodos: Se tomaron vide...
- Autores:
-
Guzmán Martínez, Santiago
Peláez Caro, Christiam Andrés
- Tipo de recurso:
- Tesis
- Fecha de publicación:
- 2019
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/20410
- Acceso en línea:
- http://hdl.handle.net/10495/20410
- Palabra clave:
- Niño
Dolor postoperatorio
Reconocimiento facial
Inteligencia artificial
Red nerviosa
Pain, postoperative
Child
Facial recognition
Artificial intelligence
Nerve net
Escala Face, Legs, Activity, Cry, Consolability (FLACC)
http://id.nlm.nih.gov/mesh/D010149
http://id.nlm.nih.gov/mesh/D002648
http://id.nlm.nih.gov/mesh/D000066499
http://id.nlm.nih.gov/mesh/D001185
http://id.nlm.nih.gov/mesh/D009415
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
Summary: | RESUMEN: Objetivo: Evaluar el dolor posquirúrgico en niños menores de 36 meses, mediante el reconocimiento de la expresión facial con algoritmos de inteligencia artificial y su comparación con la escala tradicional pediátrica Face, Legs, Activity, Cry, Consolability (FLACC). Métodos: Se tomaron videos a color del rostro de niños de 0 a 36 meses de un hospital universitario en el periodo postoperatorio. Se registraron signos vitales y puntuaciones de la escala FLACC, además de un juicio subjetivo por parte del acudiente y enfermera responsable. Con las imágenes obtenidas, se entrenó una red neuronal convolucional modificada para reconocimiento de rostros. Resultados: Se ingresaron 50 niños en un periodo de 12 meses, con edad promedio de 16,5 meses e intervención más frecuente procedimientos de cirugía general. La incidencia de dolor postoperatorio leve, moderado y grave fue de 24%, 11% y 5% respectivamente, para la población masculina; y de 20%,14% y 0% para la población femenina. Se aportaron al algoritmo un total de 2730 imágenes a color. El modelo elegido fue la red neuronal convolucional VGG-19 y cuando se comparó con la escala FLACC, obtuvo una baja sensibilidad, pero buena especificidad para clasificar la ausencia de dolor, aceptable sensibilidad y especificidad para la clasificación de dolor leve y muy buena sensibilidad para la clasificación de dolor moderado. No se obtuvo tasas de desempeño para discriminar la intensidad de dolor grave debido a la baja cantidad de niños con este tipo de dolor e incapacidad para entrenar al modelo. Conclusión: Es posible clasificar el dolor en este grupo de pacientes mediante el análisis de las expresiones faciales utilizando técnicas de procesamiento de imágenes y aprendizaje profundo. Un mayor número de datos puede mejorar la precisión y abarcar todos los espectros de la intensidad del dolor. |
---|