15 juillet 2009
Il est nécessaire de développer des alternatives attache une prothèse à cause de la perte attribuée à un membre vasculaires occlusives et les traumatismes. Le but de ce travail est d'introduire une osséointégrés système intelligent design de l'implant pour augmenter la fixation du squelette et de réduire les taux d'infection périprothétique pour les patients nécessitant des technologies ostéo-intégrés.
D'ici l'année 2050, le nombre projeté d'amputés aux États-Unis devrait atteindre 3,6 millions. Les complications liées aux membres prothétiques traditionnels entraînent souvent des schémas de marche asymétriques et un inconfort pour les amputés qui souhaitent reprendre un mode de vie actif après une blessure. Les options prothétiques actuelles sont généralement insuffisantes.
Cela est principalement dû à l'incidence élevée d'escarres provoquées par des schémas de charge non uniformes. Une façon de surmonter les limitations fonctionnelles des prothèses traditionnelles consiste à concevoir une fixation squelettique directe entre un implant et l'os hôte de l'amputé. Cette technologie, appelée ostéointégration, repose sur une fixation squelettique directe ainsi qu'un scellement épidermique et dermique étanche afin de prévenir les infections. Lorsqu'elle est réussie, l'ostéointégration améliore considérablement le niveau d'activité des amputés ayant subi des amputations proximales importantes.
Ce phénomène est illustré dans les vidéos fournies par l'équipe du Dr Ash off, en collaboration avec l'organisation Esca. Deux complications majeures empêchent l'adoption généralisée de l'ostéointégration.
Le premier est un risque d'adhésion bactérienne et de formation de biofilm sur les implants orthopédiques. Deuxièmement, il existe un risque de fixation squelettique inadéquate in vivo, comme illustré ici par des radiolucences. Pour surmonter ces complications, l'exo-prothèse peut être utilisée comme cathode afin de délivrer une stimulation électrique.
Cela peut entraîner un remodelage osseux positif, empêcher l'attachement bactérien et réduire le temps de rééducation nécessaire pour supporter un poids complet. Cette vidéo montre comment les implants sont conçus à l'aide d'un nouveau système de conception d'implants intelligents OSSEOINTEGRATED, ou OIID. Bonjour, je suis Brad Isaacson du Laboratoire de recherche sur les os et les articulations du Département de bioingénierie de l'Université de l'Utah.
Aujourd'hui, nous allons vous montrer comment la conception d'implants ostéointégrés peut être testée et évaluée à l'aide de modélisation hypothétique par des programmes informatiques de calcul. Notre objectif est de fournir une preuve de concept d'un nouvel outil de réhabilitation destiné à l'ostéointégration, utilisant une stimulation électrique. Lorsqu'il est correctement mis en œuvre, cet outil pourra réduire les infections périprothétiques et améliorer l'attachement squelettique.
Fort de ce constat, permettez-moi de vous montrer comment nous pouvons élaborer un système intégré de conception d'implants intelligents. Des scanners CT sont utilisés pour la reconstruction du modèle, car ils permettent de distinguer clairement les différents types de tissus. Les scanners utilisés à cette fin ont été recueillis à l'Hôpital de l'Université de l'Utah et au Département des Anciens Combattants après obtention de l'approbation du comité d'éthique (IRB) et du respect de la réglementation HIPAA.
Ces scanners CT ont d'abord été inspectés visuellement et sélectionnés pour l'étude en fonction de l'absence d'implants métalliques, qui peuvent introduire des artefacts d'image. Nous présentons ici le cas d'un amputé qui serait inacceptable pour un modèle informatique en raison de la présence d'un implant orthopédique. L'amputé possède un implant orthopédique à l'intérieur du canal médullaire, et lorsqu'on parcourt les coupes CT, on observe une distorsion de l'image.
Cependant, nous plaiderions en faveur d'un patient comme celui-ci. L'amputé présente une distinction nette entre les types de tissus, essentielle pour des modèles anatomiquement précis. Excellent point de départ.
Les fichiers de scan CT pour la génération du modèle sont téléchargés sous forme d'images DICOM et chargés dans le programme SEG 3D en tant que nouveau volume. Un filtre médian est ensuite utilisé pour lisser les volumes importés avant de déterminer les structures tissulaires définies géométriquement. Une fois le filtrage terminé, les limites tissulaires de l'os, de la moelle osseuse, des organes et du tissu adipeux sont générées par seuillage.
Les images de CT sont traitées interactivement et de nouveau filtrées. La musculature est obtenue en définissant manuellement des points de départ à l'intérieur du seuil du tissu musculaire, puis en utilisant un filtre connexe par confiance pour identifier tous les tissus reliés aux points de départ. Cette étape élimine les tissus erronés qui pourraient être regroupés avec le muscle en raison d'une absorbance similaire sur les clichés de CT.
La peau, qu'il est impossible de distinguer de manière fiable sur les images de tomodensitométrie, est générée par dilatation du tissu le plus externe, sur deux millimètres selon l'épaisseur moyenne de la peau. Cela produit une couche d'épaisseur homogène qui entoure entièrement le modèle. Les segmentations sont inspectées manuellement, corrigées afin de garantir leur précision et combinées hiérarchiquement en une seule carte de labels.
Requis pour l'analyse par éléments finis. Les modèles sont exportés vers ski run à l'aide d'un format de données matricielles quasi brut ou d'un fichier NRD (n NRD) développé par Gordon Delman au Ski Institute. Ce type de fichier est désormais pris en charge par de nombreuses plateformes logicielles open source dédiées au traitement d'images.
Ce fichier est exporté et utilisé comme maillage pour l'analyse par éléments finis. Jusqu'à présent, nous avons inspecté manuellement les TCR et les avons combinés dans un modèle hiérarchique O. Dans le programme SEG 3D, nous sommes en mesure de définir la géométrie des tissus et l'espace.
Ensuite, nous chargerons ces modèles dans ski, puis exécuterons notre logiciel d'éléments finis afin de définir la position et le type des électrodes. La raison pour laquelle on utilise l'analyse par éléments finis est qu'elle fournit une approximation numérique pour des géométries complexes, comme celles des membres résiduels de nos patients amputés. Pour préparer l'analyse par éléments finis, l'implant de 16 centimètres est conçu à l'aide d'un logiciel personnalisé écrit en mat lab, puis importé dans ski run pour servir d'implant orthopédique et de cathode pour la stimulation électrique.
Le champ électrique doit être maintenu inférieur à un à 10 volts par centimètre, et la densité de courant doit être inférieure à deux milliampères par centimètre carré. Cela induira la migration des ostéoblastes, préviendra un échauffement localisé des tissus et assurera la sécurité du patient. Cela est indiqué par la ligne pointillée rouge.
De petites électrodes sont conçues pour assurer le confort du patient. Étant donné que le dispositif OIID ne doit pas restreindre les mouvements ni les activités quotidiennes pendant la rééducation. Le logiciel ski run est utilisé pour concevoir l'électrode, car il permet un positionnement interactif des électrodes et des simulations.
Un réseau est créé et des modules sont organisés avec des fonctions mathématiques spécifiques pour définir les conditions aux limites, les conductivités tissulaires et les affinements du maillage, ainsi que pour générer des histogrammes des distributions des métriques électriques et enregistrer les données remplies. Les configurations pour les électrodes comprennent une électrode patch, deux électrodes patch, une bande continue et deux bandes continues. Des bandes d'électrodes externes, d'une épaisseur de 1,6 centimètre, sont appliquées sur le moignon résiduel des modèles générés à partir de scanners CT de patients.
Des patchs d'électrodes, qui ont une épaisseur de trois centimètres, sont placés en bande couvrant environ la moitié du diamètre du moignon résiduel. L'implant cortical interne représenté en rouge correspond à l'implant ostéo. Celui-ci est configuré selon un diamètre permettant un ajustement et un remplissage parfaits de l'implant.
À présent que les électrodes ont été placées, nous allons effectuer l'analyse par éléments finis. L'objectif ici est de maintenir un champ électrique compris entre un et dix volts par centimètre afin d'obtenir un outil efficace, tout en conservant une densité de courant inférieure à deux milliampères par centimètre carré pour éviter la nécrose tissulaire. Pour réaliser l'analyse par éléments finis, des simulations sont générées en supposant que les paramètres électriques peuvent être calculés selon une approche quasi statique, sans dépendance temporelle. Une approximation numérique est utilisée pour calculer le potentiel électrique à travers le membre résiduel du sujet.
Le modèle est calculé en résolvant l'équation de Poisson et les lois de l'électrostatique pour chaque type de tissu généré à partir des segmentations SEG 3D. Des conditions aux limites sont attribuées au modèle, dans lequel les nœuds sont continus entre les types de tissus et régissent le trajet du courant électrique. Étant donné que les électrodes et l'implant présentent des conductivités beaucoup plus élevées que celles des tissus environnants, on suppose que l'implant ou la cathode se trouve à un potentiel constant.
De même, les électrodes de surface sont modélisées avec une différence de potentiel constante par rapport à l'implant percutané. Une simulation numérique est utilisée pour calculer le potentiel électrique à travers le membre résiduel du sujet afin d'évaluer l'efficacité de la configuration et des dimensions des électrodes. Des modèles spécifiques au patient sont élaborés, et le potentiel électrique autour de l'interface de l'implant est utilisé pour déterminer les intensités de champ localisées.
Le modèle est généré à l'aide d'un maillage hexa hugel composé d'environ 1,8 million d'éléments. La taille optimale des éléments pour cette expérience est choisie sur la base d'une étude de sensibilité du maillage, conduisant à une différence relative inférieure à 5 % dans les gradients de tension. Cela garantit la précision du modèle.
Les éléments sont traités comme des éléments homogènes, isotropes et par morceaux. Des électrodes sont intégrées à la discrétisation par éléments finis et se voient attribuer une différence de potentiel constante entre l'électrode cutanée et l'implant osseointégré. Ce choix est fondé sur la résistivité tissulaire attendue.
Le potentiel est fixé entre un et 4,5 volts en fonction de la géométrie de l'amputation, de la résistivité des tissus et de la configuration des électrodes, à l'aide d'un solveur itératif. Les potentiels dans les modèles par éléments finis sont calculés pour quatre configurations d'électrodes. Cette étape permet de déterminer la conception optimale pour les amputés.
La validation de l'analyse par éléments finis est réalisée à l'aide d'un modèle in vivo sur petit animal approuvé par l'IACUC. Un implant est inséré dans le canal médullaire d'un lapin et une seconde électrode est placée sur la musculature. Cela génère un champ électrique sous-cutané à l'interface os-implant.
Toute analyse par éléments finis ski run validée par des électrodes aiguilles placées entre les deux électrodes, qui enregistrent les gradients de tension chez le lapin in vivo. L'étude sur le modèle de lapin utilise le même protocole que celui désigné OIID pour la recherche humaine. Cela s'effectue en réalisant des scanners tomodensitométriques, en développant des modèles hiérarchiques 3D dans SEG 3D et en effectuant une modélisation computationnelle avec ski run.
L'objectif est de développer les paramètres électriques nécessaires pour démontrer l'efficacité d'une stimulation électrique contrôlée. Cela vise à réduire les infections périprothétiques et à augmenter la résistance de la fixation de l'implant, afin que la technologie puisse être approuvée par la FDA et utilisée pour la rééducation des amputés.
L'achèvement réussi du protocole détaillé permettra d'obtenir des membres résiduels d'amputés anatomiquement précis, reconstruits à partir de scans de tomodensitométrie. Cela fournira les lignes directrices initiales pour le système OIID. Les utilisateurs développeront une interface interactive pour ajuster la taille et la position des électrodes selon des modèles spécifiques à chaque patient.
Des champs électriques et des densités de courant modifiés seront le résultat de la géométrie des tissus et de la position des électrodes. Par conséquent, les modèles nécessiteront des ajustements individuels afin d'aider les personnes ayant subi une amputation et qui recherchent une technologie d'ostéointégration. Le système de conception d'implant intelligent ostéointégré que nous vous avons présenté aujourd'hui contribuera à atténuer le problème classique lié à la stimulation électrique, à savoir l'impossibilité de définir le trajet du courant dans le corps humain.
Les résultats préliminaires indiquent que le champ électrique à l'interface entre l'os et l'implant pourrait réduire les infections périprothétiques, augmenter l'attachement squelettique et constituer un outil efficace pour nos cliniciens en rééducation. Voilà donc tout. Merci d'avoir regardé et bonne chance dans vos recherches sur l'ostéointégration.
Cette étude répond au besoin de méthodes d'attachement prothétique améliorées pour les amputés, en particulier ceux affectés par des maladies occlusives vasculaires et des traumatismes. La recherche présente un système de conception d'implant intelligent osseointégré visant à améliorer la fixation squelettique et à réduire au minimum les taux d'infection périprothétique.
Pour les amputés nécessitant des solutions prothétiques, l'ostéointégration offre une fixation squelettique directe permettant d'améliorer les résultats fonctionnels, mais elle se heurte à des défis liés au risque d'infection et aux délais de rééducation. La stimulation électrique par conception intelligente de l'implant vise à améliorer le remodelage osseux et à réduire les taux d'infection périprothétiques, en s'attaquant ainsi aux principaux obstacles à l'adoption clinique. Cette approche de modélisation computationnelle soutient la réduction des risques en phase préclinique en définissant des paramètres électriques sûrs pour la réponse des tissus.
La méthode intègre la modélisation computationnelle au début de la découverte afin d'orienter les choix de conception de l'implant avant la validation préclinique.