MADRID, 19 (EUROPA PRESS)

    El grado en que el anestesiólogo gestione adecuadamente el procesamiento subconsciente del dolor, o "nocicepción", de un paciente quirúrgico afectará directamente el grado de efectos secundarios posoperatorios de los medicamentos que experimentará y la necesidad de un mayor control del dolor que requerirá.

    Pero el dolor es una sensación subjetiva que se puede 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) en Estados Unidos describen un conjunto de modelos estadísticos que cuantifican objetivamente la nocicepción durante la cirugía.

EL DOLOR EN CIRUGÍA SIGUE SIENDO UN RETO

    En última instancia, esperan ayudar a los anestesiólogos a optimizar la dosis de los medicamentos y minimizar el dolor y los efectos secundarios posoperatorios. Los resultados se recogen en 'Actas de la Academia Nacional de Ciencias'.

   Los nuevos modelos integran datos meticulosamente registrados durante 18.582 minutos de 101 cirugías abdominales en hombres y mujeres en el MGH. Dirigidos por la ex estudiante de posgrado del MIT Sandya Subramanian , ahora profesora adjunta en UC Berkeley y UC San Francisco en Estados Unidos, los investigadores recopilaron y analizaron datos de cinco sensores fisiológicos a medida que los pacientes experimentaban un total de 49.878 "estímulos nociceptivos" distintos (como incisiones o cauterización).

Además, el equipo registró qué medicamentos se administraron, cuánto y cuándo, para tener en cuenta sus efectos sobre la nocicepción o las medidas cardiovasculares. Luego utilizaron todos los datos para desarrollar un conjunto de modelos estadísticos que funcionaron bien para indicar retrospectivamente la respuesta del cuerpo a los estímulos nociceptivos.

   El objetivo del equipo es proporcionar información precisa, objetiva y basada en principios fisiológicos en tiempo real a los anestesiólogos, que actualmente dependen en gran medida de la intuición y la experiencia previa para decidir cómo administrar medicamentos para controlar el dolor durante una cirugía. Si los anestesiólogos administran demasiado, los pacientes pueden experimentar efectos secundarios que van desde náuseas hasta delirio. Si administran muy poco, los pacientes pueden sentir un dolor excesivo después de despertarse.

   "El trabajo de Sandya nos ha ayudado a establecer una forma basada en principios para comprender y medir la nocicepción (dolor inconsciente) durante la anestesia general", relata el autor principal del estudio, Emery N. Brown , profesor Edward Hood Taplin de Ingeniería Médica y Neurociencia Computacional en el Instituto Picower para el Aprendizaje y la Memoria, el Instituto de Ingeniería Médica y Ciencia y el Departamento de Ciencias Cerebrales y Cognitivas del MIT.

CÓMO LOS MODELOS ESTADÍSTICOS ESTÁN CAMBIANDO LA ANESTESIA

    La investigación comenzó como el proyecto de tesis doctoral de Subramanian en el laboratorio de Brown en 2017. Los mejores intentos previos de modelar objetivamente la nocicepción se han basado únicamente en el electrocardiograma (ECG, un indicador indirecto de la variabilidad de la frecuencia cardíaca) u otros sistemas que pueden incorporar más de una medición, pero se basaron en experimentos de laboratorio que utilizaron estímulos de dolor que no se comparan en intensidad con el dolor quirúrgico o se validaron agregando estadísticamente solo unos pocos puntos de tiempo en las cirugías de múltiples pacientes, aporta Subramanian.

   "No hay otro lugar para estudiar el dolor quirúrgico que el quirófano", comenta Subramanian. "Queríamos no solo desarrollar los algoritmos usando datos de cirugía, sino también validarlos en el contexto en el que queremos que alguien los use. Si les pedimos que rastreen la nocicepción momento a momento durante una cirugía individual, necesitamos validarlo de la misma manera".

   Así, ella y Brown trabajaron para avanzar en el estado de la técnica mediante la recopilación de datos de múltiples sensores durante todo el transcurso de las cirugías reales y teniendo en cuenta los efectos de confusión de los medicamentos administrados. De esa manera, esperaban desarrollar un modelo que pudiera hacer predicciones precisas que siguieran siendo válidas para el mismo paciente durante toda la operación.

   Parte de las mejoras que el equipo logró surgieron del seguimiento de los patrones de frecuencia cardíaca y también de la conductancia de la piel. Los cambios en ambos factores fisiológicos pueden ser indicaciones de la respuesta primaria de "lucha o huida" del cuerpo a la nocicepción o al dolor, pero algunos medicamentos utilizados durante la cirugía afectan directamente al estado cardiovascular , mientras que la conductancia de la piel (o "EDA", actividad electrodérmica) permanece inalterada.

   El estudio no solo mide el ECG, sino que también lo respalda con PPG, una medida óptica de la frecuencia cardíaca (como el sensor de oxígeno en un reloj inteligente), porque las señales del ECG a veces pueden volverse ruidosas por todo el equipo eléctrico que zumba en la sala de operaciones. De manera similar, Subramanian respaldó las medidas de EDA con medidas de la temperatura de la piel para garantizar que los cambios en la conductancia de la piel a causa del sudor se debieran a la nocicepción y no simplemente al hecho de que el paciente estuviera demasiado caliente. El estudio también hizo un seguimiento de la respiración.

   Luego, los autores realizaron análisis estadísticos para desarrollar 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 realizar un seguimiento de los índices en conjunto para producir modelos que pudieran realizar predicciones precisas y basadas en principios sobre cuándo se producía la nocicepción y cuál era la respuesta del cuerpo.

   En cuatro versiones del modelo, Subramanian los "supervisó" proporcionándoles información sobre cuándo se producían los estímulos nociceptivos reales para que pudieran aprender la asociación entre las mediciones fisiológicas y la incidencia de los eventos que provocaban dolor. En algunas de estas versiones entrenadas, omitió la información sobre los fármacos y en otras utilizó diferentes enfoques estadísticos (ya sea "regresión lineal" o "bosque aleatorio").

   En una quinta versión del modelo, basada en un enfoque de "espacio de estados", lo dejó sin supervisión, lo que significa que tuvo que aprender a inferir momentos de nocicepción puramente a partir de los índices fisiológicos. 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 visualizar como un gráfico que representa el grado previsto de nocicepción a lo largo del tiempo. El ANI tiene un rendimiento ligeramente superior al del azar, pero se implementa en tiempo real. El modelo no supervisado tuvo un mejor rendimiento que el ANI, aunque no tan bien como los modelos supervisados. El que mejor rendimiento tuvo fue el que incorporó información sobre fármacos y utilizó un enfoque de "bosque aleatorio".

   Aun así, señalan los autores, el hecho de que el modelo no supervisado tuviera un rendimiento significativamente mejor que el del azar sugiere que, de hecho, existe una firma objetivamente detectable del estado nociceptivo del cuerpo incluso cuando se analizan distintos pacientes.

   "Un marco de trabajo de espacio de estados que utilice observaciones fisiológicas multisensoriales es eficaz para descubrir este estado nociceptivo implícito con una definición consistente en múltiples sujetos", escribien Subramanian, Brown y sus coautores. "Este es un paso importante hacia la definición de una métrica para rastrear la nocicepción sin incluir información de la 'verdad fundamental' nociceptiva, 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 puedan ponerse en práctica en el quirófano. Para ello será necesario permitirles predecir la nocicepción en tiempo real, en lugar de hacerlo mediante análisis a posteriori. Cuando se logre ese avance, los anestesiólogos o los intensivistas podrán fundamentar sus decisiones sobre la dosificación de los analgésicos. En el futuro, el modelo podría fundamentar sistemas de circuito cerrado que dosifiquen automáticamente los fármacos bajo la supervisión del anestesiólogo.

   "Nuestro estudio es un primer paso importante hacia el desarrollo de marcadores objetivos para rastrear la nocicepción quirúrgica", concluyen los autores. "Estos marcadores permitirán la evaluación objetiva de la nocicepción en otros entornos clínicos complejos, como la UCI, así como catalizar el desarrollo futuro de sistemas de control de circuito cerrado para la nocicepción".