L’artrosi di ginocchio, se presa in carico in fase avanzata, rende inevitabilmente necessario un intervento di protesizzazione, ma giocare d’anticipo consente di spostare questo evento in avanti nel tempo.
Individuare i soggetti predisposti a questo disturbo o i pazienti con la malattia ai primi stadi permette, infatti, d’intervenire con trattamenti farmacologici e conservativi che rallentano il processo di degenerazione delle cartilagini, allungando così la vita all’articolazione.
Una possibilità importante, anche perché è noto che non tutti gli interventi di TKR (total knee replacement, artroplastica totale di ginocchio) portano a ottimi risultati sul piano sia funzionale sia di dolore.
Uno studio californiano ha presentato un algoritmo di machine learning capace di individuare le persone a rischio di necessitare di TKR partendo da immagini di risonanza magnetica e da dati di carattere clinico e demografico (Tolpadi, A.A., Lee, J.J., Pedoia, V. et al. Deep Learning Predicts Total Knee Replacement from Magnetic Resonance Images. Sci Rep 10, 6371 (2020). https://doi.org/10.1038/s41598-020-63395-9).
La sinergia dei dati permette d’individuare soggetti con radiografie negative per osteoartrosi.
I risultati migliorano ulteriormente se si esegue una RM 3D. Il modello è stato creato a partire da 4796 pazienti, tutti in cura da almeno 10 anni e con una serie di documentazioni radiografiche e di RM.
La costruzione del modello è complessa, ma lo studio è open source e consente quindi di studiarla nel dettaglio. Quel che interessa in questa sede è che questo algoritmo ha individuato 124 dei 152 pazienti del campione che hanno necessitato di un intervento di TKR.
Stefania Somaré
