Un gruppo di studenti dell’Alta Scuola Politecnica ha compiuto un’importante passo avanti nello studio delle fratture ossee con il progetto GAP (image-Guided computational and experimental Analysis of fractured Patients), insieme di un dispositivo innovativo e di un algoritmo che punta a superare i limiti della diagnostica attuale delle fratture ossee, per sviluppare metodi di diagnosi precoce più efficaci.
Sull’origine e sulla propagazione delle fratture ci sono ancora molti dubbi. Non è chiaro quale sia il ruolo delle piccole cavità presenti nell’architettura ossea, definite lacune. Tuttavia, la comprensione dei processi meccanici di danneggiamento è essenziale per una diagnosi precoce e una prevenzione efficace delle patologie ossee. In particolare, sono di interesse le fratture dovute all’invecchiamento in quanto legate all’osteoporosi.
A causa dell’incremento dell’età media della popolazione, l’osteoporosi si configura come un evento con conseguenze sia nella sfera psico-sociale sia economica. L’investigazione nel campo delle fratture ossee risulta tuttavia particolarmente complessa, in quanto le ossa sono caratterizzate da un’intricata struttura gerarchica ed è ancora carente una comprensione completa del danneggiamento osseo alla micro-scala. Il progetto GAP si inserisce in questo contesto.
La luce del sincrotrone
Per avere un punto di vista completo, gli studenti dell’ASP, il programma internazionale riservato ai migliori studenti del Politecnico di Milano e del Politecnico di Torino, hanno analizzato il fenomeno sia attraverso una campagna sperimentale, sia con modelli computazionali.
Più in dettaglio, è stato progettato e realizzato un dispositivo di micro-compressione che permette sia di testare i campioni ossei femorali in condizioni che riproducono la situazione di lavoro in vivo all’interno del corpo umano, sia di acquisire immagini di determinate sezioni ossee. Ciò è stato possibile grazie all’impiego di una tecnologia innovativa, basata sulla generazione di luce di sincrotrone e di laser a elettroni liberi di alta qualità, dell’Elettra Sincrotrone di Trieste.
La luce del sincrotrone è una radiazione elettromagnetica caratterizzata da particelle cariche con una velocità elevatissima, vicina a quella della luce, e che, di conseguenza, ha una lunghezza d’onda molto limitata. Queste caratteristiche fanno sì che il picco di radiazione rientri nella categoria dei raggi x e che sia adatta per analizzare un tessuto come le ossa. Questo è il punto fondamentale della ricerca, perché nessuno prima aveva studiato il fenomeno con immagini di risoluzione così alta. La qualità e la quantità di immagini acquisite e analizzate sono, infatti, l’elemento di forza dello studio.
Una rete neurale per le immagini
Altrettanto innovativa è la tecnica utilizzata per processare questa grande mole di dati. Dovendo esaminare oltre due milioni di immagini, gli studenti hanno deciso di automatizzare il processo, sviluppando una rete neurale convoluzionale in grado di identificare autonomamente le lacune ossee. Le reti neurali sono algoritmi di deep learning con un grande potenziale nell’analisi delle immagini cliniche. La realizzazione di questo algoritmo ha permesso di risparmiare oltre due milioni di ore nella fase di post-processing. Parallelamente, il fenomeno è stato esaminato attraverso simulazioni computazionali. È stato così realizzato e validato un modello che permette di riprodurre prove di compressione ossea che potrà essere utilizzato per analisi future, senza la necessità di nuovi campioni delle ossa.
Risultati importanti in soli due anni
In soli due anni di lavoro, il progetto GAP, che è coordinato da Maria Chiara Sbarra, insieme a Irene Aiazzi, Bingji Liu, Alessandro Casto e Giovanni Ziarelli, ha ottenuto risultati importanti. Guidato dalla Professoressa Laura Vergani e dalla dottoranda Federica Buccino del Dipartimento di Meccanica del Politecnico di Milano, il gruppo multidisciplinare ha collaborato con l’ETH di Zurigo, il centro di ricerca internazionale Elettra Sincrotrone di Trieste e il Gruppo San Donato.
Patrizia Godi
