一项利用人工智能对患者疼痛类型进行分类并识别膝关节置换术后严重疼痛风险的研究，在第50届美国区域麻醉和疼痛医学学会（ASRA）年度会议上荣获最佳会议奖。这一荣誉表彰了卓越的科学研究，由ASRA研究委员会从得分最高的前10篇摘要中选出三篇。
“我们部门的疼痛预防研究中心的合作工作能够得到区域麻醉和疼痛医学领域最专业的组织之一的认可，这是一项荣誉，”HSS疼痛预防研究中心主任Alexandra Sideris博士表示。“这个奖项反映了我们对患者护理创新的承诺，并强调了科学界对我们努力的认可。”
Sideris博士指出，每年在美国有超过一百万人接受膝关节置换手术，而且这一数字还在继续上升。
“我们需要更好地了解患者的个体疼痛轨迹，而其中最令人兴奋的方法之一就是利用人工智能。凭借我们在HSS庞大的患者数据库，机器学习可以分析诸如年龄、性别、BMI和术前疼痛水平等因素，以预测哪些患者术后严重疼痛的风险更高，”她说道。
掌握了这些信息后，护理团队可以量身定制个性化的疼痛管理计划，以满足患者的需求。
HSS研究人员有几个目标：利用机器学习识别全膝关节置换后的疼痛类型；确定预测疼痛结果的重要特征；以及分类术后立即出现严重疼痛风险的患者。这项回顾性研究包括了2021年4月1日至2024年10月31日期间在HSS接受全膝关节置换手术的17,200名患者。
“通过无监督机器学习，我们识别出两类不同的疼痛类型，分别对应那些术后经历难以控制的严重疼痛的患者和那些疼痛相对可控的患者，”HSS临床研究员Justin Chew博士在5月1日的ASRA会议上介绍这项研究时解释道。
“然后，我们使用监督机器学习来确定导致严重疼痛的最重要预测因素。在我们的研究中，风险因素包括较年轻的年龄、更大的身体/精神障碍、较高的BMI以及术前使用阿片类药物或加巴喷丁类药物。”
Sideris博士指出，HSS正在进行和未来的研究将继续利用人工智能，以改善患者的结果。虽然这项研究集中在术后即刻阶段，但她表示，进一步的研究将跟踪患者的疼痛轨迹和长期恢复情况，以确定医生可以在术前、术中和术后立即采取哪些策略来管理高风险患者的疼痛。
(全文结束)
