「痛覚」を定量化する研究は、手術の痛みの管理を改善するのに役立つ可能性がある | MIT ニュース

手術を受ける患者の潜在意識における痛みの処理、つまり「痛覚」が麻酔科医によって適切に管理される程度は、手術後に患者が経験する薬の副作用の程度と、患者がさらに必要とする痛みの管理の必要性に直接影響します。しかし、痛みは患者が目覚めているときでさえ測定が難しい主観的な感覚であり、ましてや無意識の場合には測定が困難です。

新しい 研究は 米国科学アカデミー紀要、 MIT とマサチューセッツ総合病院 (MGH) の研究者らは、手術中の痛覚を客観的に定量化した一連の統計モデルを発表しました。最終的には、麻酔科医が薬剤投与量を最適化し、術後の痛みや副作用を最小限に抑えられるようになることを期待しています。

新しいモデルは、MGHでの男性と女性の腹部手術101件の18,582分間にわたって綿密に記録されたデータを統合します。 サンディア・スブラマニアン カリフォルニア大学バークレー校とカリフォルニア大学サンフランシスコ校の助教授で、21年に博士号を取得した研究者は、患者が合計49,878の異なる「侵害受容刺激」（切開や焼灼など）を経験した際に5つの生理学的センサーからデータを収集し、分析しました。さらに、研究チームは、侵害受容や心血管測定への影響を考慮するために、投与された薬剤とその量と時期を記録しました。その後、すべてのデータを使用して、侵害受容刺激に対する身体の反応を遡及的に示すのに優れた一連の統計モデルを開発しました。

チームの目標は、手術中に鎮痛剤を投与する方法を決める際に、現在、直感と過去の経験に大きく依存している麻酔科医に、正確で客観的、かつ生理学的に原理化された情報をリアルタイムで提供することにある。麻酔科医が投与量が多すぎると、患者は吐き気からせん妄までさまざまな副作用を経験する可能性がある。投与量が少なすぎると、患者は目覚めた後に過度の痛みを感じる可能性がある。

「サンディアの研究は、全身麻酔中の疼痛（無意識の痛み）を理解し測定するための原理的な方法を確立するのに役立ちました」と研究の主任著者は述べています。 エメリー・N・ブラウン、MIT ピコワー学習記憶研究所、医療工学科学研究所、脳認知科学部の医療工学および計算神経科学のエドワード・フッド・タプリン教授。ブラウンは MGH の麻酔科医であり、ハーバード大学医学大学院の教授でもある。「私たちの次の目標は、サンディアの研究から得た洞察を、麻酔科医が手術中に使用できるように信頼性が高く実用的なものにすることです。」

外科手術と統計

この研究は、2017年にブラウン研究室でスブラマニアン博士の博士論文プロジェクトとして始まった。痛覚を客観的にモデル化するこれまでの最良の試みは、心電図（心拍変動の間接的な指標であるECG）のみ、または複数の測定を組み込む可能性のある他のシステムに依存していたが、手術の痛みとは強度が比較にならない痛み刺激を使用した実験室実験に基づいていたか、複数の患者の手術にわたるいくつかの時点のみを統計的に集計することによって検証されていたとスブラマニアン氏は言う。

「手術室以外に手術の痛みを研究できる場所はありません」とスブラマニアン氏は言う。「私たちは手術データを使ってアルゴリズムを開発するだけでなく、実際にそれを使いたい状況で検証したいと考えていました。個々の手術中に瞬間ごとの痛覚を追跡するよう依頼するのであれば、同じように検証する必要があります。」

そこで彼女とブラウンは、実際の手術の全過程を通じてマルチセンサーデータを収集し、投与された薬剤の交絡効果を考慮することで、最先端の技術を進歩させるべく取り組みました。こうして、手術中ずっと同じ患者に有効な正確な予測ができるモデルを開発したいと考えました。

チームが達成した改善の一部は、心拍数と皮膚伝導度のパターンを追跡することで生じた。これら2つの生理学的要因の変化は、痛覚や痛みに対する身体の原始的な「闘争・逃走」反応の兆候である可能性があるが、手術中に使用される一部の薬剤は、 心血管の状態に直接影響する一方、皮膚伝導度（または皮膚電気活動「EDA」）は影響を受けません。この研究では、ECGだけでなく、心拍数の光学的測定であるPPG（スマートウォッチの酸素センサーのような）も測定しています。これは、手術室で鳴り響く電気機器のせいで、ECG信号がノイズだらけになることがあるためです。同様に、スブラマニアン氏は、発汗による皮膚伝導度の変化が痛覚によるものであり、単に患者が暑すぎるからではないことを確認するために、EDA測定を皮膚温度測定でバックアップしました。この研究では、呼吸も追跡しました。

次に、著者らは統計分析を行い、心血管および皮膚伝導信号のそれぞれから生理学的に関連する指標を開発しました。そして、各指標が確立されると、さらに統計分析を行うことで、指標をまとめて追跡し、痛覚の発生時期と身体の反応について正確かつ原理に基づいた予測ができるモデルを作成することができました。

痛覚を捉える

モデルの 4 つのバージョンで、サブラマニアン氏は実際の痛覚刺激がいつ発生したかに関する情報をモデルに与えて「教師あり」にし、生理学的測定値と痛みを誘発するイベントの発生率との関連性を学習できるようにした。これらのトレーニング済みバージョンの一部では薬物情報を省き、他のバージョンでは異なる統計的アプローチ (「線形回帰」または「ランダム フォレスト」) を使用した。「状態空間」アプローチに基づくモデルの 5 番目のバージョンでは、モデルを教師なしのままにした。つまり、モデルは生理学的指標のみから痛覚の瞬間を推測することを学習する必要があった。彼女はモデルの 5 つのバージョンすべてを、現在の業界標準の 1 つである ANI と呼ばれる ECG 追跡モデルと比較した。

各モデルの出力は、予測される痛覚の度合いを時間経過とともにプロットしたグラフとして視覚化できます。ANI は偶然よりわずかに優れたパフォーマンスを発揮しますが、リアルタイムで実装されます。教師なしモデルは ANI よりも優れたパフォーマンスを発揮しましたが、教師ありモデルほどではありませんでした。教師ありモデルの中で最も優れたパフォーマンスを発揮したのは、薬物情報を組み込み、「ランダム フォレスト」アプローチを使用したモデルでした。それでも、著者らは、教師なしモデルが偶然よりも大幅に優れたパフォーマンスを発揮したという事実は、さまざまな患者に目を向けても、身体の痛覚状態の客観的に検出可能な特徴が確かに存在することを示唆していると指摘しています。

「多感覚生理学的観察を用いた状態空間フレームワークは、複数の被験者にわたって一貫した定義でこの暗黙の痛覚状態を明らかにするのに効果的です」と、スブラマニアン、ブラウン、および共著者らは書いています。「これは、痛覚の『真実』情報を含めずに痛覚を追跡する指標を定義するための重要なステップであり、臨床現場での拡張性と実装に最も実用的です。」

実際、研究の次のステップは、データ サンプリングを増やし、モデルをさらに改良して、最終的に手術室で実践できるようにすることです。そのためには、事後分析ではなく、リアルタイムで痛覚を予測できるようにする必要があります。その進歩が達成されれば、麻酔科医や集中治療医は鎮痛薬の投与量の判断に役立てることができます。さらに将来的には、麻酔科医の監視下で自動的に薬を投与するクローズド ループ システムにモデルが役立つ可能性があります。

「私たちの研究は、外科的疼痛を追跡するための客観的なマーカーの開発に向けた重要な第一歩です」と著者らは結論付けています。「これらのマーカーは、ICUなどの他の複雑な臨床現場での疼痛の客観的な評価を可能にします。 [intensive care unit]、また、痛覚に対する閉ループ制御システムの将来の開発を促進することになるだろう。」

論文の著者は、スブラマニアン氏とブラウン氏のほか、ブライアン・ツェン氏、マルセラ・デル・カルメン氏、アネキャスリン・グッドマン氏、ダグラス・ダール氏、リカルド・バルビエリ氏である。

この研究は、JPB 財団、ピコワー研究所、ジョージ J. エルバウム (1959 年卒業、SM ’63 年卒業、PhD ’67 年卒業)、ミミ ジェンセン、ダイアン B. グリーン (SM ’78 年卒業)、メンデル ローゼンブラム、ビル スワンソン、キャシーおよびルー パグリア、麻酔イニシアチブ基金への年間寄付者、国立科学財団、および MIT 大学院教育局コラボモア ロジャース フェローシップからの資金提供を受けて行われました。