• Langue : Français
• Discipline : Anesthésie-Réanimation
• Identifiant : 2025ULILS040
• Type de thèse : Doctorat
• Date de soutenance : 05/12/2025

Résumé en langue originale

Au cours de l’anesthésie générale, le rôle du médecin anesthésiste consiste à adapter les différentes composantes hypnotiques et morphiniques afin d’assurer narcose et analgésie. Cependant, la variabilité interindividuelle associée à chaque médicament rend l’optimisation de leur administration complexe, en particulier sans l’aide de monitoring spécifique. Un déséquilibre de la balance anti-nociception/nociception expose le patient à un risque de sous-dosage (risque d’un excès de nociception), ou à l’inverse, à un risque de surdosage. Le monitorage de l’effet pharmacodynamique des agents administrés semble donc indispensable, mais relève encore de la recherche clinique. Ce monitorage se base sur des mesures indirectes de la réaction du système nerveux autonome (SNA). L’indice ANI (qui mesure la composante parasympathique du SNA) est validé pour estimer la balance anti-nociception/nociception ; il peut servir à guider l’administration des opioïdes en per-opératoire. Par ailleurs, l’automatisation en anesthésie offre la perspective de personnaliser en temps réel l’administration des agents anesthésiques. L’objectif de la première partie de ce travail était d’évaluer la faisabilité d’une régulation automatisée de rémifentanil (opioïde de courte durée d’action) sur la base de l’indice ANI. L’administration automatique de rémifentanil a démontré de bonnes performances en termes de réduction de la dose administrée et d’amélioration de la stabilité hémodynamique par comparaison avec la régulation manuelle. Un système de surveillance complémentaire de la pression artérielle non invasive permettrait d’améliorer encore la sécurité et l’efficacité d’une administration automatique des médicaments de l’anesthésie. La deuxième partie du travail s’est intéressée au développement d’une solution de détection des hypotensions, fondée sur l’analyse d’un ensemble de paramètres issus de la variabilité du rythme cardiaque. L’algorithme de classification utilisé, de type Random Forest, a démontré de bonnes performances et pourrait permettre de détecter une éventuelle hypotension entre deux cycles programmés de mesure non invasive. Un diagnostic précoce des hypotensions permettrait leur prise en charge rapide et d’améliorer ainsi le devenir des patients. L’automatisation est aujourd’hui une réalité et offre des performances parfois supérieures à l’Homme dans de nombreux domaines y compris en anesthésie. Toutefois, la diffusion de cette technologie nécessite un contrôle rigoureux des paramètres intégrés aux algorithmes de régulation et des mécanismes garantissant la sécurité des patients.Nos travaux s’intègrent dans un projet plus global porté conjointement par les équipes GRITA et du CIC-IT du CHU de Lille. Leur finalité vise à développer un dispositif médical innovant permettant la régulation automatisée et simultanée de trois composantes de l’anesthésie : hypnotique, anti-nociceptive et hémodynamique.

Résumé traduit

During general anaesthesia, the anaesthetist's role is to adjust the various hypnotic and morphine-based components to ensure narcosis and analgesia. However, interindividual variability in response to these drugs complicates optimal dosing, particularly in the absence of specific monitoring tools. An imbalance in the anti-nociception/nociception balance may result in underdosing (excessive nociception) or overdosing. Therefore, monitoring the pharmacodynamic effect of the administered agents seems essential, but is still the subject of clinical research. This monitoring is based on indirect measurements of the autonomic nervous system (ANS) response. The ANI index, which measures the parasympathetic component of the ANS, has been validated for estimating the anti-nociception/nociception balance and can be used to guide opioid administration during surgery. Furthermore, automated anaesthesia offers the prospect of personalizing the administration of anaesthetic agents in real time. The objective of the first part of this study was to evaluate the feasibility of automated regulation of rémifentanil (a short-acting opioid) based on the ANI index. Automatic administration of rémifentanil was found to be effective in reducing the administered dose and improving haemodynamic stability, compared to manual regulation. The safety and efficacy of automatic administration of anaesthetic drugs could be further improved with a complementary non-invasive blood pressure monitoring system. The second part of the study focused on developing a solution for detecting hypotension based on analysing a set of parameters derived from heart rate variability. The Random Forest classification algorithm used has demonstrated good performance and could enable the detection of possible hypotension between two programmed non-invasive measurement cycles. Early diagnosis of hypotension would allow for rapid treatment and improve patient outcomes.Automation is now a reality and sometimes outperforms humans in many areas, including anaesthesia. However, the use of this technology must be rigorously controlled to ensure patient safety. Our work forms part of a larger project led collaboratively by the GRITA and CIC-IT teams at Lille University Hospital. The project aims to develop an innovative medical device that can automatically and simultaneously regulate three components of anaesthesia: hypnotic, antinociceptive and haemodynamic.