Adaptief multi-drug infuusregelsysteem voor algemene anesthesie bij grote chirurgische ingrepen (AMICAS)

Een belangrijke uitdaging bij anesthesie is het aanpassen van de infusiesnelheden op basis van de waargenomen respons van de patiënt op chirurgische stimuli. De patiëntenmodellen zijn gebaseerd op nominale populatiekarakteristieke respons en missen specifieke chirurgische effecten. Bij grote chirurgische ingrepen (bv. hartchirurgie, transplantatie, obese patiënten) is de onzekerheid bij de modellering het gevolg van aanzienlijke bloedverliezen, afwijkende geneesmiddelverspreiding, synergie/antagonisme van geneesmiddeleffecten, anesthesie-hemodynamische interacties, enz. Dit complexe optimalisatieprobleem vereist bovenmenselijke capaciteiten van de anesthesist.

Computergestuurde anesthesie is het antwoord op de vraag hoe de beste resultaten van een operatie kunnen worden bereikt. Hoewel het er weinig zijn, melden klinische studies dat computergestuurde anesthesie voor één of twee geneesmiddelen beter presteert dan manueel beheer. In werkelijkheid wordt in de klinische praktijk een optimalisatieprobleem voor meerdere geneesmiddelen beperkt, terwijl tegelijkertijd rekening wordt gehouden met de grote onzekerheid van het patiëntmodel. De anesthesist neemt beslissingen op basis van toekomstige handelingen van de chirurg en de verwachte reactie van de patiënt. Dit is een voorspellende controlestrategie, een volwassen methodologie in systeem- en regeltechniek met potentieel voor snellere hersteltijden en een lager risico op complicaties.

Het doel van AMICAS is om de reikwijdte en het klinisch gebruik van computer-gebaseerde beperkte optimalisatie van multi-drug infusiesnelheden voor anesthesie met sterke effecten op hemodynamica te bevorderen. Wij zijn van plan om multivariabele modellen te identificeren en de grote onzekerheden in de respons van de patiënt te minimaliseren. Met aanpassingsmechanismen van nominale naar individuele patiëntmodellen, ontwerpen we multivariabele optimale predictieve controlemethodologieën om sterk gekoppelde dynamica te beheersen. Om de performantie van de gesloten lus te maximaliseren, modelleren we de chirurgische stimulus als een gekend stoorsignaal en bijkomende bolus infusies van de anesthesist als gekende inputs.

 De integratie van menselijke expertise met computeroptimalisatie biedt een succesvolle oplossing voor doorbraak naar de klinische praktijk.