Chaque année, près de 10 millions d’Américains subissent une fracture. Un quart des patients souffrant de fractures de la jambe sont confrontés à un retard de guérison, et un patient sur dix développera une pseudarthrose, une cassure qui nécessite une intervention chirurgicale majeure supplémentaire pour guérir.
Les conséquences des pseudarthroses sont graves et ont un impact physique, mental et financier important sur la qualité de vie des patients.
La cicatrisation des fractures entraîne souvent des complications et il est difficile de toutes les éliminer. Certains patients présentent des blessures très graves. Certains présentent des comorbidités biologiques, comme le diabète de type 1, que vous ne pouvez pas surmonter. Le défi de la guérison d’une fracture est de reconnaître quand quelqu’un va avoir des problèmes de guérison et de savoir quand intervenir. »
Hannah Dailey, chercheuse à l'Université Lehigh, professeure agrégée et chaire associée de génie mécanique et de mécanique, PC Rossin College of Engineering and Applied Science
Dailey et son équipe ont récemment reçu un financement dans le cadre d'une collaboration internationale avec l'Institut de recherche suisse AO Davos (ARI) qui les rapproche de l'identification de ce point critique d'intervention. Le projet de quatre ans est soutenu par la National Science Foundation des États-Unis et la Fondation nationale suisse de la science et vise à créer des modèles informatiques capables de prédire comment les os guériront au fil du temps.
Des facteurs mécaniques et biologiques influencent la façon dont un os guérit. Les facteurs mécaniques, tels que la rigidité de l'implant destiné à stabiliser la fracture, la distance entre les extrémités des os et le schéma de charge sur le membre, sont étudiés depuis des décennies, explique Dailey, et les modèles existants montrent comment ces conditions physiques et structurelles préparent le terrain pour la guérison. Les facteurs biologiques, à savoir les processus cellulaires, moléculaires et systémiques qui reconstruisent réellement les os, sont moins bien compris.
« Si vous et moi nous cassions les jambes exactement au même endroit, exactement de la même manière, nous n'aurions pas de réponses de guérison identiques car nous avons des biologies différentes », explique Dailey. « Et jusqu'à présent, le modèle ne peut pas prendre en compte ces différences. Nous allons donc modifier le cadre pour incorporer ces différences biologiques et rendre le modèle plus probabiliste. »
Pour ce faire, l'équipe utilisera une bibliothèque de données d'imagerie fournie par ARI, l'un des principaux instituts mondiaux de recherche orthopédique. Les données suivent la guérison des fractures chez les moutons au fil du temps, un processus qui imite étroitement celui des humains. (Le projet utilise uniquement les données existantes, aucune nouvelle étude sur les animaux n'est donc requise.)
« La richesse de cet ensemble de données est ce qui est vraiment passionnant », dit-elle. « Au lieu d'obtenir une seule image à la fin du processus de guérison, nous avons des images prises sur plusieurs mois, ce qui nous permet de mesurer ce qui se passe à mesure que la guérison progresse. Nous pouvons ensuite utiliser ces données pour alimenter et ajuster ces modèles prédictifs. Le modèle informera ensuite le médecin de la progression de la guérison, en fonction à la fois de la mécanique et de la biologie. Personne n'a fait cela auparavant. »
Un autre aspect innovant du projet est le projet de l'équipe d'ajouter son modèle à la plateforme de formation en ligne OSapp d'ARI. En tant que l'une des principales organisations mondiales de formation des chirurgiens, ARI prend en charge les simulations interactives accessibles aux professionnels du monde entier. Les modules fournissent des instructions sur des sujets tels que l'instrumentation ; manipuler les implants, tels que les plaques et les vis, et déterminer leur longueur et leur nombre appropriés ; et discuter des options de rétablissement avec les patients.
« Nous savons tous que la biologie est très difficile à contrôler, mais les chirurgiens peuvent contrôler la mécanique », explique Dailey. « Par exemple, ils peuvent modifier la façon dont ils utilisent les implants ou ce qu'ils disent à un patient sur la façon de se réadapter. Notre modèle les aidera à visualiser comment ces mécanismes peuvent modifier la réponse biologique. »
L'objectif à long terme, dit-elle, est de développer une simulation spécifique au patient qui prédit la façon dont les os d'un individu guériront en fonction de sa biologie et de l'implant utilisé.
« Nous voulons réduire les complications liées à une mauvaise cicatrisation des fractures », dit-elle. « Avoir cette capacité prédictive, ce sera comme avoir une boule de cristal intelligente. Les chirurgiens seront en mesure de prendre de meilleures décisions plus tôt quant à savoir s'il faut opérer à nouveau ou prescrire un stimulateur osseux. »
