Development of automation strategies for the administration of remifentanil and norepinephrine during general anaesthesia

Le résumé fourni par la source

Au cours de l’anesthésie générale, le rôle du médecin anesthésiste consiste à adapter les différentes composantes hypnotiques et morphiniques afin d’assurer narcose et analgésie. Cependant, la variabilité interindividuelle associée à chaque médicament rend l’optimisation de leur administration complexe, en particulier sans l’aide de monitoring spécifique. Un déséquilibre de la balance anti-nociception/nociception expose le patient à un risque de sous-dosage (risque d’un excès de nociception), ou à l’inverse, à un risque de surdosage. Le monitorage de l’effet pharmacodynamique des agents administrés semble donc indispensable, mais relève encore de la recherche clinique. Ce monitorage se base sur des mesures indirectes de la réaction du système nerveux autonome (SNA). L’indice ANI (qui mesure la composante parasympathique du SNA) est validé pour estimer la balance anti-nociception/nociception ; il peut servir à guider l’administration des opioïdes en per-opératoire. Par ailleurs, l’automatisation en anesthésie offre la perspective de personnaliser en temps réel l’administration des agents anesthésiques. L’objectif de la première partie de ce travail était d’évaluer la faisabilité d’une régulation automatisée de rémifentanil (opioïde de courte durée d’action) sur la base de l’indice ANI. L’administration automatique de rémifentanil a démontré de bonnes performances en termes de réduction de la dose administrée et d’amélioration de la stabilité hémodynamique par comparaison avec la régulation manuelle. Un système de surveillance complémentaire de la pression artérielle non invasive permettrait d’améliorer encore la sécurité et l’efficacité d’une administration automatique des médicaments de l’anesthésie. La deuxième partie du travail s’est intéressée au développement d’une solution de détection des hypotensions, fondée sur l’analyse d’un ensemble de paramètres issus de la variabilité du rythme cardiaque. L’algorithme de classification utilisé, de type Random Forest, a démontré de bonnes performances et pourrait permettre de détecter une éventuelle hypotension entre deux cycles programmés de mesure non invasive. Un diagnostic précoce des hypotensions permettrait leur prise en charge rapide et d’améliorer ainsi le devenir des patients. L’automatisation est aujourd’hui une réalité et offre des performances parfois supérieures à l’Homme dans de nombreux domaines y compris en anesthésie. Toutefois, la diffusion de cette technologie nécessite un contrôle rigoureux des paramètres intégrés aux algorithmes de régulation et des mécanismes garantissant la sécurité des patients.Nos travaux s’intègrent dans un projet plus global porté conjointement par les équipes GRITA et du CIC-IT du CHU de Lille. Leur finalité vise à développer un dispositif médical innovant permettant la régulation automatisée et simultanée de trois composantes de l’anesthésie : hypnotique, anti-nociceptive et hémodynamique.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.