El grado en que el anestesiólogo controle adecuadamente el procesamiento del dolor anestesiado o “nocicepción” de un paciente quirúrgico afectará directamente el grado de efectos secundarios de la medicación posoperatoria que experimentará y más. Necesitará tratamiento del dolor. . Pero el dolor es una sensación subjetiva de medir, incluso cuando los pacientes están despiertos y mucho menos cuando están inconscientes. En un nuevo estudio, investigadores del MIT y del Hospital General de Massachusetts (MGH) describen un conjunto de modelos estadísticos que cuantifican objetivamente la nocicepción durante la cirugía. En última instancia, esperan ayudar a los anestesiólogos a optimizar la dosificación de los medicamentos y reducir el dolor posoperatorio y los efectos secundarios.
Los nuevos modelos integran estrechamente más de 18.582 minutos de datos registrados de 101 cirugías abdominales en hombres y mujeres en el MGH. Dirigidos por el ex estudiante graduado del MIT Sandhya Subramanian, ahora profesor asistente en UC Berkeley y UC San Francisco, los investigadores recopilaron y analizaron datos de cinco sensores corporales mientras los pacientes recibían un total de 49,878 “estímulos nociceptivos” separados (como incisiones). experimentado. . Además, el equipo registró qué medicamentos se administraron, en qué cantidad y cuándo, para determinar sus efectos sobre la nocicepción o las medidas cardiovasculares. Luego utilizaron todos los datos para desarrollar un conjunto de modelos estadísticos que funcionaron bien al describir la respuesta del cuerpo a los estímulos nociceptivos.
El objetivo del equipo es proporcionar información precisa, objetiva y anatómicamente sólida en tiempo real a los anestesiólogos que actualmente dependen en gran medida de la intuición y la experiencia pasada para tomar decisiones sobre la administración de analgésicos durante la cirugía. Si los anestesiólogos administran demasiado, los pacientes pueden experimentar efectos secundarios que van desde náuseas hasta delirio. Si dan muy poco, los pacientes pueden experimentar un dolor excesivo al despertar.
“El trabajo de Sandia ha avanzado en la comprensión y medición de la nocicepción durante la anestesia general”, dijo el autor principal del estudio, Emery N. Brown, profesor Edward Hood Taplin de Ingeniería Médica y Neurociencia Computacional en el Instituto Pacover para el Aprendizaje. cosas.” Memory, el Instituto de Ingeniería y Ciencias Médicas y el Departamento de Ciencias Cognitivas y del Cerebro del MIT. Brown también es anestesiólogo en el MGH y profesor en la Facultad de Medicina de Harvard. “Nuestro próximo objetivo es hacer que los conocimientos que hemos obtenido del estudio de Sandia sean fiables y prácticos para los anestesiólogos durante la cirugía”.
Cirugía y estadística.
Investigación publicada en Actas de la Academia Nacional de Ciencias, Comenzó como proyecto de tesis doctoral de Subramanian en el laboratorio de Brown en 2017. Los mejores intentos anteriores de modelar objetivamente la nocicepción se han basado completamente en el electrocardiograma (ECG, un indicador indirecto de la variabilidad de la frecuencia cardíaca) u otros sistemas que pueden incorporar múltiples mediciones, pero los estímulos del dolor se basaron en experimentos de laboratorio que no comparar la intensidad con el dolor quirúrgico o se validaron agrupando estadísticamente solo unos pocos puntos de tiempo en cirugías de múltiples pacientes, dijo Subramanian.
“No hay mejor lugar para estudiar el dolor quirúrgico que el quirófano”, afirmó Subramaniam. “No sólo queríamos desarrollar el algoritmo utilizando datos de cirugía, sino también validarlo en el contexto en el que queremos que alguien lo use. Así es como debe validarse”.
Por eso, él y Brown trabajaron para avanzar en el estado de la técnica recopilando datos multisensor durante el transcurso de cirugías reales y teniendo en cuenta los efectos confusos de los medicamentos administrados. Por lo tanto, esperaban desarrollar un modelo que pudiera hacer predicciones precisas que siguieran siendo válidas para el mismo paciente durante su operación.
Parte de las mejoras logradas por el equipo surgieron del seguimiento de patrones de frecuencia cardíaca y conductancia de la piel. Los cambios en ambos factores fisiológicos pueden ser indicativos de nocicepción, o la respuesta inicial de “lucha o huida” del cuerpo al dolor, pero algunos fármacos utilizados durante la cirugía afectan directamente el estado cardiovascular, mientras que la conductancia de la piel (o “EDA”, actividad electrodérmica) no se ve afectado. . El estudio no solo midió el ECG, sino que también lo respaldó con PPG, una medida óptica de la frecuencia cardíaca (como el sensor de oxígeno en un reloj inteligente), porque las señales de ECG a veces imitan todas las señales eléctricas en el quirófano. El equipo puede causar ruido. De manera similar, Subramanian reemplazó las medidas de EDA con medidas de temperatura de la piel para garantizar que los cambios en la conductancia de la piel debido al sudor fueran causados por la nocicepción y no simplemente por el sobrecalentamiento del paciente. El estudio también rastreó la respiración.
Luego, los autores realizaron análisis estadísticos para generar índices fisiológicamente relevantes a partir de cada una de las señales de conductancia cardiovascular y cutánea. Y una vez que se estableció cada índice, un análisis estadístico adicional permitió rastrear los índices juntos para desarrollar modelos que pudieran hacer predicciones precisas y basadas en principios sobre cuándo se estaba produciendo la nocicepción y la respuesta del cuerpo.
Clavando la nocicepción
En cuatro versiones del modelo, Subramaniam los “monitoreó” y les proporcionó información sobre cuándo ocurrieron los estímulos nociceptivos reales para que pudieran aprender la relación entre las mediciones fisiológicas y los eventos que producen dolor. En algunas de estas versiones entrenadas omitió información sobre las drogas y en algunas versiones utilizó un enfoque estadístico diferente (ya sea “regresión lineal” o “bosque aleatorio”). En la quinta versión del modelo, basada en un enfoque de “espacio de estados”, lo dejó sin supervisión, es decir, tuvo que aprender a estimar los momentos de nocicepción únicamente a partir de señales físicas. Comparó las cinco versiones de su modelo con uno de los estándares actuales de la industria, un modelo de seguimiento de ECG llamado ANI.
El resultado de cada modelo se puede ver como un gráfico que traza el grado previsto de nocicepción a lo largo del tiempo. ANI funciona muy por encima del azar pero se implementa en tiempo real. El modelo no supervisado tuvo un mejor desempeño que el ANI, aunque no tan bien como los modelos supervisados. El mejor desempeño entre ellos fue el que incorporó información sobre drogas y utilizó un enfoque de “bosque aleatorio”. Aun así, señalan los autores, el hecho de que el modelo no supervisado funcionara significativamente mejor que el azar sugiere que el estado nociceptivo del cuerpo puede medirse objetivamente a pesar de observar a diferentes pacientes. Existe una firma reconocible.
“Un marco de espacio de estados que utiliza observaciones fisiológicas multisensoriales es eficaz para descubrir este estado nociceptivo implícito con una definición consistente en múltiples sujetos”, escribieron Subramanian, Brown y sus coautores. “Este es un paso importante hacia la definición de una métrica para rastrear la nocicepción sin incorporar información nociceptiva ‘verdadera’, que es más práctica para la escalabilidad y la implementación en entornos clínicos”.
De hecho, los próximos pasos de la investigación son aumentar el muestreo de datos y perfeccionar aún más los modelos para que eventualmente puedan implementarse en el quirófano. Esto requiere que puedan predecir la nocicepción en tiempo real en lugar de realizar análisis post hoc. Cuando se logre este progreso, permitirá a los anestesiólogos o intensivistas informar sus decisiones sobre la dosificación de los analgésicos. En el futuro, el modelo podría funcionar con sistemas de circuito cerrado que dosifiquen automáticamente los medicamentos bajo la supervisión de un anestesiólogo.
“Nuestro estudio es un primer paso importante hacia el desarrollo de marcadores objetivos para rastrear la nocicepción quirúrgica”, concluyeron los autores. “Estos marcadores permitirán una evaluación objetiva de la nocicepción en otros entornos clínicos complejos, como la UCI, además de estimular el desarrollo futuro de sistemas de control de circuito cerrado para la nocicepción”.
Además de Subramaniam y Brown, los otros autores del artículo son Brian Tseng, Marcela Del Carmen, Annekthrin Goodman, Douglas Dahl y Ricardo Barbieri.
La Fundación JPB, el Instituto Pacor para el Aprendizaje y la Memoria, George J. Elbaum (MIT ’59, SM ’63, PhD ’67), Mimi Jensen, Diane B. Greene (MIT, SM ’78), Mendel Rosenblum, Financiamiento de Bill Swanson, Cathy y Lou Paglia, donantes anuales del Fondo de Iniciativa de Anestesia, la Fundación Nacional de Ciencias y la Beca Collabmore-Rogers de la Oficina de Educación de Graduados del MIT apoyaron la investigación.
