人工智能正在帮助医疗保健提供者更准确地评估患者的不适感。
多年来，在英格兰北部拥有23家机构的欧查德养老院，谢丽尔·贝尔德目睹护士们填写阿比疼痛量表——这种观察方法用于评估无法口头交流者的疼痛。曾任护士的贝尔德当时担任养老院质量总监，她将其描述为"一种流于形式的勾选项操作，人们并未真正考虑疼痛指征"。
因此，焦躁的住客常被误判为行为问题，因为该量表无法有效区分疼痛与其他痛苦或不适。他们往往被开具精神类镇静药物，而疼痛本身却未得到治疗。
2021年1月，欧查德养老院开始试用PainChek智能手机应用。该应用通过扫描住客面部微表情，利用人工智能输出疼痛评分。试点单元在数周内就减少了药物处方量，走廊环境也更为平静。"我们立即看到了益处：操作简便、准确度高，还能识别旧量表无法发现的疼痛，"贝尔德回忆道。
在养老院、新生儿重症监护室和ICU病房，研究人员正竞相将疼痛——医学中最主观的生命体征——转化为摄像头或传感器能像测量血压般精准评分的对象。
此类技术辅助诊断揭示了更大趋势。研究人员正致力于将疼痛这一主观生命体征转化为可量化指标。相关推动已催生PainChek，该应用获三大洲监管机构批准，已完成超1000万次疼痛评估。其他初创企业也正逐步进入护理领域。
疼痛评估方式可能终将转变，但当算法测量我们的痛苦时，这是否会改变我们理解与治疗疼痛的方式？
科学已阐明疼痛的某些方面。例如脚趾撞伤时，称为伤害感受器的微观警报器会通过"快速通道"向脊髓发送电信号，产生最初的刺痛感，随后较慢的信号流带来持续钝痛。在脊髓处，信号会遇到科学家称为"闸门"的微观交换站。当友好触碰（如揉搓瘀伤）或大脑指令（源于恐慌或平静）淹没该闸门时，信号在被意识察觉前可能被减弱或放大。
闸门可依据其他神经活动和大脑指令允许或阻断疼痛信号。成功通过的信号传至大脑感觉图谱定位损伤，其余分支则进入情绪中枢判断痛苦程度。数毫秒内，大脑相关区域会向下发送新指令，释放内源性止痛物质或加剧警报。换言之，疼痛并非损伤或感觉的直接映射，而是身体与大脑间的实时协商。
但协商过程仍存诸多谜团。例如科学家无法预测为何有人会从普通损伤发展为持续数年的痛觉过敏；急性痛转为慢性痛的分子机制仍不明确。幻肢痛同样令人困惑：约三分之二截肢者会感到已不存在部位的剧痛，但皮层重组、外周神经瘤等竞争理论无法解释为何部分人无此感受。
1921年首次提出疼痛量化系统：患者在10厘米空白线上标记疼痛程度，临床医生以毫米计分，将主观体验转化为0-100量表。1975年，心理学家罗纳德·梅尔扎克的麦吉尔疼痛问卷提供78个形容词（如"灼烧""刺痛""搏动"），使疼痛质地与强度均可记录。近几十年来，医院普遍采用0-10数字评分量表。
然而疼痛始终具有主观性。大脑反馈会向下发送指令，意味着预期和情绪会改变相同损伤的痛感程度。某试验中，相信使用止痛霜的志愿者报告刺激痛感降低22%，功能性磁共振成像显示其大脑疼痛报告区活动减弱，证实痛感真实降低。
此外，疼痛还受诸多外部因素影响。一项研究对意大利、瑞典和沙特阿拉伯志愿者施加相同电刺激，评分差异显著：意大利女性在0-10量表中评分最高，而瑞典和沙特参与者对相同灼伤的评分低数个等级，表明文化可放大或减弱相同体验的痛感强度。
诊所内的偏见会导致对相同疼痛评分的不同反应。2024年出院记录分析显示，女性评分记录频率比男性低10%。在大型儿科急诊室，即使控制疼痛评分等临床因素，黑人肢体骨折患儿获得阿片类止痛药的可能性仍比非西班牙裔白人同伴低39%。这些研究表明"10分中的8分"未必引发相同反应或治疗。许多患者根本无法自述疼痛——床旁研究综述指出，约70%重症监护患者存在未被识别或治疗不足的疼痛，作者将其归因于镇静或插管导致的沟通障碍。
这些问题促使人们寻求更客观的疼痛理解与评估方式。人工智能进展为此探索带来新维度。
研究团队主要推进两条路径。第一条路径监听皮下信号。电生理学家为志愿者佩戴电极网，寻找随刺激变化的神经特征。2024年一项机器学习研究显示，该算法通过几分钟静息态脑电图，能以80%以上准确率区分慢性痛患者与对照组。其他研究者结合脑电图、皮肤电反应和心率变异性，希望多信号"疼痛指纹"能提供更稳健测量。
Medasense公司的PMD-200患者监护仪是此方法的代表，它利用人工智能工具输出疼痛评分。该设备以心率、出汗或外周温度变化等生理模式为输入，专为手术患者设计，旨在帮助麻醉师术中调整剂量。2022年对75名腹部大手术患者的研究显示，使用该监护仪的患者术后自述疼痛评分中位数为3分（对照组为5分），且未增加阿片类药物用量。该设备已获美国食品药品监督管理局授权，在美国、欧盟、加拿大等地使用。
第二条路径关注行为表现。皱眉、保护性姿势或急促吸气与不同疼痛程度相关。计算机视觉团队将患者面部表情高速视频输入神经网络，训练数据基于1970年代末推出的面部动作编码系统（FACS）——该系统旨在建立客观通用的面部表情分析框架，堪称44种面部微动作的"罗塞塔石碑"。实验室测试中，这些模型能以90%以上准确率从数据集标记疼痛帧，接近专家人工评估的一致性。类似方法还通过自然语言处理挖掘临床记录中的姿势描述和语句片段，识别"蜷缩膝盖抵胸"等常与高痛感相关的表述。
PainChek属于行为模型，其作用如同疼痛专用的摄像头式体温计：护理人员打开应用，将手机置于患者面部30厘米处。神经网络在3秒内捕捉9种特定微表情（上唇上抬、皱眉、面颊紧绷等），屏幕随即显示0-42分的评分。"存在一套'动作单元编码'目录——全人类共通的面部表情。其中9种与疼痛相关，"PainChek高级研究员兼设备联合发明人克雷什尼克·霍蒂解释道。该系统直接基于FACS构建。扫描后，应用会引导用户完成呻吟、"保护行为"、睡眠障碍等其他体征的是非清单，并将结果存入可显示趋势的云端仪表盘。
霍蒂承认，将扫描与人工清单结合是后期设计选择。"最初我们认为AI应实现全自动化，但现在发现人机协同——AI加人工输入——才是我们的核心优势，"他表示。护理助理而非护士完成多数评估，使临床医生能专注于数据应用而非采集。
PainChek于2017年获澳大利亚治疗商品管理局批准，堪培拉的国家推广资金助力其在数百家养老院落地。该系统还获英国（新冠疫情前启动推广，解封后恢复）、加拿大和新西兰授权开展试点。在美国，其正等待FDA审批。公司数据显示"抗精神病药物使用率下降约25%，苏格兰地区跌倒事件减少42%"。
欧查德养老院是早期采用者之一。贝尔德回忆，AI应用前的流程主要用于"证明合规性"。引入算法后，这种人机协同模式成效显著。对四家养老院的内部研究追踪了月度疼痛评分、行为事件和处方量。数周内，精神类药物处方减少，住客行为趋于平静。影响远超药房统计：因未察觉牙痛而拒食的住客"开始重新进食"，"因疼痛孤立的住客开始社交"。
欧查德机构内正发生文化转变。贝尔德培训新员工时，将疼痛比作"测量血压或血氧"："我们不会猜测这些指标，为何要猜测疼痛？"类比效果显著，但全面推行仍是艰难过程。部分护士坚持临床判断已足够；另有者抵触额外登录和审计追踪。"行业技术采纳缓慢，但正在改变，"贝尔德表示。这得益于阿比疼痛量表需20分钟完成，而PainChek扫描加清单不足5分钟。
PainChek工程师正为最年幼患者调整代码。针对1岁以下婴儿的PainChek Infant应用，其算法经新生儿面部重新训练，依据成熟的婴儿面部动作编码系统检测6种经验证的面部动作单元——婴儿皱眉速度比成人更快。该应用正在澳大利亚进行有限测试，公司正推进独立监管路径。
质疑者对这些设备提出常见警示：面部分析AI存在肤色偏见历史；可能误读源于恶心或恐惧的皱眉；工具效果取决于扫描后的问答质量，数据录入失误可能导致结果偏差；结果缺乏护理人员通过日常互动和病史了解形成的临床与人际背景；更可能的是，临床医生过度依赖算法，削弱自身判断力。
若PainChek今秋获FDA批准，它将融入更广泛的疼痛测量技术创新体系。其他初创企业正推出神经痛用脑电图头带、突破性癌痛预警皮肤传感器，甚至挖掘护理记录中隐藏痛苦迹象的语言模型。但外部设备量化疼痛可能存在偏见或不准确等隐患，需大规模使用后方能显现。
对贝尔德而言，问题相当直接："我曾经历慢性疼痛，却难获他人相信。（PainChek）本会带来巨大改变，"她说。若人工智能能赋予无声痛苦者数字话语权——并让临床医生倾听——那么在生命体征图表上增添一行数据，或许值得投入屏幕时间。
迪娜·穆萨是专注于全球健康、经济发展及科技进展的研究员、资助方与记者。
【全文结束】
