Une équipe de recherche a développé le premier système d'intelligence artificielle capable d'évaluer objectivement l'intensité de la douleur en analysant les signaux électroencéphalographiques. Cette étude, publiée dans IEEE Transactions on Neural Systems and Rehabilitation Engineering, est dirigée par la chercheuse principale An Jinung du DGIST Industrial AX Innovation Institute, en collaboration avec l'équipe du professeur Jeon Seong-chan du Gwangju Institute of Science and Technology. L'évaluation clinique de la douleur s'appuie généralement sur des échelles subjectives, comme l'échelle visuelle analogique, dont la fiabilité varie selon les individus. Ces méthodes montrent leurs limites chez les patients incapables de verbaliser, tels que les jeunes enfants, les personnes âgées ou les malades inconscients. Pour pallier ces insuffisances, les chercheurs ont conçu un algorithme spécifique qui traite les ondes cérébrales enregistrées pendant des stimulations thermiques. Le modèle s'affranchit des jugements subjectifs en utilisant un mécanisme de double réseau neuronal. Ces deux intelligences artificielles comparent constamment leurs prédictions et n'intègrent dans leur apprentissage que les données considérées comme fiables, réduisant ainsi les biais liés à la perception individuelle de la douleur. Les tests réalisés sur 41 participants ont confirmé l'efficacité de l'approche. Le système a surpassé les méthodes existantes en précision et a maintenu des performances stables même face à de nouveaux types de stimuli non vus lors de l'entraînement. Sur le plan neurophysiologique, l'étude a mis en évidence une corrélation directe entre l'intensité de la douleur et l'activité des ondes delta dans les lobes temporaux antérieurs, détectée via les électrodes F7 et F8. Cette découverte pose les bases de biomarqueurs numériques cérébraux pour la douleur. Les chercheurs prévoient d'adapter cette technologie pour un usage clinique quotidien. Les premières applications visent le suivi de la douleur avant et après une intervention chirurgicale, la gestion de la douleur chronique et l'évaluation objective en unités de soins intensifs. La prochaine étape consistera à combiner les signaux EEG avec d'autres indicateurs biologiques pour créer une plateforme universelle, avant de viser un dispositif de surveillance en temps réel fonctionnant avec des interfaces cerveau-machine.