Predicción Personalizada de la Mecánica de la Artroplastia Total de Rodilla Basada en Datos de Entrada Escasos-Validación del Modelo Usando Datos de Fuerza In Vivo
Autores: Ehreiser, Sonja; Asseln, Malte; Radermacher, Klaus
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Predicción Personalizada de la Mecánica de la Artroplastia Total de Rodilla Basada en Datos de Entrada Escasos-Validación del Modelo Usando Datos de Fuerza In Vivo
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Modelos computacionales
Investigación ortopédica
Artroplastia total de rodilla
Específica para el paciente
Modelo musculoesquelético
Validación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 17
Citaciones: Sin citaciones
Los modelos computacionales se utilizan cada vez más en la investigación ortopédica, como en el contexto de la artroplastia total de rodilla (ATR). Sin embargo, la integración real de los modelos en la práctica clínica está lejos de ser rutinaria. Las principales limitaciones incluyen la cantidad de datos de entrada, el esfuerzo y el tiempo requeridos para la personalización y la simulación. En este artículo, presentamos y validamos un modelo musculoesquelético de ATR específico para el paciente, basado en datos de entrada escasos, para abordar estas limitaciones. El modelo de simulación se individualizó en función de las geometrías 3D del hueso y del implante de rodilla de los pacientes, los puntos de referencia óseos predichos y las uniones de tejidos blandos utilizando modelos de forma estadística anotados, un patrón de movimiento de sentadilla estadístico y un caso de carga basado en estadísticas. Para la validación, utilizamos fuerzas de contacto de rodilla in vivo accesibles públicamente durante la sentadilla de cuatro pacientes de las Competencias Grand Challenge (GCC). La precisión de la predicción se cuantificó utilizando varias métricas de error, incluido el error cuadrático medio (ECM). Para GCC3 y GCC5, tanto el rango como la tendencia de la media de las fuerzas de contacto in vivo coincidieron bien con la simulación (ECM lateral: 8.2-26.1% del peso corporal (PC); ECM medial: 15.9-42.7 %PC). En contraste, hubo desviaciones relevantes entre el experimento y la simulación en la tendencia de las fuerzas de contacto para el paciente GCC2, así como en el rango de fuerzas de contacto medial para el paciente GCC6 (ECM medial: 52.6 %PC). El tiempo de configuración del modelo fue del orden de 15 minutos por paciente, y la simulación se completó en menos de 4 minutos. Al comparar nuestros resultados con la literatura, encontramos una precisión similar a la de los modelos más avanzados en la predicción de fuerzas de contacto de rodilla. Si bien las desviaciones restantes entre los datos in vivo y de simulación aún justifican la investigación y evaluación de su significancia clínica, el modelo ya ha abordado con éxito limitaciones importantes de estos modelos anteriores, que representan barreras significativas para la aplicación clínica.
Descripción
Los modelos computacionales se utilizan cada vez más en la investigación ortopédica, como en el contexto de la artroplastia total de rodilla (ATR). Sin embargo, la integración real de los modelos en la práctica clínica está lejos de ser rutinaria. Las principales limitaciones incluyen la cantidad de datos de entrada, el esfuerzo y el tiempo requeridos para la personalización y la simulación. En este artículo, presentamos y validamos un modelo musculoesquelético de ATR específico para el paciente, basado en datos de entrada escasos, para abordar estas limitaciones. El modelo de simulación se individualizó en función de las geometrías 3D del hueso y del implante de rodilla de los pacientes, los puntos de referencia óseos predichos y las uniones de tejidos blandos utilizando modelos de forma estadística anotados, un patrón de movimiento de sentadilla estadístico y un caso de carga basado en estadísticas. Para la validación, utilizamos fuerzas de contacto de rodilla in vivo accesibles públicamente durante la sentadilla de cuatro pacientes de las Competencias Grand Challenge (GCC). La precisión de la predicción se cuantificó utilizando varias métricas de error, incluido el error cuadrático medio (ECM). Para GCC3 y GCC5, tanto el rango como la tendencia de la media de las fuerzas de contacto in vivo coincidieron bien con la simulación (ECM lateral: 8.2-26.1% del peso corporal (PC); ECM medial: 15.9-42.7 %PC). En contraste, hubo desviaciones relevantes entre el experimento y la simulación en la tendencia de las fuerzas de contacto para el paciente GCC2, así como en el rango de fuerzas de contacto medial para el paciente GCC6 (ECM medial: 52.6 %PC). El tiempo de configuración del modelo fue del orden de 15 minutos por paciente, y la simulación se completó en menos de 4 minutos. Al comparar nuestros resultados con la literatura, encontramos una precisión similar a la de los modelos más avanzados en la predicción de fuerzas de contacto de rodilla. Si bien las desviaciones restantes entre los datos in vivo y de simulación aún justifican la investigación y evaluación de su significancia clínica, el modelo ya ha abordado con éxito limitaciones importantes de estos modelos anteriores, que representan barreras significativas para la aplicación clínica.