Personalizzazione e validazione di modelli muscoloscheletrici con dati di "Knee Grand Challenge"

La modellazione muscoloscheletrica consente di visualizzare pattern motori complessi e di indagare variabili difficilmente misurabili altrimenti. Esistono modelli muscoloscheletrici “generici”, completi e rappresentativi di soggetti sani adulti, e sono in grande sviluppo modelli “soggetto-specifici”, caratterizzati da parametri personalizzati per essere resi più anatomicamente accurati. Tuttavia, la personalizzazione è costosa perché richiede tempo, esami clinici, denaro. L’obiettivo di questo documento è indagare come personalizzazioni progressive del modello, svolte esclusivamente utilizzando informazioni mediche del soggetto, influenzino i risultati delle simulazioni validando i risultati predetti dai modelli tramite confronto con il dato sperimentale effettuando una analisi SPM. Il soggetto è un uomo (86 anni, altezza 180cm, peso 75Kg) dotato di una protesi strumentata al ginocchio sinistro. Utilizzando il dataset della Grand Challenge 5, sono stati sviluppati quattro modelli muscoloscheletrici caratterizzati da un livello di personalizzazione crescente. Inizialmente, sono stati confrontati su OpenSim due modelli generici opportunamente scalati sulle dimensioni del soggetto. Poi, è stato selezionato un modello tra i precedenti e ne è stata personalizzata la forza massimale isometrica di un gruppo di muscoli. In seguito, sono state personalizzate le geometrie ossee creando un modello soggetto-specifico utilizzando il software NMSBuilder e le forze personalizzate nella fase precedente. Lo studio, in accordo con la letteratura, conferma che la personalizzazione dei modelli MS influisce notevolmente sull’accuratezza delle predizioni migliorandola sensibilmente. I modelli generici di partenza mostrano profili di forza di contatto al ginocchio lontani dal valore sperimentale misurato sul soggetto (r2≈0.6, RMSE≈0.6 BW). I modelli personalizzati mostrano migliore accuratezza sia nell’analisi SPM sia nella valutazione mediante indici statistici.