新统计模型利用来自超过100次手术的精确生理数据，提供了有关“痛觉感知”的客观和准确的见解，痛觉感知是身体对痛苦的潜意识感知。麻醉师如何管理外科患者的潜意识疼痛处理，称为“痛觉感知”，在很大程度上影响了术后药物副作用的程度和对额外镇痛的需求。由于疼痛是主观体验，尤其在患者失去意识时，测量疼痛可能相当具有挑战性。在最近的一项研究中，麻省理工学院（MIT）和麻萨诸塞州总医院（MGH）的研究人员引入了一系列统计模型，旨在客观测量手术过程中的痛觉感知。他们的目标是帮助麻醉师优化药物剂量，以减少术后疼痛和副作用。
新创建的模型分析了在MGH进行的101例腹部手术中，仔细记录的18,582分钟的数据，涉及男性和女性患者。在前MIT研究生、现任加州大学伯克利分校和加州大学旧金山分校助理教授的桑迪亚·苏布拉马尼安的指导下，研究人员在患者经历49,878个独特的“痛觉刺激”（例如，手术切口或烧灼）时，分析了来自五个生理传感器的信息。此外，他们记录了使用的药物类型，包括剂量和时间，以了解这些如何影响痛觉感知和心血管反应。这些全面的数据收集随后被用于开发能够有效指示身体对痛觉刺激反应的模型。
该团队的主要目标是为麻醉师提供实时、精确和客观的生理见解，使他们能够在手术过程中更好地决定使用镇痛药物。药物使用过多可能使患者面临如恶心或谵妄等副作用，而剂量不足则可能使他们在醒来时感到剧烈疼痛。
“桑迪亚的研究使我们能够建立理解和测量在全身麻醉下的痛觉感知（无意识疼痛）的坚实基础，”研究的高级作者、麻省理工学院医疗工程和计算神经科学的爱德华·霍德·塔普林教授和MGH的麻醉师、哈佛医学院教授埃默里·N·布朗表示。“我们即将要实现的目标是将我们从桑迪亚的工作中收集到的见解转化为麻醉师在手术中可以使用的实用和可靠的工具。”
手术与统计
这项研究发表在《国家科学院院刊》上，源于苏布拉马尼安于2017年在布朗实验室的博士论文项目。之前客观建模痛觉感知的尝试主要依赖于心电图（ECG，心率变异性的间接标志）或其他系统，这些系统要么未能捕捉手术疼痛的真实强度，要么通过多个手术中的有限时间点来验证其发现，苏布拉马尼安说道。
“手术室是唯一可以检查手术疼痛的场所，”苏布拉马尼安指出。“我们不仅旨在从手术数据中开发算法，还要在真实的手术环境中进行验证。如果我们希望麻醉师逐分钟监测痛觉感知，就必须在该环境中确认其准确性。”
因此，她和布朗通过在整个手术过程中收集不同传感器的数据，并考虑施用药物如何影响结果来改进现有的方法。他们的目标是创建一个能够在整个手术过程中做出准确预测的模型。
改善部分源于监测心率与皮肤导电性。生理信号的这些变化可以揭示身体对疼痛的本能“战斗或逃跑”反应，但某些手术药物可以直接影响心血管系统，而皮肤导电性（或“EDA”，电皮肤活动）通常不会。研究测量了心电图，补充使用光学方法评估心率的PPG（类似于智能手表的氧气传感器功能），因为心电图信号可能会受到手术室内电气设备的扭曲。苏布拉马尼安还用皮肤温度测量来支持EDA读数，以确保任何检测到的皮肤导电性变化是由痛觉感知引起的，而不仅仅是因为患者过热。呼吸也被记录下来。
在数据收集之后，作者进行了统计分析，以生成来自心血管和皮肤导电信号的生理指数。一旦这些指数建立，额外的统计程序使他们能够将这些指数结合成能够准确预测痛觉感知时刻及其身体反应的模型。
识别痛觉感知
苏布拉马尼安开发了四个模型版本，用出现的痛觉刺激数据对其进行训练，使其能够将生理测量与这些疼痛事件相关联。一些模型排除了药物信息，而其他模型则应用了不同的统计技术，例如“线性回归”或“随机森林”。一个模型基于“状态空间”方法，允许它仅通过生理指数独立识别痛觉感知线索。这些模型的表现与一个称为ANI模型的现有行业标准进行了比较，该模型跟踪心电图。
每个模型的输出可以显示为图形，说明预测的痛觉感知水平随时间的变化。ANI模型的表现略好于随机机会，但实时运行。无监督模型的表现优于ANI，尽管不如添加药物信息并采用“随机森林”方法的监督模型显著。研究结果还表明，无监督模型的表现高于机会的结果，表明痛觉感知可以在不同患者中客观识别。
“利用多感官生理观察的状态空间框架，有效地揭示了在不同受试者中持续存在的这种潜在的痛觉感知状态，”苏布拉马尼安、布朗及其合著者表示。“这标志着在不依赖痛觉感知“真实数据”的情况下，创建监测痛觉感知的测量工具的重要进展，使其更具实用性和可扩展性，适用于临床应用。”
未来的研究将集中在扩展数据采样和微调模型，以便在手术室中实施，实现对痛觉感知的实时预测，这将帮助麻醉师或重症监护医生进行药物剂量决策。展望未来，这种建模还可能导致自动化系统，在麻醉师的监督下管理药物剂量。
“我们的研究是开发追踪外科痛觉感知的客观工具的重要一步，”作者总结道。“这些工具可能使在其他复杂临床环境中，包括重症监护室，客观评估痛觉感知成为可能，并为管理疼痛的先进闭环控制系统铺平道路。”
除了苏布拉马尼安和布朗之外，研究团队还包括布赖恩·曾、玛尔西拉·德尔·卡门、安娜凯瑟琳·古德曼、道格拉斯·达尔和里卡多·巴尔比埃里。
这项研究得到了JPB基金会、皮考尔学习与记忆研究所、乔治·J·埃尔鲍姆（MIT ’59，SM ’63，PhD ’67）、米米·詹森、黛安·B·格林（MIT，SM ’78）、门德尔·罗森布隆、比尔·斯万森、凯西和卢·帕利亚的资助，以及来自麻醉学倡议基金的年度捐赠者、国家科学基金会和麻省理工学院研究生教育办公室的Colabmore-Rogers奖学金的额外支持。
