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.

A robust, reliable and multimodal AI system for pain quantification

In Germany, more than 1.7 million people suffer from dementia. As they are affected by cognitive impairment, external assessment tools should be used for pain detection, as self-report does not provide reliable information for this patient group. Therefore, pain recognition in dementia is a major challenge for clinical monitoring and will remain so for the foreseeable future. Thus, the development of a system for pain detection and quantification is of great relevance for numerous applications in the clinical environment, which fulfills the requirements for robustness and reliability. For example, this would be desirable in emergency and acute medicine in order to provide such technical support from an AI system when making a diagnosis. The project will address the development of a robust, reliable and multimodal AI system for pain detection and quantification. It will firstly address the research goal of using deep neural networks and transfer learning with extensive existing in-the-wild databases to train various facial expression features and to increase robustness against different variances (appearance, illumination, partial occlusion, etc.) that are underrepresented in available pain datasets.The aim is to create the basis for a technology that is suitable for future potential use in the clinical environment with a focus on application in dementia patients, particularly for post-operative monitoring in recovery rooms.