< Terug naar vorige pagina

Project

De impact van parameter onzekerheid op patiëntspecifieke musculoskeletale modellering voor ligamentgebalanceerde TKA

Een veelvoorkomende oorzaak van kniepijn is artritis, waarbij artrose (OA) het meest voorkomt met een geschat levenslang risico op symptomatische artrose van 46,8% bij vrouwen en 39,8% bij mannen. Het doel van een totale knieprothese (TKA) is het verlichten van pijn en het herstellen van de functie van een knie met artrose in het eindstadium. De falingen die leiden tot revisie zijn in 47,4% van de gevallen te wijten aan gewrichtsstijfheid, gewrichtsinstabiliteit of loshechten van het implantaat. De faalwijzen die leiden tot revisie zijn vaak gerelateerd aan een suboptimale patiëntspecifieke implantaatpositie (bijvoorbeeld postoperatieve stijfheid of instabiliteit). Preoperatieve planning kan de chirurg ondersteunen bij het bepalen van de optimale patiëntspecifieke implantaatpositie. Momenteel houden de meeste preoperatieve planningsprocessen alleen rekening met de botgeometrie bij het bepalen van een implantaatpositie die consistent is met een mechanisch uitgelijnde TKA. Zowel de gewrichtsanatomie als verschillende onderzoeken beschrijven dat het niet in aanmerking nemen van uitgebalanceerde ligamenten bij het bepalen van de ideale implantaatpositie de oorzaak is van verschillende soorten faalwijzen en de hoge ontevredenheid van de patiënt. Om rekening te houden met ligamentbalancering in preoperatieve planning voor TKA, moet een rekenkundig efficiënt en betrouwbaar kniemodel worden toegevoegd aan het preoperatieve planningsproces. Deze modellen vereisen echter verschillende inputs die onzeker zijn. Om een rekenkundig kniemodel in de klinische praktijk toe te passen, is een grondige onzekerheidskwantificering nodig om het effect van patiëntspecifieke onzekerheden (bijv. ligamentstijfheid, aanhechtingsplaatsen) en chirurgische precisie te beoordelen. Om de onzekerheid in de implantaatpositieparameters evenals de ligamenteigenschappen om te zetten in onzekerheid in de tibio-femorale (TF) kinematica en ligamentrek op een rekenkundig efficiënte manier, werd een surrogaatmodel (kunstmatig neuraal netwerk) ontwikkeld dat het rekenkundig kniemodel benadert. Om rekening te houden met de patiëntspecifieke bot- en kraakbeengeometrie, werden ze toegevoegd als extra input voor het surrogaatmodel. Het ontwikkelde probabilistische, patiëntspecifieke kniemodel kan de onzekerheid in TF-kinematica en ligamentrek in 16 s schatten. Dit maakt de toepassing van het probabilistische model mogelijk in pre-operatieve planning of intra-operatief om te helpen bij chirurgische navigatie voor TKA. Er moet echter rekening worden gehouden met enkele aspecten voordat klinische toepassing gerealiseerd kan worden. Onzekerheidskwantificering die het effect van de chirurgische precisie bestudeert, toont aan dat robotgeassisteerde chirurgie niet nauwkeurig genoeg is voor het realiseren van de geplande implantaatpositie met een kans van 90% op een evenwichtig resultaat van de ligamenten. Onze resultaten laten zien dat om de precisie van de chirurgische techniek verder te vergroten, de focus moet liggen op zes kritische implantaatpositieparameters, namelijk anterieure/posterieure en proximale/distale translatie, en varus/valgus en interne/externe rotatie van de femorale component evenals proximale/distale translatie en varus/valgus-rotatie van de tibiale component. Onzekerheidskwantificering die het effect van de ligamenteigenschappen bestudeert, toont aan dat een succeskans van slechts 12% op een ligamentgebalanceerde uitkomst kan worden bereikt zonder extra meting van de ligamenteigenschappen. Onze studie toont aan dat de referentierek en aanhechtingsplaatsen sterk gecorreleerd zijn en het meest invloedrijk zijn voor de geplande implantaatpositie. De eerste stap om de grote onzekerheid te verminderen, is het vergroten van de robuustheid van het kniemodel ten opzichte van de referentierek en aanhechtingsplaatsen. Als deze maatregel onvoldoende blijkt te zijn, zou moeten worden geïnvesteerd in in vivo meettechnieken van de kritische eigenschappen, hetzij door directe meting, hetzij door bewegingsregistratie.

Datum:23 sep 2017 →  19 mei 2022
Trefwoorden:Musculoskeletal modeling, TKR, Probabilistic modeling
Disciplines:Biomechanica, Biologische systeemtechnologie, Biomateriaal engineering, Biomechanische ingenieurswetenschappen, Medische biotechnologie, Andere (bio)medische ingenieurswetenschappen, Orthopedie, Heelkunde, Verpleegkunde
Project type:PhD project