Notícia

Novos algoritmos mostram precisão e confiabilidade na avaliação da inconsciência sob anestesia geral

Avanços do software de aprendizado de máquina podem ajudar os anestesiologistas a otimizar a dose de medicamento

Divulgação, Instituto Picower, MIT

Fonte

MIT | Instituto de Tecnologia de Massachusetts

Data

sexta-feira, 28 maio 2021 06:20

Áreas

Anestesiologia. Cirurgia. Engenharia Biomédica. Inteligência Artificial. Medicina.

As drogas anestésicas agem no cérebro, mas a maioria dos anestesiologistas confia na frequência cardíaca, na frequência respiratória e nos movimentos para inferir se os pacientes submetidos à cirurgia permanecem inconscientes no grau desejado. Em um novo estudo, uma equipe de pesquisa baseada no Instituto de Tecnologia de Massachusetts (MIT) e no Hospital Geral de Massachusetts, nos Estados Unidos, mostrou que uma abordagem direta de inteligência artificial, sintonizada com o tipo de anestésico usado, pode produzir algoritmos que avaliam a inconsciência em pacientes com base na atividade cerebral com alta precisão e confiabilidade.

“Uma das coisas que estão em primeiro lugar na mente dos anestesiologistas é ‘Será que tenho alguém deitado na minha frente que pode estar consciente e eu não perceber?’ Ser capaz de manter a inconsciência de um paciente durante a cirurgia de forma confiável é fundamental para o que fazemos”, disse o Dr. Emery Brown, autor sênior do estudo e professor  no Instituto Picower para Aprendizagem e Memória e no Instituto de Engenharia e Ciência Médica do MIT, além de anestesiologista no Hospital Geral de Massachusetts. “Este é um passo importante à frente”, destacou o pesquisador.

Mais do que fornecer uma boa leitura da inconsciência, acrescentou o Dr. Brown, os novos algoritmos oferecem o potencial de permitir que os anestesiologistas mantenham a inconsciência no nível desejado usando menos drogas do que poderiam administrar quando dependessem de indicadores menos diretos, precisos e confiáveis. Isso pode melhorar os resultados pós-operatórios do paciente, como delírio.

“Podemos sempre estar um pouco ‘exagerados’, mas podemos fazer isso com precisão suficiente para que não estejamos dosando às pessoas mais do que o necessário?”, disse o Dr. Brown, que também é professor na Escola Médica de Harvard.

Usados ​​para acionar uma bomba de infusão, por exemplo, os algoritmos podem ajudar os anestesiologistas a controlar com precisão a administração do medicamento para otimizar o estado de um paciente e as doses que estão recebendo.

Inteligência artificial, testes do mundo real

Para desenvolver a tecnologia, o Dr. John Abel e o Dr. Marcus Badgeley, pós-doutorandos no MIT, conduziram um estudo inicial no qual eles treinaram algoritmos de aprendizado de máquina com um conjunto de dados notável que o laboratório reuniu em 2013. Nesse estudo, 10 voluntários saudáveis ​​foram submetidos à anestesia com propofol, uma droga comumente usada. Como a dose foi metodicamente aumentada usando administração controlada por computador, os voluntários foram convidados a responder a um pedido simples até que não pudessem mais responder. Então, quando eles foram trazidos de volta à consciência conforme a dose foi diminuindo, eles tornaram-se capazes de responder novamente. Ao mesmo tempo, ritmos neurais refletindo sua atividade cerebral foram registrados com eletrodos de eletroencefalograma (EEG), fornecendo uma ligação direta em tempo real entre a atividade cerebral medida e a inconsciência exibida.

No novo trabalho, os pesquisadores treinaram versões de seus algoritmos de Inteligência Artificial com base em diferentes métodos estatísticos subjacentes, em mais de 33.000 fragmentos de gravações de EEG de dois segundos de sete dos voluntários. Desta forma, os algoritmos poderiam “aprender” a diferença entre as leituras do EEG preditivas de consciência e inconsciência com propofol. Em seguida, os pesquisadores testaram os algoritmos de três maneiras diferentes.

Primeiro, eles verificaram se os seus três algoritmos mais promissores previam com precisão a inconsciência quando aplicados à atividade de EEG registrada nos outros três voluntários do estudo de 2013, o que aconteceu.

Em seguida, eles usaram os algoritmos para analisar o EEG registrado de 27 pacientes reais de cirurgia que receberam propofol para anestesia geral. Mesmo que os algoritmos agora estivessem sendo aplicados a dados coletados em um ambiente cirúrgico do mundo real “mais barulhento”, onde os ritmos também estavam sendo medidos com equipamentos diferentes, os algoritmos ainda distinguiam a inconsciência com maior precisão do que outros estudos mostraram. Os autores ainda destacaram um caso em que os algoritmos foram capazes de detectar a diminuição do nível de inconsciência de um paciente vários minutos antes do anestesiologista responsável, o que significa que se tivesse sido usado durante a própria cirurgia, poderia ter fornecido uma informação precisa e útil aviso prévio.

Como um terceiro teste, a equipe aplicou os algoritmos aos registros do EEG de 17 pacientes cirúrgicos que foram anestesiados com sevoflurano. Embora o sevoflurano seja diferente do propofol e seja inalado em vez de infundido, ele funciona de maneira semelhante, ligando-se aos mesmos receptores GABA-A nos mesmos tipos-chave de células cerebrais. Os algoritmos da equipe novamente tiveram um desempenho alto, embora um pouco inferior, sugerindo que sua capacidade de classificar a inconsciência foi transferida de forma confiável para outra droga anestésica que funciona de maneira semelhante.

A capacidade de prever a inconsciência em diferentes drogas com o mesmo mecanismo de ação é fundamental, disseram os autores. Uma das principais falhas dos atuais sistemas baseados em EEG para monitorar a consciência, segundo os pesquisadores, é que eles não distinguem entre as classes de drogas, embora diferentes categorias de drogas anestésicas funcionem de maneiras muito diferentes, produzindo padrões de EEG distintos. Eles também não explicam adequadamente a influência conhecida das diferenças de idade sobre a resposta do cérebro à anestesia. Essas limitações em sua precisão também limitaram seu uso clínico.

No novo estudo, enquanto os algoritmos treinados em jovens com idade em torno de 20 anos se aplicaram bem a coortes de pacientes cirúrgicos cuja média de idade foi significativamente mais velha e variou mais amplamente, os autores reconhecem que desejam treinar algoritmos distintamente para uso com crianças ou idosos. Eles também podem treinar novos algoritmos para serem aplicados especificamente a outros tipos de drogas com diferentes mecanismos de ação. Ao todo, um conjunto de algoritmos bem treinados e sintonizados pode fornecer alta precisão que leva em conta a idade do paciente e o medicamento em uso.

Os resultados foram publicados na revista científica PLOS ONE.

Acesse o artigo científico completo (em inglês).

Acesse a notícia completa na página do MIT (em inglês).

Fonte:

Em suas publicações, o Portal Tech4Health da Rede T4H tem o único objetivo de divulgação científica, tecnológica ou de informações comerciais para disseminar conhecimento. Nenhuma publicação do Portal Tech4Health tem o objetivo de aconselhamento, diagnóstico, tratamento médico ou de substituição de qualquer profissional da área da saúde. Consulte sempre um profissional de saúde qualificado para a devida orientação, medicação ou tratamento, que seja compatível com suas necessidades específicas.

Os comentários constituem um espaço importante para a livre manifestação dos usuários, desde que cadastrados no Portal Tech4Health e que respeitem os Termos e Condições de Uso. Portanto, cada comentário é de responsabilidade exclusiva do usuário que o assina, não representando a opinião do Portal Tech4Health, que pode retirar, sem prévio aviso, comentários postados que não estejam de acordo com estas regras.

Leia também

2021 Portal Tech4Health | Portal de Notícias, Conteúdos e Rede Profissional em Saúde e Tecnologias da Rede T4H.

Entre em Contato

Enviando
ou

Fazer login com suas credenciais

ou    

Esqueceu sua senha?

ou

Create Account