Ein robustes, reliables und multimodales KI-System zur Schmerzquantifizierung

In Deutschland leiden mehr als 1,7 Millionen Menschen an einer Demenz. Da diese von kognitiven Einschränkungen betroffen sind, sollten hier Fremdeinschätzungsinstrumente für die Schmerzerkennung eingesetzt werden, da bei dieser Patientengruppe die Selbstauskunft keine verlässliche Information darstellt. Daher ist die Schmerzerkennung bei Demenz eine große Herausforderung für das klinische Monitoring und wird dies auch auf unabsehbare Zeit bleiben. Somit ist die Entwicklung eines Systems zur Schmerzerkennung und -quantifizierung von großer Relevanz für zahlreiche Anwendungen im klinischen Umfeld, welches die Forderungen nach Robustheit und Zuverlässigkeit erfüllt. Zum Beispiel wäre dies in der Notfall- und Akutmedizin wünschenswert, um bei der Diagnosefindung eine derartige technische Unterstützung durch ein KI-System vorzusehen. Das Vorhaben wird die Entwicklung eines robusten, reliablen und multimodalen KI-Systems zur Schmerzerkennung und –quantifizierung adressieren. Es beschäftigt sich erstens mit dem Forschungsziel tiefe neuronale Netze und Transferlernen mit umfangreichen, bestehenden in-the-wild Datenbanken zum Anlernen von diversen Mimikmerkmalen und zur Erhöhung der Robustheit gegenüber verschiedener, in verfügbaren Schmerzdatensätzen unterrepräsentierter Varianzen (Erscheinungsbild, Beleuchtung, Teilverdeckung, etc.) einzusetzen, um die Grundlagen für eine Technologie zu schaffen, die für die zukünftige potentielle Verwendung im klinischen Umfeld mit Schwerpunkt der Applikation bei Demenzkranken, insbesondere für das postoperative Monitoring in Aufwachräumen, geeignet ist.