Déterminer l’intensité d’une douleur grâce un dispositif du MIT

C’est lors de la Conférence internationale sur l’informatique affective et l’interaction intelligente, que des chercheurs du MIT ont mis au point un système de premier ordre pour quantifier l’activité cérébrale d’un individu lors d’un événement douloureux. Un système qui, dans le futur, pourrait aider les médecins à traiter la douleur des patients de manière plus précise.

La douleur un sujet mal connu

C’est un fait, la mesure de la douleur n’a jamais été d’une précision absolue, du moins jusqu’à alors. Phénomène peu connu quand bien même sa relative abondance, sa prise en charge au demeurant restait d’une complexité rare. Visant tantôt à soulager le patient, tantôt à éviter le risque de dépendance, les médecins jouaient sur la corde raide pour traiter certaines pathologies très douloureuses justement. Et si cela reste tout de même traitable quand le patient arrive à communiquer, la problématique se complexifie quand ces derniers ne sont plus à même de parler voire même d’interagir avec l’équipe médicale. Cela va des patients âgés, aux enfants, en passant par ceux ayant une pathologie d’ordre psychologique ou démentielle. Ainsi une équipe du MIT a développé une méthode permettant de quantifier la douleur à travers une nouvelle technique d’imagerie appelée spectroscopie. Une technique dans laquelle une batterie de capteurs placés sur le crâne permet une mesure précise des concentrations d’hémoglobine oxygénée suggérant – ou non – une activité neuronale, plus ou moins forte.

Un dispositif d’une précision encore inégalée

Grâce à ce dispositif notamment, les chercheurs sont en mesure de détecter la douleur d’un patient avec une précision de 87 %. Autant dire beaucoup plus précis que les traditionnelles méthodes utilisées pour déterminer, ou non, si un patient ne pouvant communiquer souffre d’une quelconque douleur. “Si nous ne disposons pas d’indicateurs de la douleur ressentie par une personne, son traitement et la conduite d’essais cliniques deviennent complexes. La motivation est de quantifier la douleur de manière objective sans nécessiter la coopération du patient, par exemple lorsqu’un un patient est inconscient lors d’une intervention chirurgicale” explique Daniel Lopez-Martinez, doctorant au programme Harvard-MIT en sciences de la santé et de la technologie.
Car lorsqu’un patient opéré reçoit une anesthésie, des solutions médicamenteuses tenant compte de son âge, de son poids ainsi que de son antécédent lui est administré. Des solutions par toujours en adéquation avec les signaux de douleurs traités par le cerveau. Chose qui, avec ces mesures, permettrait de réduire les douleurs postopératoires et réduire ainsi la posologie des médicaments en conséquence.

Un système amené à évoluer

Car c’est un fait, la précision de ce système n’est encore pas absolue, des méthodes d’apprentissage automatique permettent en temps et en heure de faire évoluer le système fNIRS. À l’aide de capteurs placés sur le pourtour du crâne du patient, différentes longueurs d’onde de lumière infrarouge traversent le crâne – qui absorbe de manière différente ces longueurs d’onde – et donnent en conséquence des signaux modifiés permettant de déterminer avec précision la quantité d’hémoglobine oxygénée et désoxygénée. Une façon permettant de déterminer la douleur grâce à ces taux corrélés à la douleur ressentie par le cerveau. Une façon qui ne cesse d’évoluer et se concentre à l’heure actuelle sur le cortex préfrontal de manière à éviter les interférences émises par d’autres régions du cerveau. Ainsi on table sur le futur, d’une mesure quasi parfaite de la douleur dans le cerveau humain. Une mesure qui prendra tout de même du temps à voir le jour tant la complexité de la manœuvre demeure.

Vers une modélisation personnalisée de la douleur

C’est donc vers une modélisation personnalisée de la douleur que le futur de la médecine se dirige. Une modélisation constituait avec le système d’apprentissage automatique mis au point par l’équipe du MIT, d’abord testé sur 43 patients et qui a donné du relief à cette méthode d’autoapprentissage. De bons augures pour le futur puisqu’à terme le modèle prévoit de s’entraîner sur des échantillons représentant l’ensemble de la population, ce qui permettrait par la même occasion de corréler les données d’une partie précise de l’échantillon, selon l’âge, le poids, les antécédents.
En somme un système innovation qui, selon Daniel Lopez-Martinez “Dispose de bases assez solides pour être intégré à un environnement clinique réel”. Une innovation donc qui sera en passe dans un futur proche de mieux comprendre la douleur et de la traiter plus efficacement tout en réduisant le risque d’erreur et de dépendance.