Design and first application of a reproducible workflow for the semi-automatic extraction of quantitative, comparable and topologically identifiable information on cartilage quality in early knee osteoarthritis from MRI 3T images.

Come definito dalla European League Against Rheumatism (EULAR), l'osteoartrite del ginocchio (OA) è caratterizzata clinicamente da dolore correlato all'uso e/o limitazioni funzionali. È la forma più comune di artrite o disturbo articolare complesso, che colpisce circa 237 milioni di persone, o 3,3% della popolazione mondiale, mostrando la perdita di cartilagine focale, nuova formazione ossea e il coinvolgimento di tutti i tessuti articolari. Questa tesi, sviluppata presso il Laboratorio di Bioingegneria Computazionale dell'IRCCS Istituto Ortopedico Rizzoli di Bologna, è il punto di partenza di un progetto la cui ipotesi è che, nei pazienti affetti da OA del ginocchio mediale a causa del disallineamento varo, un intervento chirurgico di osteotomia tibiale (HTO) accuratamente pianificato può portare a miglioramenti clinicamente significativi della cartilagine e della qualità ossea subcondrale, rallentando la progressione dell'OA. Il mio lavoro si è concentrato su un requisito trasversale all'intero progetto: la misurazione delle dimensioni e delle proprietà della cartilagine articolare da immagini diagnostiche. Lo scopo del mio lavoro era quello di sviluppare un flusso di lavoro per la misurazione della cartilagine articolare femorale del ginocchio da immagini a risonanza magnetica 3T (MRI). In primo luogo ho eseguito una revisione della letteratura, che ha rivelato che nonostante la pubblicazione di molti approcci differenti per la misurazione della cartilagine articolare, gli attuali metodi di segmentazione delle immagini mediche sono limitati in accuratezza, precisione, e velocità di calcolo. Soprattutto, la notevole quantità di interazione manuale necessaria è un serio ostacolo all'applicabilità clinica e persino alla ricerca. Abbiamo quindi identificato un flusso di lavoro recentemente pubblicato con algoritmi per segmentare la cartilagine del ginocchio femorale dalla risonanza magnetica e per misurare la morfologia e la relaxometria della cartilagine. Questo flusso di lavoro open source si chiama PyKNEEr ed è sviluppato e gestito da un gruppo di ricerca indipendente (Serena Bonaretti, Garry E. Gold, Gary S. Beaupre, pyKNEEEr: An image analysis workflow for open and reproducible research on femoral knee cartilage). Il software PyKNEEr è stato analizzato e testato in collaborazione con gli sviluppatori (comprese le iterazioni di risoluzione dei bug e alcuni miglioramenti al codice). Ho confrontato la sua efficienza e precisione con i noti software per l'analisi delle immagini mediche: Mimics e ITK-Snap. Il confronto tra i tre software di segmentazione ha mostrato che PyKNEEr è ancora inadeguato a segmentare automaticamente la cartilagine femorale, con conseguente significativa sovra e sotto-segmentazione rispetto alle due applicazioni di segmentazione manuale, i cui risultati erano equivalenti. Ho quindi fatto affidamento sui risultati della segmentazione manuale per progettare un flusso di lavoro per calcolare i parametri della cartilagine pre-HTO come spessore, volume e densità locale, in modo che questi possano essere confrontati in futuro con quelli post-HTO. La cartilagine del ginocchio femorale è stata divisa in sette regioni anatomiche utilizzando un nuovo approccio basato su punti di riferimento riproducibili. Il flusso di lavoro è stato applicato alle immagini pre-operatorie 3T MRI di 10 pazienti e costituirà la base per la caratterizzazione della cartilagine all'interno del progetto.