Tracking consciousness in propofol sedated subjects by point process characterization of HRV and EDA dynamics

Propofol is an intravenous anesthetic used for procedural sedation, during monitored anesthesia care, or as an induction agent for general anesthesia. The administration of propofol produces unconsciousness by creating highly structured oscillations in brain circuits. Moreover, the administration of anesthetics such as propofol causes behavioral and autonomic changes which are worth investigating. In this work, we developed an open-source C++ library for point process analysis built on top of previous literature cite{barbieri2005point} to extract useful features from both Heart Rate Variability (HRV) and Electro Dermal Activity (EDA). Both signals present a point process nature and are relevant indices of autonomic activity, since EDA reflects exclusively the sympathetic arm of the autonomic nervous system, while HRV is affected by both sympathetic and parasympathetic inputs. To further help our model distinguishing between the different behavioral changes, we included in our study also both systolic and diastolic blood pressure, which are known to be directly affected by propofol administration. We then applied and tested our framework on data recorded from nine subjects during computer-controlled administration of propofol, and investigated the autonomic changes in correspondence of two major events of interest: Loss Of Consciousness (LOC) and Regain Of Consciousness (ROC). We trained a variety of binary classification models by considering different time windows immediately before and after LOC (or ROC), and assessed the quality of our models by means of the accuracy metric. This work aims to further advance our understanding of consciousness and its relationship with easy to acquire autonomic nervous system markers such as EDA and HRV; since nowadays anesthesia requires constant monitoring from a nurse or other health professionals, that have to manually adjust drug infusion to maintain a deep state of anesthesia, our work may help to gain some insights in the direction of automating this kind of task, by tracking in real-time the subject's autonomic state and allowing to build personalized solutions for computer-controlled propofol infusion.

Il propofol è un anestetico endovenoso utilizzato per la sedazione procedurale, durante l'anestesia monitorata o come agente di induzione per l'anestesia generale. La somministrazione di propofol produce incoscienza creando oscillazioni altamente strutturate nei circuiti cerebrali. Inoltre, la somministrazione di anestetici come il propofol provoca sia cambiamenti relativi allo stato comportamentale del paziente, sia cambiamenti nelle dinamiche autonomiche dello stesso, che vale la pena indagare. In questo lavoro, abbiamo sviluppato una libreria C++ open-source (basata su letteratura precedente cite{barbieri2005point}) per analizzare point-processes temporali e estrarre features in tempo reale sia a partire dal segnale di variabilità cardiaca (HRV) che dall'attività elettrodermica (EDA). Entrambi i segnali presentano una natura assimilabile a un point procress e sono indici rilevanti dell'attività del sistema nervoso autonomo, poiché l'EDA riflette esclusivamente la componente simpatica del sistema nervoso autonomo, mentre l'HRV è influenzato da input sia simpatici che parasimpatici. Per aiutare ulteriormente il nostro modello a distinguere lo stato di coscienza/incoscienza del singolo soggetto, abbiamo incluso nel nostro studio features rappresentanti la pressione sanguigna sistolica e diastolica, note per essere direttamente influenzate dalla somministrazione di propofol. Abbiamo quindi applicato e testato il nostro framework su dati registrati da nove soggetti sani durante la somministrazione computerizzata di propofol e abbiamo studiato i cambiamenti autonomici in corrispondenza di due eventi di maggiore interesse: Loss Of Consciousness (LOC) e Regain Of Consciousness (ROC). Abbiamo addestrato una varietà di modelli di classificazione binaria considerando diverse finestre temporali immediatamente prima e dopo LOC (o ROC), e valutato la qualità dei nostri modelli mediante la metrica di accuratezza. Questo lavoro mira a far progredire ulteriormente la nostra comprensione dei meccanismi che regolano lo stato di coscienza, e della sua relazione con segnali facili da acquisire come EDA e HRV; poiché al giorno d'oggi l'anestesia richiede un monitoraggio costante da parte di un infermiere o di altri operatori sanitari, che devono regolare manualmente l'infusione di farmaci per mantenere uno stato profondo di anestesia, il nostro lavoro può aiutare a ottenere alcune intuizioni utili a muoversi nella direzione dell'automazione di questo tipo di attività, monitorando in tempo reale lo stato del paziente e consentendo di costruire soluzioni personalizzate per l'infusione di propofol in sala operatoria.