La gestion par l'anesthésiste de la perception subconsciente de la douleur, ou « nociception », d'un patient opéré aura une incidence directe sur le degré d'effets secondaires postopératoires des médicaments et sur la nécessité d'une prise en charge supplémentaire de la douleur. Mais la douleur est une sensation subjective à mesurer, même lorsque les patients sont éveillés, et encore moins lorsqu'ils sont inconscients. Dans une nouvelle étude, des chercheurs du MIT et du Massachusetts General Hospital (MGH) décrivent un ensemble de modèles statistiques qui quantifient objectivement la nociception pendant l'opération. À terme, ils espèrent aider les anesthésistes à optimiser la dose de médicament et à minimiser la douleur et les effets secondaires postopératoires.
Les nouveaux modèles intègrent des données méticuleusement enregistrées sur 18 582 minutes de 101 interventions chirurgicales abdominales chez des hommes et des femmes au MGH. Sous la direction de Sandya Subramanian, ancienne étudiante diplômée du MIT, aujourd'hui professeure adjointe à l'UC Berkeley et à l'UC San Francisco, les chercheurs ont collecté et analysé les données de cinq capteurs physiologiques pendant que les patients subissaient un total de 49 878 « stimuli nociceptifs » distincts (tels que des incisions ou une cautérisation). De plus, l'équipe a enregistré les médicaments administrés, la quantité et le moment de l'administration, afin de prendre en compte leurs effets sur la nociception ou les mesures cardiovasculaires. Ils ont ensuite utilisé toutes les données pour développer un ensemble de modèles statistiques qui ont bien fonctionné pour indiquer rétrospectivement la réponse du corps aux stimuli nociceptifs.
L'objectif de l'équipe est de fournir en temps réel des informations précises, objectives et fondées sur des principes physiologiques aux anesthésistes qui doivent actuellement se fier largement à leur intuition et à leur expérience passée pour décider comment administrer les médicaments antidouleur pendant une intervention chirurgicale. Si les anesthésistes en administrent trop, les patients peuvent ressentir des effets secondaires allant de la nausée au délire. S'ils en administrent trop peu, les patients peuvent ressentir une douleur excessive après leur réveil.
« Les travaux de Sandya nous ont aidés à établir une méthode fondée sur des principes pour comprendre et mesurer la nociception (douleur inconsciente) pendant l'anesthésie générale », a déclaré l'auteur principal de l'étude, Emery N. Brown, professeur Edward Hood Taplin d'ingénierie médicale et de neurosciences computationnelles au Picower Institute for Learning and Memory, à l'Institute for Medical Engineering and Science et au Département des sciences cérébrales et cognitives du MIT. Brown est également anesthésiste au MGH et professeur à la Harvard Medical School. « Notre prochain objectif est de rendre les connaissances que nous avons acquises grâce aux études de Sandya fiables et pratiques pour que les anesthésistes puissent les utiliser pendant la chirurgie. »
Chirurgie et statistiques
La recherche, publiée dans Les actes de l'Académie nationale des sciences, a commencé comme projet de thèse de doctorat de Subramanian dans le laboratoire de Brown en 2017. Les meilleures tentatives antérieures pour modéliser objectivement la nociception se sont appuyées uniquement sur l'électrocardiogramme (ECG, un indicateur indirect de la variabilité de la fréquence cardiaque) ou sur d'autres systèmes pouvant intégrer plus d'une mesure, mais étaient soit basées sur des expériences en laboratoire utilisant des stimuli de douleur qui ne se comparent pas en intensité à la douleur chirurgicale, soit ont été validées en agrégeant statistiquement seulement quelques points temporels sur plusieurs interventions chirurgicales de patients, a déclaré Subramanian.
Il n'existe aucun autre endroit pour étudier la douleur chirurgicale, à part la salle d'opération. Nous voulions non seulement développer des algorithmes à partir de données issues de la chirurgie, mais aussi les valider dans le contexte dans lequel nous souhaitons que quelqu'un les utilise. Si nous leur demandons de suivre la nociception instant par instant au cours d'une intervention chirurgicale, nous devons la valider de la même manière.
Sandya Subramanian, ancienne étudiante diplômée du MIT, professeure adjointe à l'UC Berkeley et à l'UC San Francisco
Elle et Brown ont donc travaillé pour faire progresser l’état de la technique en collectant des données multi-capteurs tout au long des interventions chirurgicales et en tenant compte des effets perturbateurs des médicaments administrés. Ils espéraient ainsi développer un modèle capable de faire des prédictions précises qui resteraient valables pour le même patient tout au long de l’opération.
Une partie des améliorations obtenues par l'équipe est due au suivi des schémas de fréquence cardiaque et de conductance cutanée. Les changements dans ces deux facteurs physiologiques peuvent être des indications de la réponse primaire de « combat ou de fuite » du corps à la nociception ou à la douleur, mais certains médicaments utilisés pendant une intervention chirurgicale affectent directement l'état cardiovasculaire, tandis que la conductance cutanée (ou « EDA », activité électrodermale) reste inchangée. L'étude mesure non seulement l'ECG, mais l'appuie également sur la PPG, une mesure optique de la fréquence cardiaque (comme le capteur d'oxygène d'une montre connectée), car les signaux ECG peuvent parfois être rendus bruyants par tous les équipements électriques qui bourdonnent dans la salle d'opération. De même, Subramanian a complété les mesures de l'EDA par des mesures de la température cutanée pour s'assurer que les changements de conductance cutanée dus à la transpiration étaient dus à la nociception et pas simplement à la chaleur excessive du patient. L'étude a également suivi la respiration.
Les auteurs ont ensuite procédé à des analyses statistiques pour développer des indices physiologiquement pertinents à partir de chacun des signaux de conductance cardiovasculaire et cutanée. Une fois chaque indice établi, des analyses statistiques plus poussées ont permis de les regrouper pour produire des modèles capables de faire des prédictions précises et fondées sur des principes sur le moment où la nociception se produit et sur la réponse de l'organisme.
Maîtriser la nociception
Dans quatre versions du modèle, Subramanian les a « supervisés » en leur fournissant des informations sur le moment où les stimuli nociceptifs se produisaient afin qu'ils puissent ensuite apprendre l'association entre les mesures physiologiques et l'incidence des événements provoquant la douleur. Dans certaines de ces versions entraînées, elle a laissé de côté les informations sur les médicaments et dans d'autres versions, elle a utilisé des approches statistiques différentes (soit la « régression linéaire » soit la « forêt aléatoire »). Dans une cinquième version du modèle, basée sur une approche « espace d'état », elle l'a laissé sans supervision, ce qui signifie qu'il a dû apprendre à déduire les moments de nociception uniquement à partir des indices physiologiques. Elle a comparé les cinq versions de son modèle à l'une des normes actuelles de l'industrie, un modèle de suivi d'ECG appelé ANI.
Les résultats de chaque modèle peuvent être visualisés sous forme de graphique traçant le degré prédit de nociception au fil du temps. L'ANI est légèrement supérieur au hasard, mais est mis en œuvre en temps réel. Le modèle non supervisé a de meilleurs résultats que l'ANI, mais pas aussi bien que les modèles supervisés. Le plus performant d'entre eux était celui qui incorporait des informations sur les médicaments et utilisait une approche de « forêt aléatoire ». Néanmoins, notent les auteurs, le fait que le modèle non supervisé ait obtenu des résultats significativement meilleurs que le hasard suggère qu'il existe en effet une signature objectivement détectable de l'état nociceptif du corps, même en examinant différents patients.
« Un cadre d'espace d'état utilisant des observations physiologiques multisensorielles est efficace pour découvrir cet état nociceptif implicite avec une définition cohérente chez plusieurs sujets », ont écrit Subramanian, Brown et leurs co-auteurs. « Il s'agit d'une étape importante vers la définition d'une mesure permettant de suivre la nociception sans inclure d'informations de « vérité fondamentale » nociceptive, la plus pratique pour l'évolutivité et la mise en œuvre dans les contextes cliniques. »
Les prochaines étapes de la recherche consisteront à accroître l'échantillonnage des données et à affiner les modèles afin qu'ils puissent être mis en pratique au bloc opératoire. Pour cela, il faudra leur permettre de prédire la nociception en temps réel, plutôt que dans le cadre d'une analyse post-hoc. Une fois cette avancée réalisée, les anesthésistes ou les intensivistes pourront prendre des décisions éclairées en matière de dosage des analgésiques. À l'avenir, le modèle pourrait éclairer des systèmes en boucle fermée qui dosent automatiquement les médicaments sous la supervision de l'anesthésiste.
« Notre étude constitue une première étape importante vers le développement de marqueurs objectifs pour suivre la nociception chirurgicale », concluent les auteurs. « Ces marqueurs permettront une évaluation objective de la nociception dans d'autres contextes cliniques complexes, comme les unités de soins intensifs, et catalyseront le développement futur de systèmes de contrôle en boucle fermée pour la nociception. »
Outre Subramanian et Brown, les autres auteurs de l'article sont Bryan Tseng, Marcela del Carmen, Annekathryn Goodman, Douglas Dahl et Riccardo Barbieri.
Le financement de la Fondation JPB, du Picower Institute for Learning and Memory, de George J. Elbaum (MIT '59, SM '63, PhD '67), de Mimi Jensen, de Diane B. Greene (MIT, SM '78), de Mendel Rosenblum, de Bill Swanson, de Cathy et de Lou Paglia, des donateurs annuels de l'Anesthesia Initiative Fund, de la National Science Foundation et d'une bourse Collabmore-Rogers du MIT Office of Graduate Education ont soutenu la recherche.
