Solutions de monitorage augmenté par l'IA pour les patients anesthésiés – Anesth-IA

L'anesthésie générale, bien que courante avec 12 millions de cas par an en France représente des défis socioéconomiques majeurs. En effet, 15 à 25% des patients développent des complications postopératoires, augmentant la mortalité, les troubles neurocognitifs et pesant sur nos systèmes de santé. L'hypotension peropératoire est un facteur de risque, mais considérer la pression artérielle seule ne suffit pas pour éviter ces complications. Il faut intégrer les interactions entre la pression artérielle, la fonction cérébrale sous anesthésie et le dosage d’anesthésiques. Or, aucun modèle actuels ne prend en compte cette synergie complexe.
Le projet Anesth-IA vise à pallier cette lacune en développant un outil d'aide à la décision pour personnaliser l'administration des médicaments anesthésiques, dans le but de prévenir les complications postopératoires. Cet outil recommandera la stratégie optimale pour définir la profondeur d’anesthésie et la pression artérielle pendant l'anesthésie, à partir de signaux physiologiques non-invasifs, collectés en routine, et conçu pour une utilisation en salle d'opération.
Nous avons constitué une base de données physiologiques sous anesthésie de 50 To. Nous abordons désormais le défi de l’acquisition et du traitement de ces données en temps réel. L'outil Anesth-IA emploie des techniques telles que la photopléthysmographie pour mesurer la pression artérielle et l'EEG pour évaluer la fonction cérébrale, s'appuyant sur des outils d'intelligence artificielle, notamment les réseaux de neurones et des méthodes telles que les mélanges de gaussiennes. Par des modèles mathématiques pharmacologiques. Anesth-IA vise à guider les cliniciens dans la personnalisation de l'anesthésie et de la pression artérielle, pour réduire la survenue d’événement à risque.
Anesth-IA intègre la modélisation mathématique de données intraopératoires multimodales est en accord avec les sujets de recherche H.14 de l'appel AAPG2024. Notre méthodologie intègre aussi la gestion des données, de la collecte à l'application. Le projet est divisé en trois axes : WP1, collecte de données en temps réel, WP2 modélisation de l’interaction vaisseau-cerveau et WP3 mise en place de l'outil d'aide à la décision au bloc opératoire.