Evaluación del dolor postquirúrgico en niños menores de 36 meses mediante reconocimiento facial y escala FLACC.

Abstract

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.