ANESTESIOLOGÍA

La inteligencia artificial se muestra útil para medir el grado de inconsciencia bajo anestesia general

Hospital General de Massachusetts · 14 mayo 2021

Científicos estadounidenses han comprobado que un enfoque sencillo puede producir algoritmos que evalúan la inconsciencia basándose en la actividad cerebral con gran precisión y fiabilidad.

Los fármacos anestésicos actúan sobre el cerebro, pero la mayoría de los anestesistas se basan en el ritmo cardiaco, la frecuencia respiratoria y el movimiento para saber si los pacientes permanecen inconscientes en el grado deseado.

En un nuevo estudio, un equipo de investigación del Instituto de Tecnología de Massachusetts y el Hospital General de Massachusetts (Estados Unidos) demuestra que un enfoque sencillo de inteligencia artificial adaptado al tipo de anestesia utilizado puede producir algoritmos que evalúen la inconsciencia de los pacientes basándose en la actividad cerebral con gran precisión y fiabilidad.

"Una de las cosas que más preocupa a los anestesistas es tener a alguien tumbado ante ellos que puede estar consciente y no habernos dado cuenta. Ser capaces de mantener de forma fiable la inconsciencia de un paciente durante la intervención quirúrgica es fundamental para lo que hacemos", afirma el autor principal, Emery N. Brown.

Además de proporcionar una buena lectura de la inconsciencia, los nuevos algoritmos ofrecen la posibilidad de permitir a los anestesistas mantenerla en el nivel deseado utilizando menos fármacos de los que podrían administrar cuando dependen de indicadores menos directos, precisos y fiables. Eso puede mejorar los resultados postoperatorios de los pacientes, como el delirio.

Si se utilizan para controlar una bomba de infusión, por ejemplo, los algoritmos podrían ayudar a los anestesistas a regular con precisión la administración de fármacos para optimizar el estado del paciente y las dosis que recibe.

Para desarrollar la tecnología necesaria, John Abel y Marcus Badgeley, que dirigieron el estudio publicado en PLoS One, entrenaron algoritmos de aprendizaje automático con un conjunto de datos que el laboratorio reunió en 2013.

En ese estudio, 10 voluntarios sanos de unos 20 años se sometieron a anestesia con propofol. A medida que se aumentaba metódicamente la dosis mediante una administración controlada por ordenador, se pedía a los voluntarios que respondieran a una simple petición hasta que ya no pudieran hacerlo. Entonces, cuando se les devolvía la conciencia al disminuir la dosis, volvían a ser capaces de responder. Durante todo ese tiempo se registraron mediante electroencefalografía (EEG) los ritmos neuronales que reflejaban su actividad cerebral, lo que proporcionó un vínculo directo y en tiempo real entre la actividad cerebral medida y la inconsciencia exhibida.

En el nuevo trabajo, el equipo entrenó versiones de sus algoritmos de inteligencia artificial, basados en diferentes métodos estadísticos, con más de 33.000 fragmentos de 2 segundos de duración de grabaciones de EEG de 7 de los voluntarios. De este modo, los algoritmos pudieron aprender la diferencia entre las lecturas del EEG que predicen la consciencia y la inconsciencia bajo la administración de propofol. A continuación, los investigadores probaron los algoritmos de tres maneras.

En primer lugar, comprobaron si sus tres algoritmos más prometedores predecían con exactitud la inconsciencia cuando se aplicaban a la actividad del EEG registrada de los otros tres voluntarios del estudio de 2013. Y así fue.

A continuación, utilizaron los algoritmos para analizar el EEG registrado de 27 pacientes reales que recibieron propofol para anestesia general. A pesar de que los algoritmos se aplicaban ahora a los datos recogidos en un entorno quirúrgico "más ruidoso" del mundo real, en el que los ritmos también se medían con equipos diferentes, los algoritmos siguieron distinguiendo la inconsciencia con mayor precisión de lo que habían demostrado otros estudios. Los autores destacan incluso un caso en el que los algoritmos fueron capaces de detectar la disminución del nivel de inconsciencia de un paciente varios minutos antes de que lo hiciera el anestesista que lo atendía, lo que significa que, si se hubieran utilizado durante la propia cirugía, podrían haber proporcionado una alerta temprana precisa y útil.

Como tercera prueba, el equipo aplicó los algoritmos a los registros de EEG de 17 pacientes operados que fueron anestesiados con sevoflurano. Aunque el sevoflurano es diferente del propofol y se inhala en lugar de infundirse, funciona de forma similar, uniéndose a los mismos receptores GABA-A en los mismos tipos clave de células cerebrales. Los algoritmos volvieron a funcionar con una precisión elevada, aunque algo reducida, lo que sugiere que su capacidad para clasificar la inconsciencia se trasladó de forma fiable a otro fármaco anestésico que funciona de forma similar.

Según los autores, la capacidad de predecir la inconsciencia entre distintos fármacos con el mismo mecanismo de acción es fundamental. "Se trata de una prueba de concepto que demuestra que ahora podemos ir y decir que hay que mirar a una población mayor o que hay que mirar a un tipo diferente de medicamento –apuntan-. Hacer esto es sencillo si se configura de la manera correcta".

Según Brown, el laboratorio ya está trabajando en los resultados para perfeccionar los algoritmos. Añade que también quiere ampliar las pruebas a cientos de casos más para confirmar todavía más su rendimiento, y también para determinar si pueden empezar a surgir distinciones más amplias entre los diferentes modelos estadísticos subyacentes que el equipo empleó.

Referencia: PLoS One. 2021 May 6;16(5):e0246165. doi: 10.1371/journal.pone.0246165