ケビン・ビジランテ医学博士、公衆衛生学修士。ブーズ・アレン・ハミルトンのチーフメディカルオフィサーであり、ヘルス・フューチャーズ・グループを率いている。
痛みの治療は解決不可能な認識論的問題に直面している：我々は他者の痛みを知ることができないのだ。
痛みは完全に私的な経験であり、それを感じている本人にしか知覚できない。これはすべての感覚的知覚に当てはまる。ザクロの味を甘くて酸っぱく、クランベリーに少し似ていると表現しても、ザクロを食べる内的感覚を伝えるには著しく不十分だ。
痛みについても同様の問題があるが、より困難なのは、痛みの経験が患者の現在の精神状態に固有の多くの心理社会的要因—不安、睡眠不足、孤独感、過去の痛みの経験など—に影響されるからだ。この知識のジレンマが痛みの治療を混乱させている。
痛みの測定
1990年代半ば、米国疼痛学会は痛みを定量化することで、不十分な痛みの治療に対処するキャンペーンを開始した。
最も一般的なアプローチは数値的疼痛スコア（NMS）で、患者に1から10のスケールで痛みを評価してもらう方法だ。10は想像できる最悪の痛みを表す。このアプローチは迅速で、記録しやすい数値を生成し、患者だけが自分の痛みを評価する資格があることを認識している。しかし、NMSは一次元的で痛みの経験の複雑さを捉えられないと批判されている。
その結果、多次元評価ツールを採用する動きが広がっている。これらには多くの場合、痛みの重症度、質、場所、そして日常活動、人間関係、睡眠、気分などに与える影響の程度についての説明が含まれる。これらのツールは増殖しているが、好ましい評価方法についてのコンセンサスはない。さらに、これらのツールはより時間がかかり、救急部門や忙しい診療所などの迅速なペースの臨床環境では実用的でない可能性がある。
自己申告、疑念、信頼
痛みの評価が強調されているにもかかわらず、医師や看護師は一貫して患者の痛みを過小評価している。これにはいくつかの理由がある。医療提供者は自分自身の過去の痛みの経験に基づいて、患者が感じていることについて誤った推論をする可能性がある。痛みを明確に表現したり、痛みのスケールを使用したりすることの難しさが、医療提供者の疑念を増す可能性もある。また、オピオイド危機を受けて、医療提供者は当然ながら依存症を引き起こすことを恐れたり、場合によっては患者が麻薬を転売したり依存症を満たすために痛みを過大報告していると疑うこともある。
しかし、研究者たちは、患者が弱く見られたくないという理由や、より高額な治療につながる可能性があるという理由で、時に痛みを過小報告することを発見している。また患者は、真剣に受け止められなかったり、必要な治療を受けられなかったりすることを恐れて、痛みを過大報告することもある。これは、患者の証言に疑念を表明した医療提供者への信頼の低下によって引き起こされる可能性がある。これにより患者と医療提供者の間の治療関係が損なわれ、そのような信頼の欠如が痛みの経験を悪化させることが示されている。
AIと痛みの生理学的定量化
赤面などの自律神経反応は隠すのが難しく、痛みの経験をより客観的に示す指標となる。しかし、顔面の血液灌流、声の変化、顔面筋の収縮、発汗などの自律神経反応の微妙な表現は、従来の観察方法では捉えて定量化することが困難である。
例えば、熱放射はすべての物体（人間の皮膚を含む）から放出されるが、長波赤外線バンド（LWIR）は可視スペクトルの外にある。私の同僚であるキャサリン・オーダン博士が研究で説明しているように、顔面灌流の増加による熱放射の微妙な変化は、人間の観察者には知覚できないが、コンピュータビジョン技術によって測定できる。
多くの研究者がコンピュータビジョンを使用して表情を分析しており、特定の顔面筋の微妙な収縮は痛みと高い相関がある。これらのアルゴリズムは臨床的に洗練された人間の観察者よりも優れた性能を示し、本物の痛みと偽りの痛みを区別することに成功している。同様に、AIベースの音声分析を使用して、微妙な音響変化を解析し、これらを痛みの状態と相関させることができる。
マルチモーダルAIはこのアプローチの信頼性を高めることができる。私の同僚のさらなる研究で引用されているように、研究者たちはマルチモーダルニューラルネットワークを作成し、がん性疼痛患者の表情の微妙な変化、三次元のランドマーク、および音声パターンに関する統計情報からの入力を捉えて統合している。これらは多次元的な痛みの評価と確実に相関していた。
これらのAI駆動のアプローチは、痛みの認識論的問題を排除するものではない。その経験は依然として知覚者の心の中に閉じ込められている。しかし、統合的に適用された場合、痛みを評価し記述するためのより客観的なアプローチを提供し、それを取り巻く不確実性の幅を狭める可能性がある。
認識論的謙虚さ、AI、そして信頼
AI駆動の技術が痛みの臨床評価にどのような影響を与えるかを判断するのは時期尚早だ。短期的には、これらは研究環境で使用され、自己報告ツールの評価、検証、または改善に役立つ可能性がある。これらのAIツールは、バイオフィードバックやその他の技術を通じて、患者が自分の痛みを管理するのを助けるかもしれない。長期的には、これらの技術は、より困難なケース—新生児、子供、認知障害のある人、ICU患者—の痛みを評価するのに役立つ可能性がある。より遠い楽観的な未来では、複数の生理学的パラメータを統合して、通常の臨床環境で医療提供者を支援するAI支援デバイスを想像することができる。
痛みの治療の解決策には、医療提供者の間でより大きな認識論的謙虚さが必要だと提案されている。これは私も同意する見解だ。具体的には、医療提供者が自分の知識の不足を認め、患者が自分の経験の最良の判断者であることを認識する必要がある。
認識論的謙虚さは、優れた医療提供者であることの必要な要素だ。しかし、それだけでは痛みの認識論的問題に対処するには不十分だろう。医原性の害の可能性について正当な疑問がある場合、疑念が忍び寄り、証言が疑問視され、信頼が損なわれる。
代わりに、より客観的で非個人的な測定を取り入れることで、長期的には患者と医師の間の信頼を高める可能性がある。問題はもはやAIを信頼できるかどうかではなく、AIが患者と医療提供者の間の信頼を高められるかどうかになるだろう。
