これらの生体データを膨大な痛みデータベースと照合し、人工知能や機械学習を使って「今この人はどのくらい痛がっているのか」を推測する技術が生まれつつあります。
例えば、2023年の研究では皮膚電気活動（EDA）を用いて痛みの強度を予測する機械学習モデルが発表されています。
このような技術が確立されれば、痛みの診断精度向上、新薬開発の効率化、医療費の削減など、医療現場にとって革命的な変化が期待できます。
痛みの評価が科学的・客観的なものに変わる未来が、すぐそこまで来ているようにも思えます。
しかし、こうした研究には大きな落とし穴があります。
「痛みの客観的指標」は自分の正しさを証明できない
カッサー氏は、「痛みを客観的に評価する技術」の矛盾点を鋭く指摘し、次のように語っています。
「果たして、研究者たちはどうやって自らの測定機器が『正しく痛みを測っている』と証明したのでしょうか？」
答えは驚くべきものです。
実は、これらの研究において、機器の精度を検証するために頼ったのは、まさに問題視してきた「患者の主観的な痛みスコア」だったのです。
つまり、「客観的指標を作るためには、従来の主観的評価に頼らざるを得ない」というパラドックスに陥っているのです。
研究者は「客観的な痛み測定」を目指しながらも、最終的には主観的評価を基準にせざるを得ませんでした。
なぜなら、他に痛みを直接知る手段が存在しないからです。
さらに、この問題は技術や資金、アルゴリズムの優劣では解決できません。
カッサー氏は、「痛みは本人にしかわからない究極の主観体験」だと指摘します。
バイオマーカーと痛みスコアを結び付けたところで、その痛みが本当に「公開可能な事実」になるわけではありません。
仮に将来、患者の主張する痛みスコアとは異なる数値を測定器が出した場合、どちらの評価を医師は信じるべきでしょうか？
