Aux États-Unis, près de 3 adultes sur 10 ont connu des maux de dos dans une période de trois mois, ce qui en fait la douleur musculo-squelettique la plus courante. Les maux de dos restent l'une des principales causes d'invalidité dans le monde, affectant des millions et conduisant souvent à une gêne chronique, à un travail manqué et à des procédures invasives.
Les chercheurs et les cliniciens se tournent de plus en plus vers la modélisation de la colonne lombaire, qui plie l'ingénierie et la médecine, créant un modèle virtuel et spécifique au patient du bas du dos. Cette technologie simule comment la colonne vertébrale se déplace, où la contrainte mécanique s'accumule et ce qui pourrait provoquer de la douleur ou un dysfonctionnement.
Ces modèles détaillés sont utilisés pour planifier les chirurgies, évaluer les implants vertébraux et développer des stratégies de traitement personnalisées adaptées à l'anatomie de chaque patient. Malgré sa promesse, la modélisation actuelle de la colonne lombaire est lente, manuelle et exige une expertise spécialisée, limitant l'évolutivité et la personnalisation. Cela entrave l'application clinique et entraîne des résultats incohérents.
Des chercheurs du College of Engineering and Computer Science de la Florida Atlantic University et du Marcus Neuroscience Institute du Boca Raton Regional Hospital, qui fait partie de Baptist Health, ont atteint une étape importante dans la modélisation de la colonne vertébrale lombaire en intégrant l'intelligence artificielle avec la biomécanique pour transformer les diagnostics de la colonne vertébrale et la planification du traitement personnalisé.
Ils sont les premiers à créer un pipeline d'analyse par éléments finis entièrement automatisés spécifiquement pour la modélisation de la colonne lombaire. Leur percée consiste à intégrer des outils d'apprentissage en profondeur comme NNunet et Monai avec des simulateurs biomécaniques tels que Gibbon et Febio.
Les résultats de l'étude, publiés dans la revue World Neurosurgery, montrent que cette nouvelle approche a réduit le temps de préparation du modèle de colonne vertébrale lombaire de 97,9% – de plus de 24 heures à seulement 30 minutes et 49 secondes – sans compromettre la précision biomécanique. Le pipeline entièrement automatisé permet des simulations rapides et spécifiques au patient qui soutiennent la planification préopératoire, l'optimisation des implants vertébraux et la détection précoce des conditions dégénératives de la colonne vertébrale.
Les tests ont montré que la colonne vertébrale virtuelle réagissait comme une vraie, avec un mouvement réaliste, une tension et une pression du ligament à l'arrière de la colonne vertébrale pendant la flexion et l'étirement. Parce que le système fonctionne avec très peu de travail manuel, il est beaucoup plus rapide et plus cohérent que les méthodes traditionnelles, ce qui en fait un outil précieux pour les médecins et les chercheurs.
Ce qui distingue notre approche, c'est sa capacité à convertir automatiquement les images médicales standard comme les tomodensitométrie ou l'IRM en modèles de colonne vertébrale très précis et spécifiques au patient. Les méthodes manuelles traditionnelles nécessitent un traitement complexe de géométrie, un maillage et une configuration de simulation par éléments finis, ce qui les rend non seulement à forte intensité de temps, mais aussi fortement dépendants de l'expertise de l'opérateur. Notre pipeline automatisé réduit considérablement le temps requis, coupant ce qui a pris plusieurs heures, voire des jours, à seulement quelques minutes. «
Maohua Lin, Ph.D., Auteur correspondant et professeur adjoint de recherche, Département de génie biomédical de FAU
Pour l'étude, les chercheurs ont utilisé une IA avancée pour identifier automatiquement les parties importantes de la colonne vertébrale – comme les os et les disques – des analyses médicales. Ceux-ci ont ensuite été transformés en modèles 3D lisses qui comprenaient des os, du cartilage et des ligaments. Ils ont cartographié là où les ligaments s'attachent et ont façonné le cartilage sur la base de motifs communs. Enfin, les chercheurs ont dirigé des simulations informatiques pour voir comment la colonne vertébrale réagit à des mouvements comme la flexion et la torsion, les aidant à comprendre où le stress se renforce et comment la colonne vertébrale se déplace dans la vraie vie.
« Au-delà de l'avancement de la recherche, la modélisation automatisée de la colonne lombaire joue un rôle essentiel dans la planification préopératoire », a déclaré Frank D. Vrionis, MD, auteur correspondant et chef de la neurochirurgie au Marcus Neuroscience Institute. « Cette technologie génère rapidement des modèles spécifiques au patient pour prédire les complications mécaniques, optimiser la conception de l'implant et réduire les risques chirurgicaux. En supprimant les étapes manuelles, elle améliore également la vitesse et la cohérence, aidant les cliniciens à prendre des décisions plus éclairées. »
Cette recherche s'appuie sur des travaux antérieurs de l'équipe de recherche publiés dans des revues de premier plan, notamment Artificial Intelligence Review et la North American Spine Society Journal, enquêtant sur les techniques de modélisation biomécaniques liées à l'intermédiaire AI.
« Ce travail révolutionnaire illustre le pouvoir révolutionnaire de l'ingénierie et de la médecine pour relever des défis complexes des soins de santé », a déclaré Stella Batalama, Ph.D., doyen du FAU College of Engineering and Computer Science. « Les chercheurs de FAU et de santé baptiste repoussent non seulement les limites de l'innovation, ils fournissent également des solutions du monde réel qui peuvent améliorer les résultats des patients et redéfinir les soins de la colonne vertébrale. »
Les co-auteurs de l'étude sont Mohsen Ahmadi, un doctorat. étudiant du Département de génie électrique et informatique du FAU; Xuanzong Zhang, un élève du lycée américain; Yufei Tang, Ph.D., professeur agrégé, FAU Department of Electrical Engineering and Computer Science and FAU Sensing Institute Fellow; Erik Engeberg, Ph.D., professeur, Département de génie biomédical et du département de génie de l'océan et mécanique, membre du FAU Center for Complex Systems and Brain Sciences au sein du Charles E. Schmidt College of Science, et un membre du Fau Stiles-Nicholson Brain Institute; et Javad HaShemi, Ph.D., président inaugural et professeur du Département de génie biomédical et doyen associé pour la recherche, FAU College of Engineering and Computer Science.
Cette recherche a été soutenue par l'hôpital régional de Boca Raton, qui fait partie de Baptist Health, la Fondation Helene et Stephen Weicholz, la National Science Foundation, les subventions pilotes du FAU College of Engineering and Computer Science, le FAU Stiles-Nicholson Brain Institute, le FAU Center for Smart Health et le FAU Sensing Institute.
