Reprinted with permission of EFIC EJP: 29 (2025): e4748: Moving towards the use of artificial intelligencein pain management
Notice bibliographique
Résumé
Background and objective: While the development of artificial intelligence(AI) technologies in medicine has beensignificant, their application to acute and chronic pain management has not been well characterized. This systematicre-view aims to provide an overview of the current state of AI in acute and chronic pain management. Databases and data treatment: This review was registered with PROSPERO(ID# CRD42022307017), the internationalregistry for systematic reviews. The search strategy was prepared by a librarian and run in four electronic databases (Embase, Medline, Central, and Web of Science). Collected articles were screened by two reviewers. Included studies described the use of AI for acute and chronic pain management. Results: From the 17,601 records identified in the initial search, 197 were included in this review. Identified applicationsof AI were described for treatment planning as well as treatment delivery. Described uses include prediction of pain,forecasting of individualized responses to treatment, treatment regimen tailoring, image-guidance for proceduralinterventions and self-management tools. Multiple domains of AI were used including machine learning, computervision, fuzzy logic, natural language processing and expert systems. Conclusions: There is growing literature regarding applications of AI for pain management, and their clinical use holdspotential for improving patient out-comes. However, multiple barriers to their clinical integration remain including lackvalidation of such applications in diverse patient populations, missing infra-structure to support these tools andlimited provider understanding of AI. Significance: This review characterizes current applications of AI for pain management and discusses barriersto their clinical integration. Our findings support continuing efforts directed towards establishing comprehensivesystems that integrate AI throughout the patient care continuum.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,750 | 0,401 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».