Виа Альенде, 84081 Баронисси, Салерно, Италия
Via Allende, 84081 Baronissi, Salerno
Оценка боли остается серьезной клинической проблемой в отделениях интенсивной терапии (ОИТ), особенно у пациентов на ИВЛ, под седацией и под действием миорелаксанов, лишенных возможности словесного контакта, а также из-за ограниченной точности поведенческих инструментов. Поэтому необходимо разрабатывать инновационные подходы. В этом случае объективная и независимая от наблюдателя оценка боли будет не только поддержкой для врача, но и инструментом персонализированного подбора обезболивающей терапии.Цель обзора — анализ применения искусственного интеллекта (ИИ) для автоматической оценки боли в текущей практике отделений интенсивной терапии, уделяя особое внимание интеграции биосигналов, поведенческих индикаторов и мультимодальных данных для выявления ноцицептивных реакций.Был проведен систематический поиск в базах данных PubMed, Web of Science и IEEE Xplore (2015—2025) с использованием терминов «оценка боли», «интенсивная терапия», «искусственный интеллект», «машинное обучение», «выражение лица», «пупиллометрия», «вариабельность сердечного ритма» и «мониторинг ноцицепции». Научные результаты были сгруппированы по трем основным доменам: поведенческие методы и методы компьютерного зрения, вегетативные и электрофизиологические показатели, а также мультимодальные и управляемые ИИ интегрированные системы.Заключение. Несмотря на то, что системы искусственного интеллекта для автоматической оценки боли в отделениях интенсивной терапии демонстрируют многообещающую производительность, ряд проблем ограничивает их применение в клинической практике. Вариабельность сигналов, обусловленная фармакологическими, неврологическими или гемодинамическими факторами, может дискредитировать надежность модели. Кроме того, нехватка маркированных наборов данных в отделениях интенсивной терапии может препятствовать их обобщению. Необходимо решить вопросы этики, регулирования и функциональной совместимости. Поэтому для рутинного внедрения требуется широкомасштабная валидация в различных отделениях интенсивной терапии для подтверждения надежности, обеспечения достоверности и установления клинической полезности.
Pain remains a major clinical challenge in the intensive care unit (ICU), especially in sedated, mechanically ventilated, or curarized patients due to their inability to self-report and the limited accuracy of behavioral tools. Therefore, innovative approaches must be developed. In this scenario, objective and observer-independent pain assessment can support and improve personalized analgesic management.The aim of this review is to analyze the current artificial intelligence (AI) applications for automatic pain assessment (APA) in the ICU, focusing on the integration of biosignals, behavioral indicators, and multimodal data to detect nociceptive responses.A systematic search was conducted in PubMed, Web of Science, and IEEE Xplore databases (2015–2025) using the terms pain assessment, critical care, artificial intelligence, machine learning, facial expression, pupillometry, heart rate variability, and nociception monitor. The scientific output was grouped into three main domains: behavioral and computer-vision methods, autonomic and electrophysiological indices, and multimodal and AI-driven integrated systems.Conclusion. Although AI systems for APA in the ICU show promising performance, several challenges limit their clinical translation. Signal variability due to pharmacological, neurological, or hemodynamic factors may compromise model reliability. Moreover, the scarcity of labeled ICU datasets can affect generalizability. Ethical, regulatory, and interoperability issues should be addressed. Therefore, for routine implementation, large-scale validation across diverse ICU populations is required to confirm reliability, ensure fairness, and establish clinical utility.
The authors declare that there are no conflicts of interest present.