Quais são as abordagens comuns para medir a profundidade da anestesia na aplicação clínica e como avaliamos os algoritmos utilizados?

O monitoramento da profundidade da anestesia (DoA) em tempo real durante a cirurgia clínica é crucial. Se a profundidade da anestesia não for adequada, os pacientes podem experimentar consciência intraoperatória, resultando em sintomas de transtorno de estresse pós-traumático em até 70% desses pacientes [1]. Por outro lado, se a profundidade da anestesia for muito profunda, a recuperação pós-operatória pode ser retardada, potencialmente causando danos ao sistema neural e até aumentando a mortalidade pós-operatória [2].

O uso da eletroencefalografia (EEG) tornou-se popular no campo da anestesia para avaliar quantitativamente a profundidade da anestesia durante procedimentos cirúrgicos. A Figura 1 mostra as alterações que seriam observadas em um EEG após a sedação.

Figura 1. Alterações no EEG após sedação/hipnose [3].

Vários dispositivos comerciais estão disponíveis para monitorar a profundidade da anestesia que usam vários algoritmos quantitativos de EEG para converter a saída do EEG em uma escala numérica ou categoria de letras, que podem ser usados por anestesiologistas em tempo real para orientar a dosagem de anestesia, prevenir a consciência operatória não intencional e evitar anestesia leve ou excessivamente profunda. Estes incluem BIS (Baseado no índice BIS da Medtronic, EUA), Narcotrend (Baseado na análise espectral e reconhecimento de padrões pela Narcotrend-Gruppe, Alemanha), Entropia (Baseado em medidas de entropia pela GE Healthcare) e SEDLine (Baseado na análise espectral pela Masimo Corporation), cada um dos quais são descritos abaixo.

Índice bispectral (BIS)

O BIS é um índice adimensional que é calculado a partir do sinal do EEG e varia de 100 (destinado a indicar totalmente acordado) a 0 (destinado a indicar nenhuma atividade de EEG) e usado em produtos comerciais. Durante a anestesia, valores entre 40 e 60 são recomendados para minimizar a probabilidade de consciência e evitar anestesia profunda e seus efeitos colaterais. Um subparâmetro conhecido como razão de supressão (SR) também é dado pelo algoritmo BIS. O SR é uma estimativa do nível de supressão de rutura, descrevendo a porcentagem do traço de EEG anterior de 63 segundos que é isoelétrico. Mostra-se fortemente correlacionado com cálculos de supressão de burst retirados de gravações de EEG padrão [4].

BIS é um algoritmo proprietário e detalhes completos sobre como exatamente este parâmetro é calculado não está disponível, embora seja suposto depender do biespectro que é a diferença de fase calculada entre sinais em várias frequências. Um estudo recente afirma ter feito engenharia reversa do algoritmo e, surpreendentemente, descobriu que a pontuação do BIS calculada por suas implementações não depende do biespectro como anunciado, mas que os valores do BIS são controlados principalmente pela potência do sinal nas bandas gama mais baixas (30–47 e 40–47 Hz) [5]! No entanto, como o algoritmo BIS original não é tornado público, é difícil chegar a qualquer conclusão sobre como o BIS é calculado exatamente.

Medidas baseadas na entropia

Acredita-se que o EEG possa ser melhor descrito usando dinâmica não linear do que medidas lineares simples, como análise espectral de potência. Uma maneira de medir a dinâmica não-linear é usando entropia. Várias variantes de medidas de entropia tanto no domínio do tempo quanto da frequência, incluindo entropia espectral, entropia amostral, entropia aproximada, etc., têm sido usadas para medir a DoA. Por exemplo, a entropia espectral, que é uma medida da regularidade da frequência dos sinais do EEG, é obtida através da aplicação da entropia de Shannon ao espectro de potência do EEG. O monitor DoA desenvolvido pela GE Healthcare divide a entropia espectral em entropia relativa (RE), que é uma medida que analisa a atividade cerebral e a atividade muscular na faixa de frequência de 0 a 47 Hz e a entropia de estado (SE), que analisa apenas a atividade cerebral na faixa de frequência de 0 a 32 Hz. Esses índices são então usados para categorizar o EEG, como mostra a Figura 2.

Figura 2: Classificação do EEG baseada em ER e SE [6].

Frequência de bordas espectrais (SEF)

O SEF é uma medida da frequência em que uma determinada percentagem da potência total do EEG está concentrada. Por exemplo, o SEF90 e o SEF95 são derivados calculando a frequência que separa 90% e 95% da área do espectro de potência dos 10% e 5% da área, respectivamente. Valores mais baixos de SEF indicam um nível mais profundo de anestesia. No entanto, salienta-se que o SEF é fortemente dependente de filtros aplicados ao sinal bruto do EEG e reflete mal o centro da distribuição do espectro de potência e as atividades nas bandas de baixa frequência. Ele também comprime a forma de onda do EEG em um único número, perdendo informações sobre frequências de EEG mais lentas. Estudos têm demonstrado que o SEF pode correlacionar-se estreitamente com as concentrações séricas de certos anestésicos como tiopental, etomidato e fentanil, mas também pode esconder mudanças na atividade do EEG da banda alfa para bandas de baixa frequência.

Frequência mediana (MF)

A frequência mediana é definida como a frequência de um espectro de potência em que 50% da potência está em frequências mais baixas e 50% da potência está em frequências mais altas. A MF foi uma das primeiras medidas de EEG processadas introduzidas no uso clínico e, tipicamente, a frequência mediana de pacientes acordados está em um nível de 12 Hz. Durante a anestesia, a frequência mediana muda para níveis mais baixos, sendo encontradas frequências de cerca de 2-3 Hz, ou seja, valores mais baixos de MF indicam um nível mais profundo de anestesia. Estudos têm demonstrado que a MF é eficaz na quantificação da profundidade da anestesia com vários anestésicos, e verificou-se um melhor desempenho em comparação com a frequência da borda espectral quando o etomidato foi usado. No entanto, alguns estudos sugerem que uma distribuição multimodal complexa como o espectro de potência do EEG não pode ser descrita por um único valor, mas mudanças brutas no espectro de potência podem ser razoavelmente determinadas utilizando o MF.

Figura 3. Ilustração de um espectro de potência do EEG. O MEF é a frequência que divide a curva do espectro de potência ao meio. O SEF80 divide a curva em 90% e 10% [3 Tonner e Bein 2006].

Avaliação dos algoritmos

Como mencionado anteriormente, os detalhes algorítmicos exatos usados nesses dispositivos não são conhecidos, pois são proprietários, embora algumas informações estejam disponíveis sobre o tipo de medidas de EEG que eles usam para chegar a um único número/letra. Além dos descritos, novos algoritmos continuam a ser propostos para medir a profundidade da anestesia. A maioria destas medidas baseia-se igualmente na análise da entropia/complexidade e na análise espectral de potência [por exemplo, ver 7-9]. No entanto, vários fatores, como a idade, o sexo, a história clínica e o tipo e a dose de agentes anestésicos utilizados, podem afetar o sinal do EEG e, portanto, pode ser difícil interpretar com precisão esses sinais e usá-los para determinar o nível de consciência do paciente. Não existem estudos de validação em larga escala que contabilizem estes fatores e os métodos propostos são geralmente testados em amostras de menor dimensão e não contabilizam os fatores acima mencionados. Além disso, há falta de protocolos padronizados para monitoramento e interpretação desses sinais, o que pode levar a inconsistências nos dados e resultados.

Como podemos medir eficazmente o sucesso destas medidas? Uma maneira é olhar para certos resultados clínicos. Estes podem incluir a incidência de consciência durante a anestesia, disfunção cognitiva pós-operatória (DCPO), delírio pós-operatório e ocorrência de complicações pós-operatórias, incluindo mortalidade. Além disso, a duração da recuperação pós-operatória, o tempo de internação hospitalar e o custo dos cuidados pós-operatórios também podem ser utilizados como indicadores dos resultados pós-operatórios. Em uma postagem de blog subsequente, analisaremos avaliações conhecidas para descrever o sucesso atual e os desafios restantes.

Referências

1. “The effect of bispectral index monitoring on long-term survival in the B-aware trial.” Anestesia e Analgesia 110.3 (2010): 816-822.
2. “Monitoramento da profundidade da anestesia através do uso de medidas hemodinâmicas cerebrais baseadas no algoritmo de entropia da amostra.” Transações IEEE em Engenharia Biomédica 67.3 (2019): 807-816.
3. Tonner, P. H. e B. Bein. “Parâmetros eletroencefalográficos clássicos: frequência mediana, frequência de borda espectral, etc.” Melhores Práticas e Investigação em Anestesiologia Clínica 20.1 (2006): 147-159.
4. “O uso do índice bispectral para monitorar o coma barbitúrico em pacientes com lesão cerebral grave com hipertensão intracraniana refratária.” Anestesia e Analgesia 107.5 (2008): 1676-1682.
5. Connor CW (outubro de 2022). “Reimplementação Aberta dos Algoritmos BIS para Profundidade de Anestesia”. Anestesia e Analgesia. 135 (4): 855–864. DOI:10.1213/ANE.0000000000006119. PMC 9481655. PMID 35767469.
6. https://clinicalview.gehealthcare.com/quick-guide/entropy-monitoring-valuable-tool-guiding-delivery-anesthesia
7. “Comparação de medidas de entropia e complexidade para a avaliação da profundidade de sedação.” Transações IEEE em Engenharia Biomédica 53.6 (2006): 1067-1077.
8. “Análise do EEG via decomposição de modo empírico multivariado para profundidade de anestesia com base na entropia da amostra.” Entropia 15.9 (2013): 3458-3470.
9. Zhang, X-S., Rob J. Roy e Erik W. Jensen. “Complexidade do EEG como medida de profundidade da anestesia para pacientes.” Transações IEEE em engenharia biomédica 48.12 (2001): 1424-1433.