La APSF premia a los ganadores de las becas de 2020

Steven K. Howard, MD

El programa de la APSF para estudios desarrollados por investigadores respalda la Misión, que incluye el objetivo de mejorar continuamente la seguridad de los pacientes durante la atención con anestesia promoviendo y desarrollando la investigación y la educación sobre seguridad. La APSF ha financiado con más de 9 millones de dólares la investigación en seguridad del paciente desde 1987 para ayudar a alcanzar este objetivo. Las becas de este año se centran en dos problemas de seguridad históricos relacionados con la anestesia: la hipertermia maligna y la evaluación de las vías respiratorias.

El programa de becas de la APSF 2019-2020 para estudios desarrollados por investigadores recibió 27 cartas de intención, que fueron presentadas a principios de febrero de 2019. Después de una evaluación exhaustiva, se invitó a cinco equipos para que presentaran sus propuestas completas. El 19 de octubre, el Comité de Evaluación Científica se reunió en Orlando, Florida, durante la reunión nacional de la Sociedad Americana de Anestesiólogos (American Society of Anesthesiologists) para hacer recomendaciones de financiación al Directorio de la APSF. Se revisaron dos recomendaciones y, posteriormente, se aceptaron.

Los investigadores principales de la beca de la APSF de este año dieron estas descripciones de los trabajos que plantearon.

Sheila Riazi, MSc, MD, FRCPC

Sheila Riazi, MSc, MD, FRCPC

Sheila Riazi, MSc, MD, FRCPC

Profesora asociada, Departamento de Anestesia, University Health Network, University of Toronto, Toronto, Canadá.

La propuesta de la Dra. Riazi se titula Una prueba de diagnóstico mínimamente invasiva para la hipertermia maligna.

Marco general: La hipertermia maligna (MH) es un trastorno hereditario potencialmente mortal inducido por ciertos anestésicos. Aunque es poco frecuente, la crisis de hipertermia maligna es uno de los resultados adversos más temidos de la anestesia porque 1 de cada 10 pacientes muere y 1 de cada 3 tiene complicaciones.1,2 Por lo tanto, es esencial prevenir la exposición de pacientes propensos a tener MH, a los anestésicos que la causan. Sin embargo, la detección de MH en los pacientes sigue siendo un desafío, ya que las pruebas genéticas identifican a solo a la mitad de todas las personas propensas.2 El test estándar de diagnóstico que se usa en la actualidad para determinar la propensión a la MH es el test de contractura con halotano/cafeína (CHCT), tiene una sensibilidad entre un 97% y un 100%, pero es invasivo y costoso. Además, requiere viajar a uno de los pocos centros especializados de todo el mundo porque la prueba debe completarse durante las 5 horas posteriores a la biopsia muscular. Por lo tanto, solo alrededor del 4% de las personas con sospecha de propensión a MH se someten a la prueba de diagnóstico estándar.3

El test de liberación de calcio inducido por calcio (CICR) es una alternativa menos invasiva para diagnosticar la propensión a MH. A diferencia de la CHCT, la prueba de CICR requiere una pequeña muestra muscular que se puede tomar en la consulta de un médico y se envía para que la analicen en un centro de pruebas especializado hasta 72 horas después de la biopsia. Además de estas ventajas, la CICR es la prueba estándar de diagnóstico de propensión a MH en Japón, pese a la falta de una validación rigurosa frente a la CHCT estándar.4 Actualmente, nuestro centro de pruebas de MH es el único sitio en todo el mundo que tiene la experiencia para hacer las pruebas CHCT y CICR, lo que ubica a nuestro equipo de investigación en una posición privilegiada. Por lo tanto, proponemos un estudio prospectivo unicéntrico de cohortes para validar la prueba alternativa CICR frente a la CHCT estándar haciendo ambas pruebas simultáneamente en muestras de todos los pacientes derivados a nuestro centro.

Objetivos: Nuestro objetivo general es demostrar que la prueba alternativa CICR es un reemplazo adecuado de la CHCT estándar para diagnosticar la propensión a la MH. Dadas las ventajas de la CICR frente a la CHCT, nuestro objetivo principal es evaluar si la sensibilidad de la prueba alternativa CICR es superior al 80%, usando la CHCT como estándar de referencia. Nuestra información preliminar ha comprobado la viabilidad de la CICR y ha mostrado resultados prometedores.

Implicaciones: Esta investigación será la primera en validar la CICR frente a la CHCT aprovechando nuestra posición exclusiva como el único laboratorio en el mundo con experiencia en ambas pruebas. Este trabajo no solo podría aumentar el uso de una prueba de diagnóstico menos costosa y menos invasiva, sino que también podría incrementar el uso de los tests de propensión a MH por encima del 4% actual y eso, en definitiva, mejoraría la seguridad del paciente.

Financiamiento: USD 137 449 (desde el 1 de enero de 2020 hasta el 31 de diciembre de 2021). Esta beca se dio como Premio de Investigación de los Presidentes de la APSF/ASA. La Dra. Riazi también recibió el Premio al Mérito Ellison C. “Jeep” Pierce, Jr., MD, que aporta otra cantidad sin restricciones de USD 5000.

Referencias

  1. Larach MG, Gronert GA, Allen GC, et al. Clinical presentation, treatment, and complications of malignant hyperthermia in North America from 1987 to 2006. Anesth Analg. 2010;110:498–507.
  2. Riazi S, Kraeva N, Hopkins PM. Malignant Hyperthermia in the postgenomic era: new perspective on an old concept. Anesthesiology. 2018;128:168–180.
  3. Jones PM, Allen BN, Cherry RA, et al. Association between known or strongly suspected malignant hyperthermia susceptibility and postoperative outcomes: an observational population-based study. Can J Anaesth. 2019;66:161–181.
  4. Oku S, Mukaida K, Nosaka S, et al. Comparison of the in vitro caffeine-halothane contracture test with the Ca-induced Ca release rate test in patients suspected of having malignant hyperthermia susceptibility. J Anesth. 2000;14:6–13.

 

Scott Segal, MD

Scott Segal, MD

Scott Segal, MD

Thomas H. Irving, profesor y presidente, Departamento de Anestesiología,Facultad de Medicina Wake Forest

El proyecto del Dr. Segal se titula Desarrollo de algoritmos de aprendizaje automático para predecir el manejo de la vías aérea difícil.

Marco general: El manejo exitoso de las vía aérea es fundamental para el funcionamiento seguro de la anestesia, y los errores en ese manejo siguen siendo una de las principales causas de muerte y enfermedades graves relacionadas con la anestesia.1 Mientras que la evaluación preoperatoria de la vía aérea se considera el estándar de atención en todo el mundo, entre el 75% y el 93% de las intubaciones complicadas son imprevisibles, y todos los sistemas de exámenes de la vía aérea que se hacen con facilidad en la práctica clínica sirven poco para detectar las intubaciones complicadas.2 Proponemos crear un sistema de aprendizaje automático basado en el análisis de fotografías faciales que podría superar las pruebas convencionales de cabecera y a los expertos, y podría mejorar el manejo de la vía aérea y la seguridad del paciente. El trabajo previo de nuestro grupo demostró que un algoritmo basado en el análisis computarizado supervisado (es decir, asistido por humanos) de imágenes faciales combinadas con distancia tiromentoneana (TMD) puede superar las pruebas clásicas de cabecera y a los expertos humanos.3 Aquí proponemos ampliar este trabajo mediante el desarrollo de algoritmos computarizados sin ningún tipo de supervisión, basados en la extracción de características de fotografías faciales por redes neuronales contorneadas (CNN).

Objetivos: La tecnología de CNN ya existe para la extracción de características deterministas de alta precisión de las vistas frontales de la cara y se emplea ampliamente en aplicaciones de reconocimiento facial. Desarrollaremos un extractor de características similar basado en CNN a partir de vistas del perfil de la cara, que probablemente tenga información importante sobre la posible dificultad de la intubación (objetivo 1). Después, fusionaremos esta información con la información de la cara frontal, los datos demográficos del paciente y la información de cabecera sobre la vía aérea (TMD y clasificación de Mallampati [MP]), y prepararemos un algoritmo avanzado para clasificar las caras como fáciles o difíciles de intubar según la observación prospectiva de los datos reales durante la inducción de anestesia general (objetivo 2). Compararemos el desempeño del algoritmo derivado con MP + TMD en el conjunto de datos de derivación y en un conjunto de datos de validación independiente. Probaremos la hipótesis de que el algoritmo derivado de la computadora superará las pruebas clásicas de cabecera y mejorará la predicción de una intubación complicada. Finalmente, construiremos una herramienta de introducción de datos basada en teléfonos inteligentes para capturar fotografías, información demográfica del paciente e información de cabecera sobre los exámenes de la vía aérea y transmitirlos a una base de datos en línea cifrada que cumpla lo que establece la Ley de Portabilidad y Responsabilidad de Seguros Médicos (HIPAA) (objetivo 3). Esto sentará las bases para una futura herramienta de predicción de la vía aérea completamente automatizada, basada en nuestros métodos derivados de esta investigación.

Implicaciones: La falla del manejo de la vía aérea sigue siendo la causa número uno de mortalidad relacionada con la anestesia, y las intubaciones más complicadas son imprevisibles, pero hay directrices bien establecidas y opciones cada vez más diversas para el manejo de las vías respiratorias complicadas previsibles.4 Por lo tanto, cualquier mejora en la predicción de la vía aérea probablemente mejore la seguridad del paciente. El manejo incorrecto de la vía aérea es aún más frecuente fuera del quirófano, y la mejora de la seguridad puede ser más significativa en el departamento de urgencias, en la unidad de cuidados intensivos (UCI) o en el entorno prehospitalario. Nuestra propuesta está estrechamente alineada con las prioridades de financiación actuales de la APSF, ya que comprende a una gran cantidad de pacientes, incluyendo a los más saludables, usa tecnología de información avanzada para prevenir daños y se centra en una complicación poco frecuente, pero devastadora: la intubación complicada o errónea. En el futuro, también se podrían hacer modelos para la predicción de dificultades en otros aspectos del manejo de las vía aérea, incluyendo la ventilación con ambú y mascarilla. La herramienta para introducir los datos podría combinarse con una calculadora de extracción y predicción de características basada en la nube que haga predicciones para los usuarios finales.

Financiamiento: USD 150 000 (desde el 1 de enero de 2020 hasta el 31 de diciembre de 2021). Esta beca se dio como Premio de Investigación de la APSF/Medtronic.

Referencias

  1. Joffe AM, Aziz MF, Posner KL, et al. Management of difficult tracheal intubation: a closed claims analysis. Anesthesiology. 2019;131:818–29.
  2. Cook TM, MacDougall-Davis SR. Complications and failure of airway management. Br J Anaesth. 2012;109 Suppl 1:i68–i85.
  3. Connor CW, Segal S. Accurate classification of difficult intubation by computerized facial analysis. Anesth Analg. 2011;112:84–93.
  4. Apfelbaum JL, Hagberg CA, Caplan RA, et al. Practice guidelines for management of the difficult airway: an updated report by the American Society of Anesthesiologists Task Force on Management of the Difficult Airway. Anesthesiology. 2013;118:251–270.

La APSF quiere agradecer a los investigadores de arriba y a todos los solicitantes de becas por su dedicación a mejorar la seguridad del paciente.

 

El Dr. Howard es anestesiólogo miembro del personal del Sistema de Atención Médica de VA Palo Alto, profesor de Anestesiología en la Facultad de Medicina de Stanford University y presidente del Comité de Evaluación Científica de la APSF.


El Dr. Howard trabaja en el Directorio de la APSF y no tiene otros conflictos de intereses para revelar.