Questo studio ha proposto un modello di regressione aggiustato per età utilizzando la morfologia della parte medio-facciale e della base cranica come potenziale strumento per la valutazione preoperatoria e la pianificazione chirurgica individualizzata per i bambini con craniosinostosi sindromica (SC).
È richiesta un abbonamento a JoVE per visualizzare questo contenuto. Accedi o inizia la tua prova gratuita.
Articolo di ricerca
Ipoplasia mediofacciale e morfologia della base cranica nella craniosinostosi sindromica: uno studio di analisi comparativa utilizzando un modello di regressione predittiva
In questo articolo
Sommario
Abstract
L'ipoplasia medio-facciale è un'anomalia comune nei bambini con disturbi craniofacciali come la palatoschisi e la sinostosi sindromica. Un importante problema funzionale associato a questa condizione è il restringimento delle vie aeree nasofaringee, che porta a disturbi respiratori. È stato condotto uno studio pilota che ha coinvolto 30 set di dati di tomografia computerizzata (TC) in tre gruppi distinti (craniosinostosi sindromica normale, operata e craniosinostosi sindromica non operata) per valutare una formula mediana pubblicata, vale a dire il "modello di regressione di Hariri-Ros-Nor" per la misurazione predittiva della base cranica nella craniosinostosi sindromica. I risultati ottenuti hanno dimostrato che, mentre le previsioni della base cranica (NBa) erano relativamente coerenti, la larghezza mediofacciale (ZMR-ZML) mostrava discrepanze significative rispetto ai valori previsti, in particolare nei pazienti con craniosinostosi sindromica operata. È stato riscontrato che l'età influenza in modo significativo l'accuratezza della misurazione e l'affidabilità della previsione. In conclusione, l'attuale studio suggerisce che la modellazione aggiustata per età può migliorare l'accuratezza predittiva nella valutazione craniofacciale. Offre un potenziale strumento per la valutazione preoperatoria e la pianificazione chirurgica individualizzata nella craniosinostosi sindromica.
Introduzione
La craniosinostosi sindromica (SC) è una condizione congenita complessa causata dalla fusione prematura delle suture craniche, con conseguente crescita limitata del cranio, deformità della base cranica e ipoplasia medio-facciale che spesso porta a complicanze funzionali ed estetiche 1,2. Queste anomalie possono compromettere la pervietà delle vie aeree, l'integrità visiva e gli esiti dello sviluppo neurologico, sottolineando l'importanza del riconoscimento precoce e dell'intervento preciso 1,3. La gestione chirurgica nella SC è particolarmente sensibile al tempo, poiché la correzione ritardata aumenta il rischio di aumento della pressione intracranica, apnea ostruttiva del sonno (OSA) e complicanze oftalmiche come la proptosi e l'esposizione corneale 1,3,4. Pertanto, determinare la tempistica ottimale dell'avanzamento cranico e medio-facciale rimane uno degli aspetti più critici e impegnativi della gestione clinica1.
I metodi di valutazione convenzionali per la craniosinostosi sindromica spesso si basano su analisi descrittive della crescita e soglie funzionali per guidare l'intervento chirurgico 5,6. Sebbene questi approcci forniscano punti di riferimento generali, mancano di accuratezza predittiva specifica per il paziente e sono influenzati dalla soggettività clinica 7,8. Negli ultimi anni, è cresciuto l'interesse per lo sviluppo di modelli quantitativi in grado di anticipare le traiettorie di crescita craniofacciale e informare la pianificazione chirurgica individualizzata. Tra questi, il modello di regressione di Hariri-Ros-Nor offre un quadro riproducibile e quantitativo stabilendo relazioni predittive tra i punti di riferimento della base cranica e le dimensioni medio-facciali, fornendo ai medici uno strumento oggettivo per prevedere la crescita e ottimizzare i tempi chirurgici9.
La forza predittiva di questo modello è particolarmente rilevante per i sottotipi sindromici più comuni, come le sindromi di Apert e Crouzon, che mostrano modelli di crescita e requisiti chirurgici distinti9. Utilizzando l'imaging TC craniofacciale standard e punti di riferimento anatomici riproducibili, vale a dire Sella, Nasion, Basion, ZMR e ZML, il modello può quantificare la crescita medio-facciale con efficienza e interpretabilità, anche in contesti clinici in cui non sono disponibili analisi morfometriche geometriche avanzate o agli elementi finiti9. È particolarmente utile nella prima metà dell'infanzia (circa 4-12 anni), quando la crescita facciale è attiva e le decisioni chirurgiche sui tempi hanno implicazioni di sviluppo durature9. Tuttavia, l'applicabilità del modello è limitata dalla sua dipendenza dall'imaging TC, dalla sua convalida all'interno di una singola coorte e dalla potenziale variazione in pazienti molto giovani o tardo-adolescenti, evidenziando la necessità della sua integrazione insieme alla valutazione multidisciplinare10.
Basandosi su queste basi, il modello di regressione di Hariri-Ros-Nor fornisce un approccio riproducibile e specifico per il paziente per prevedere la crescita della base mediofacciale e cranica, affrontando i limiti degli attuali quadri descrittivi. La quantificazione delle relazioni anatomiche consente l'identificazione precoce dei pazienti a rischio di deterioramento funzionale e supporta una pianificazione chirurgica proattiva e basata sui dati. Queste capacità hanno un significato particolare nella prevenzione delle complicanze irreversibili associate a un intervento ritardato, come l'ostruzione delle vie aeree, l'ipertensione intracranica e la morbilità oftalmica. Pertanto, questo studio mira a valutare l'accuratezza e l'applicabilità clinica del modello di regressione di Hariri-Ros-Nor nella valutazione dei modelli di crescita della base mediofacciale e cranica tra popolazioni pediatriche sindromiche e non sindromiche.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Protocollo
Questo studio è stato approvato dal Comitato Etico Medico, Facoltà di Odontoiatria, Universiti Malaya, Kuala Lumpur (DF OS1921/0082(P)). Poiché la ricerca ha coinvolto dati di tomografia computerizzata (TC) retrospettiva e anonimizzata senza l'uso di tessuti o fluidi biologici, non è stato richiesto il consenso del paziente. La metodologia di questo studio ha seguito le procedure delineate da Hariri et al.9 con diverse modifiche. Le attrezzature e i software utilizzati sono elencati nella Tabella dei Materiali.
1. Selezione del soggetto e recupero dei dati della TAC
Le scansioni TC craniche retrospettive di pazienti pediatrici con diagnosi di craniosinostosi sindromica (SC) sono state recuperate dall'archivio di imaging digitale della Craniofacial Clinic presso l'University Malaya Medical Centre (UMMC), coprendo il periodo da novembre 2015 a dicembre 2022. Inoltre, sono state incluse le scansioni TC prospettiche ottenute tra maggio 2023 e gennaio 2024.
I potenziali soggetti sono stati identificati dai registri della Craniofacial Clinic e sottoposti a screening manuale dallo sperimentatore in base a criteri di ammissibilità predefiniti. I criteri di inclusione comprendevano (1) una diagnosi confermata di craniosinostosi sindromica da parte di chirurghi craniofacciali, (2) disponibilità di una cartella clinica completa e (3) età <12 anni. Anche i soggetti di controllo avevano meno di 12 anni di età e dovevano sottoporsi a scansioni TC craniche e facciali complete senza alcuna storia di anomalie craniofacciali. I criteri di esclusione applicati a tutte le coorti includevano età ≥12 anni, craniosinostosi non sindromica o isolata, documentazione clinica o di imaging incompleta, anamnesi di chirurgia craniofacciale o ipoplasia medio-facciale associata ad altre sindromi. Dopo lo screening, un elenco definitivo di soggetti idonei è stato presentato all'Unità di Ricerca di Imaging Biomedico per ottenere set di dati cranici TC senza mezzo di contrasto. I dati di imaging sono stati forniti su compact disc (CD) in formato DICOM (Digital Imaging and Communications in Medicine), con protocolli di acquisizione standardizzati secondo le linee guida dipartimentali (spessore della fetta assiale ≤1,00 mm, copertura craniofacciale completa e risoluzione voxel costante). L'unità di imaging biomedico ha verificato la completezza del set di dati, l'assenza di artefatti significativi e la conformità agli standard DICOM prima del rilascio. Tutti i set di dati verificati sono stati archiviati in modo sicuro e successivamente preparati per l'importazione in un software di elaborazione delle immagini mediche 3D per la ricostruzione e l'analisi tridimensionale. Trenta soggetti sono stati selezionati in totale e divisi equamente in tre coorti: gruppo SC non operato (SCNO), gruppo SC operato (SCO) e gruppo di controllo normale (n = 10 per gruppo).
2. 3D ricostruzione e identificazione dei punti di riferimento
Tutti i set di dati importati sono stati visualizzati in piani assiale, sagittale e coronale, insieme a un'anteprima tridimensionale. I metadati all'interno dei file DICOM consentivano l'estrazione automatica dei parametri di acquisizione (spessore della fetta, risoluzione del voxel e numero di fette). Per generare il modello volumetrico tridimensionale, è stata prima creata una maschera ossea e successivamente ricostruita selezionando Segmentazione → Calcola 3D in Mimics. La segmentazione è stata ulteriormente perfezionata utilizzando la funzione di soglia, accessibile tramite Segmentazione → Soglia nella barra degli strumenti principale. La variabilità nella definizione ossea o la presenza di rumore eccessivo possono essere osservate quando durante la segmentazione sono stati applicati intervalli inappropriati di unità di Hounsfield (HU). Questo problema può essere risolto applicando la soglia standard preimpostata "Osso (CT)" disponibile nel software di imaging medico 3D e perfezionando le maschere di segmentazione utilizzando la funzione Modifica maschera per escludere artefatti e migliorare la continuità strutturale. Questo processo ha assicurato che solo le strutture ossee fossero evidenziate nella maschera, escludendo così i tessuti molli adiacenti e riducendo il rumore dell'immagine o gli artefatti.
I punti di riferimento anatomici sono stati identificati e contrassegnati utilizzando lo strumento di creazione dei punti, che si trova in Misurazioni → Crea punto. Per ogni punto di riferimento, l'investigatore ha ruotato e ingrandito la ricostruzione 3D per ottimizzare la visibilità e poi ha posizionato un punto direttamente sul sito anatomico con un solo clic del mouse. Sono stati registrati i seguenti punti di riferimento: la Sella (S) al punto medio della sella turcica, la Nasion (N) alla giunzione della sutura frontonasale, il Basion (Ba), definito come il punto medio anteriore dell'osso occipitale alla sincondrosi sfeno-occipitale, e le suture zigomaticomascellari destra e sinistra (ZMR, ZML) al bordo infraorbitale. Una variabilità minore nel posizionamento dei punti di riferimento può verificarsi quando i punti sono definiti da una singola prospettiva di visualizzazione. Per migliorare la precisione, ogni punto di riferimento è stato confermato su più angoli di visione ruotando la ricostruzione tridimensionale e facendo riferimento incrociato con i piani assiale, sagittale e coronale prima del posizionamento finale. Ogni punto di riferimento è stato memorizzato automaticamente all'interno dell'albero del progetto nell'elenco "Misure". Il set completo di coordinate ed etichette dei punti di riferimento è stato esportato utilizzando la funzione Esporta misure , producendo set di dati in formato .csv o .xls. Questi punti di riferimento sono stati successivamente utilizzati come punti di riferimento per le misurazioni lineari della base cranica e dello scheletro medio-facciale.
3. Misura lineare di variabili craniche e medio-facciali
Le misurazioni craniofacciali lineari sono state eseguite in un software di elaborazione di immagini mediche 3D, utilizzando la funzione di misurazione della distanza. Dopo la ricostruzione tridimensionale e il posizionamento dei punti di riferimento, è stato possibile accedere allo strumento di misurazione tramite i menu Analisi → Misure → Distanza tra i punti . In questa funzione, due punti di riferimento anatomici sono stati selezionati manualmente sulla ricostruzione 3D e il software ha calcolato automaticamente la distanza euclidea tra le coordinate selezionate e i risultati sono stati visualizzati all'interno della finestra Risultati delle misurazioni.
Sono state ottenute le seguenti misure lineari: SN (lunghezza della base cranica anteriore), definita come la distanza tra la sella (S) e la nasione (N); SBa (lunghezza della base cranica posteriore), definita come la distanza tra la sella (S) e il bacino (Ba); NBa (lunghezza totale della base cranica), definita come la distanza tra il nasione (N) e il bacino (Ba); e ZMR - ZML (larghezza mascellare), definita come la distanza interzigomatica tra le suture zigomaticomascellari destra e sinistra. Ogni misurazione è stata eseguita direttamente sul modello 3D con strumenti di zoom e rotazione applicati secondo necessità per garantire un posizionamento accurato dei punti.
Al termine, l'elenco delle misure è stato aggiornato automaticamente all'interno dell'albero del progetto del software. L'intero set di dati è stato esportato utilizzando la funzione Esporta misure e salvato in formato .xls, comprese tutte le etichette dei punti di riferimento con i relativi valori lineari. Questi valori esportati sono stati successivamente utilizzati per l'analisi statistica.
4. Applicazione del modello di regressione
Le misurazioni esportate sono state importate in un foglio di calcolo per ulteriori analisi. Utilizzando la formula di regressione di Hariri-Ros-Nor, i valori previsti sono stati calcolati sia per la lunghezza totale della base cranica che per la larghezza mascellare. Sono state applicate le seguenti equazioni:
I valori previsti derivati da queste formule sono stati quindi confrontati con i corrispondenti valori misurati per ciascun soggetto per valutare la coerenza e la deviazione nella morfologia cranica calcolando la deviazione standard del set di dati. Successivamente, il set di dati è ora pronto per l'analisi statistica.
5. Analisi statistica
Tutti i valori misurati e previsti sono stati compilati in un unico set di dati e analizzati utilizzando un software di analisi statistica. Le statistiche descrittive sono state prima calcolate per riassumere i parametri della base cranica e medio-facciale in tutti i gruppi. Le differenze tra i gruppi sono state valutate utilizzando il test U di Mann-Whitney non parametrico. Inoltre, è stata condotta un'analisi di correlazione di Pearson per valutare la relazione tra età e misurazioni craniche all'interno di ciascun gruppo. Sono state generate rappresentazioni visive dei dati, tra cui boxplot per confronti di gruppo e grafici a linee per le tendenze di correlazione, per supportare e chiarire le interpretazioni statistiche.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Risultati
Secondo la Tabella 1, i valori di NBa misurati erano costantemente superiori alle loro controparti previste in tutti i gruppi, con la deviazione maggiore osservata nella coorte di craniosinostosi sindromica (SCO) operata. Al contrario, i valori di ZMR-ZML (larghezza mascellare) erano significativamente inferiori a quelli previsti in tutte le categorie, dimostrando una notevole variabilità.
A seguito dell'analisi di correlazione di Pearson (
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Discussione
Questo studio pilota dimostra un protocollo di imaging strutturato e riproducibile che integra l'analisi basata sui punti di riferimento con la modellazione predittiva per la valutazione craniofacciale quantitativa. Il protocollo enfatizza passaggi metodologici critici come la segmentazione standardizzata, il posizionamento preciso dei punti di riferimento e le procedure di misurazione coerenti per garantire accuratezza e riproducibilità. La segmentazione delle immagini e la ricostruzion...
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Dichiarazioni
Gli autori non hanno interessi concorrenti da dichiarare.
Ringraziamenti
Questo lavoro è stato supportato dal gruppo di ricerca e chirurgia oro-craniomaxillofacciale (OCReS) dell'Università della Malesia, Facoltà di Odontoiatria, Universiti Malaya.
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Materiali
| Nome | Azienda | Numero di catalogo | Commenti |
|---|---|---|---|
| Compact Dics (CD) | |||
| Software medico Materialise Mimics | Materialise NV | Versione 21 | Software per l'elaborazione delle immagini mediche 3D |
| Microsoft Excel | Microsoft Inc. | Software per fogli di calcolo | |
| Personal Computer con lettore CD | |||
| Pacchetto Statistico per le Scienze Sociali (SPSS) | IBM | G06TFML | Software di Analisi Statistica |
Riferimenti
- Derderian, C., Seaward, J. Syndromic craniosynostosis. Semin Plast Surg. 26 (2), 64-75 (2012).
- Rostamzad, P., et al. Prevalence of ocular anomalies in craniosynostosis: A systematic review and meta-analysis. J Clin Med. 11 (4), 1060(2022).
- Chen, K., Kondra, K., Nagengast, E., Hammoudeh, J. A., Urata, M. M. Syndromic synostosis: Frontofacial surgery. Oral Maxillofac Surg Clin North Am. 34 (3), 459-466 (2022).
- Bruce, W. J., et al. Age at time of craniosynostosis repair predicts increased complication rate. Cleft Palate Craniofac J. 55 (5), 649-654 (2018).
- Katouni, K., et al. Syndromic craniosynostosis: A comprehensive review. Cerus. 15 (12), e50448(2023).
- Lun, K., et al. Assessment of pediatric head shape and management of craniosynostosis. Aus J General Prac. 51, 51-58 (2022).
- Mathijssen, I. M. Guideline for care of patients with the diagnoses of craniosynostosis: Working group on craniosynostosis. J Craniofac Surg. 26 (6), 1735-1807 (2015).
- O'hara, J., et al. Syndromic craniosynostosis: Complexities of clinical care. Mol Syndromol. 10 (1-2), 83-97 (2019).
- Hariri, F., Malek, R. A., Abdullah, N. A., Hassan, S. F. Midface hypoplasia in syndromic craniosynostosis: Predicting craniofacial growth via a novel regression model from anatomical morphometric analysis. Int J Oral Maxillofac Surg. 53 (4), 293-300 (2024).
- Blum, J. D., et al. Machine learning in metopic craniosynostosis: Does phenotypic severity predict long-term esthetic outcome. J Craniofac Surg. 34 (1), 58-64 (2023).
- Wahlquist, Y., Soltesz, K. Automated covariate modeling using efficient simulation of pharmacokinetics. IFAC J Sys Con. 27, 100252(2024).
- Kasai, K., Moro, T., Kanazawa, E., Iwasawa, T. Relationship between cranial base and maxillofacial morphology. Eur J Orthod. 17 (5), 403-410 (1995).
- Zheng, L., et al. Enhancing predictive tools for skeletal growth and craniofacial morphology in syndromic craniosynostosis: A focus on cranial base variables. Diagnostics (Basel). 15 (13), 1640(2025).
- Patel, K. B., Skolnick, G. B., Mulliken, J. B. Anthropometric outcomes following fronto-orbital advancement for metopic synostosis. Plast Reconstr Surg. 137 (5), 1539-1547 (2016).
- Richtsmeier, J. T., Deleon, V. B. Morphological integration of the skull in craniofacial anomalies. Orthod Craniofac Res. 12 (3), 149-158 (2009).
- Tonello, C., Cevidanes, L. H. S., Ruellas, A. C. O., Alonso, N. Midface morphology and growth in syndromic craniosynostosis patients following frontofacial monobloc distraction. J Craniofac Surg. 32 (1), 87-91 (2021).
- Skolnick, G. B., et al. Long-term characterization of cranial defects after surgical correction for single-suture craniosynostosis. Ann Plast Surg. 82 (6), 679-685 (2019).
- Chufei, H., et al. Comparison of different 3d reconstruction software tools in preoperative modeling for cranio-maxillofacial surgery. Plastic Aesthetic Res. 12, 10(2025).
Accesso limitato. Accedi o avvia una prova gratuita per visualizzare questo contenuto.
Ristampe e permessi
