IU Incubator

TAPAS - Tailored Automated Pain Assessment Systems

Schmerzbewertung ist entscheidend für die Patientenversorgung, wobei Patienten oft Schwierigkeiten haben, ihren Schmerz genau auszudrücken. Automatisierte Methoden zur Schmerzbewertung, insbesondere solche, die auf KI basieren, stehen vor Herausforderungen: Sie erfordern kostspielige Daten und berücksichtigen häufig nicht die subjektive Schmerzwahrnehmung. Dieses Projekt zielt darauf ab, diese Probleme mit Meta-Learning zu lösen. Dieses spezielle Lern-Framework ermöglicht es Modellen, schnell aus wenigen Beispielen zu lernen und sich an individuelle Schwankungen anzupassen. Diese Methode, bekannt als Few-Shot Learning, ist besonders vorteilhaft, da sie mit minimalen Daten auskommt. Der innovative Ansatz fehlt bisher in der Schmerzbewertung und stellt eine bedeutende Chance für Fortschritte in diesem Bereich dar.

Insbesondere sollen die folgenden zentralen Forschungsfragen beantwortet werden:

• Forschungsfrage: 1: Welche Personalisierungstechniken können ein generisches Schmerzerkennungsmodell schnell an die individuellen physiologischen Reaktionen einer neuen Person anpassen?

• Forschungsfrage 2: Verbessert personalisiertes Modellieren die Genauigkeit der Schmerzeinschätzung im Vergleich zu nicht personalisierten Modellen signifikant?

• Forschungsfrage 3: Wie kann eine solche personalisierte Schmerzerkennung in der Praxis umgesetzt werden?