周術期患者におけるコンピュータビジョンを用いた自動侵害受容認識の予備的開発と検証

概要

周術期の顔面映像からCNNでCPOT基準の疼痛を高精度に分類でき（内部AUC 0.91、外部AUC 0.91および0.80）、一方でNRS分類は性能が低かった（AUC 0.58）。摂動解析では眉、鼻、口唇、前額が重要特徴であった。

主要発見

• CPOT基準モデルは内部AUC 0.91、外部AUC 0.91/0.80と高性能であったが、NRS分類はAUC 0.58と低性能であった。
• キャリブレーションによりBrierスコアが改善し、説明可能性解析で重要顔面領域が示された。
• 開発（n=130）、内部検証（n=77）、外部（n=254）の各データセットで実現可能性が示された。

臨床的意義

一般化され機器統合されれば、顔面映像による自動侵害受容検出は回復室・病棟・ICUでの連続的疼痛監視を可能にし、適時の鎮痛介入や治療不足の軽減に寄与し得る。バイアス・プライバシー・多様性への配慮が不可欠である。

限界

• データセット規模が比較的小さく、単一モダリティ（RGB映像）のため一般化に限界がある。
• NRS分類の性能が低く、集団差・照明条件などのバイアス対策が不十分。

今後の方向性

多様な集団での大規模多施設研究、生体信号と映像の多モダリティ統合、連続ラベリング、公平性・堅牢性の監査、鎮痛介入や転帰への影響を検証する前向き評価が望まれる。