Montant:
560’000 francs (2020-2024)
Titre de la recherche:
Machine learning and patient-specific biomechanical methods for assessing outcome in total shoulder arthroplasty: a multicenter cohort study
Requérant principal:
Alexandre Terrier, collaborateur de recherche, Service d’orthopédie et de traumatologie, DAL, et Laboratoire de biomécanique en orthopédie, EPFL
Programme FNS:
Sinergia
Avec le vieillissement de la population, l’incidence de l’omarthrose – soit l’usure du cartilage entre la surface articulaire de la tête humérale et la glène – augmente et accroît du même coup le nombre d’arthroplasties de l’épaule, dont le taux de complications reste relativement élevé et encore difficile à expliquer.
Bien que différents types de complications aient été identifiés pour l’arthroplastie de l’épaule, il n’existe à ce jour aucun indicateur clair permettant de les prédire. L’analyse détaillée des causes et des risques de complications est difficile, notamment pour la contribution biomécanique. Cette dernière de même que les données cliniques sont rares et difficiles à obtenir.
Afin d’améliorer les résultats de ce traitement chirurgical, ce projet associe apprentissage automatique et biomécanique à un registre clinique multicentrique. Son objectif consiste à évaluer les risques statistiques de complications, parmi un grand nombre de paramètres cliniques et biomécaniques. De façon à corréler la pathologie, le traitement et les complications avec des facteurs de risque, des outils précédemment développés pour l’analyse de l’anatomie et de la biomécanique de l’épaule seront utilisés sur une série de patient-e-s qui ont bénéficié d’une arthroplastie de l’épaule.
Cette démarche sera appliquée à une cohorte multicentrique, complétée par un groupe contrôle de personnes sans pathologie de l’épaule. En plus des données cliniques habituelles, cette base de données contiendra des données radiologiques et biomécaniques. Une partie importante du projet consistera à élaborer les méthodes nécessaires pour obtenir, recueillir, rassembler et analyser cette grande quantité de données.
L’identification des paramètres responsables de l’échec de l’arthroplastie de l’épaule est nécessaire pour réduire le taux de complications. Après validation, ces paramètres pourraient être intégrés aux scores cliniques préopératoires et contribuer à améliorer la planification chirurgicale et le résultat de la chirurgie. Pionnier dans son domaine, ce projet sera mené par un groupe de chercheuses et chercheurs du CHUV (Département de l’appareil locomoteur et Département de radiologie médicale), de l’EPFL et de l’Université de Berne.
