Os medicamentos anestanãsicos agem no cérebro, mas a maioria dos anestesiologistas confia nos batimentos carda­acos, respirata³rios e nos movimentos para inferir se os pacientes submetidos a  cirurgia permanecem inconscientes no grau desejado. Em um novo estudo, uma equipe de pesquisa baseada no MIT e no Massachusetts General Hospital mostra que uma abordagem direta de inteligaªncia artificial, sintonizada com o tipo de anestanãsico que estãosendo usado, pode produzir algoritmos que avaliam a inconsciência em pacientes com base na atividade cerebral com alta precisão e confiabilidade.

“Uma das coisas mais importantes na mente dos anestesiologistas é'Sera¡ que tenho alguém deitado na minha frente que pode estar consciente e eu não perceber?' Ser capaz de manter a inconsciência em um paciente durante a cirurgia éfundamental para o que fazemos ”, diz o autor saªnior Emery N. Brown, o professor Edward Hood Taplin no Instituto Picower para Aprendizagem e Mema³ria e no Instituto de Engenharia Manãdica e Ciência do MIT e um anestesiologista do MGH. “Este éum passo importante a  frente.”

Mais do que fornecer uma boa leitura da inconsciência, acrescenta Brown, os novos algoritmos oferecem o potencial de permitir que os anestesiologistas o mantenham noníveldesejado usando menos drogas do que poderiam administrar quando dependessem de indicadores menos diretos, precisos e confia¡veis. Isso pode melhorar os resultados pa³s-operata³rios do paciente, como o dela­rio.

“Podemos sempre ter que estar um pouco 'exagerados'”, diz Brown, que também éprofessor na Harvard Medical School. “Mas podemos fazer isso com precisão suficiente para que não estejamos dosando a s pessoas mais do que o necessa¡rio?”

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

Para desenvolver a tecnologia necessa¡ria, os pa³s-docs John Abel e Marcus Badgeley conduziram o estudo , publicado na PLOS ONE, no qual eles treinaram algoritmos de aprendizado de ma¡quina em um conjunto de dados nota¡velo laboratório se reuniu em 2013. Nesse estudo, 10 voluntários sauda¡veis ​​na casa dos 20 anos foram anestesiados com o propofol, uma droga comumente usada. Como a dose foi metodicamente aumentada por meio de administração controlada por computador, os voluntários foram solicitados a responder a um pedido simples atéque não pudessem mais. Então, quando eles foram trazidos de volta a  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, Abel, Badgeley e a equipe treinaram versaµes de seus algoritmos de IA, com base em diferentes manãtodos estata­sticos 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.

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

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 ciraºrgico 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 destacam um caso em que os algoritmos foram capazes de detectar a diminuição donívelde 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 ciraºrgicos 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 tanto reduzido, sugerindo que sua capacidade de classificar a inconsciência foi transferida de forma confia¡vel para outra droga anestanãsica que funciona de maneira semelhante.

A capacidade de prever a inconsciência em diferentes drogas com o mesmo mecanismo de ação éfundamental, disseram os autores. Uma das principais falhas dos atuais sistemas baseados em EEG para monitorar a consciência, eles disseram, éque eles não distinguem entre as classes de drogas, embora diferentes categorias de drogas anestanãsicas funcionem de maneiras muito diferentes, produzindo padraµes de EEG distintos. Eles também não explicam adequadamente as diferenças de idade conhecidas na resposta do cérebro a  anestesia. Essas limitações em sua precisão também limitaram seu uso cla­nico.

No novo estudo, enquanto os algoritmos treinados em jovens de 20 e poucos anos se aplicaram bem a coortes de pacientes ciraºrgicos cuja média de idade era significativamente maior e variava mais amplamente, os autores reconhecem que desejam treinar algoritmos distintamente para uso com criana§as 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.

Abel diz que a abordagem da equipe de enquadrar o problema como uma questãode prever a consciência via EEG para uma classe especa­fica de drogas tornou a abordagem de aprendizado de ma¡quina muito simples de implementar e estender.

“Esta éuma prova de conceito que mostra que agora podemos ir e dizer vamos olhar para uma população mais velha ou vamos olhar para um tipo diferente de droga”, diz ele. “Fazer isso ésimples se vocêconfigurar da maneira certa.”

Os algoritmos resultantes não são nem mesmo exigentes em termos computacionais. Os autores observaram que, para um dado 2 segundos de dados de EEG, os algoritmos podem fazer uma previsão precisa da consciência em menos de um danãcimo de segundo em apenas um computador MacBook Pro padra£o.

O laboratório já estãodesenvolvendo as descobertas para refinar ainda mais os algoritmos, diz Brown. Ele diz que também deseja expandir os testes para mais centenas de casos para confirmar ainda mais seu desempenho e também para determinar se distinções mais amplas podem comea§ar a surgir entre os diferentes modelos estata­sticos subjacentes que a equipe empregou.

Além de Brown, Abel e Badgeley, os outros autores do artigo são Benyamin Meschede-Krasa, Gabriel Schamberg, Indie Garwood, Kimaya Lecamwasam, Sourish Chakravarty, David Zhou, Matthew Keating e Patrick Purdon.

O financiamento para o estudo veio dos Institutos Nacionais de Saúde, da Fundação JPB, da Bolsa Guggenheim para Matema¡tica Aplicada e do Hospital Geral de Massachusetts.