Modelli muscoloscheletrici guidati dall'elettromiografia per la simulazione della camminata in pazienti con protesi di ginocchio = EMG-assisted musculoskeletal models for gait simulation in knee replacement patients

Definire le forze interne che agiscono sulle articolazioni è fondamentale per una completa caratterizzazione meccanica dell’ambiente locale e per comprendere come il sistema muscolo-scheletrico umano risolva la dinamica del movimento. Le complesse interazioni del controllo neurale con la dinamica muscolo-scheletrica durante il movimento rappresentano una barriera significativa: molte grandezze di interesse sono difficili da misurare senza un approccio chirurgicamente invasivo. Le forze esterne sono misurabili attraverso piattaforme di forza, mentre le forze muscolari interne e di reazione articolari sono ancora sperimentalmente ignote. Inoltre, il sistema muscolo-scheletrico è altamente ridondante: ci sono più muscoli che gradi di libertà meccanici, per cui esiste un numero infinito di soluzioni di attivazione muscolare per uno stesso movimento. Studi precedenti hanno indagato metodi di analisi per stimare momenti e forze di reazione articolari attraverso metodi di ottimizzazione statica e dinamica; tuttavia, questi non sono in grado di tenere conto delle variazioni nei pattern di attivazione muscolare e non distinguono la co-contrazione muscolare, evidente solo nei modelli elettromiografici. Scopo di questo studio è indagare metodi di analisi in grado di ricevere informazioni più complete, come dati di elettromiografia (EMG) ed angoli articolari. Calibrated EMG-Informed Neuro Muscle Skeletal Model (CEINMS) è un toolbox OpenSim che esplora più soluzioni di controllo neurale per una stessa geometria muscoloscheletrica e momenti articolari. CEINMS si candida come metodo promettente per la stima dei momenti articolari, tenendo conto di un Dataset più completo e della capacità di analizzare contemporaneamente più gradi di libertà. I dati utilizzati in questo studio provengono dalla Grand Challenge Competition to Predict In Vivo Loads. Per ciascuna Grand Challenge, sono stati identificati ed elaborati i dati sperimentali relativi a task locomotori semplici (camminata su livello piano e su tapis-roulant), quali dati provenienti da sistemi di motion capture, elettromiografia e pedane di forza. Modelli Muscoloschelettrici (MSK) personalizzati a partire da immagini mediche, precedentemente sviluppati all’interno del gruppo di ricerca, sono stati calibrati e impiegati per le simulazioni biomeccaniche in OpenSim. I dati sperimentali risultanti da questa prima analisi sono stati poi esportati in CEINMS e arricchiti con gli EMG delle unità muscolo-tendine (MTU) disponibili nel Dataset. Il sistema di controllo neurale di CEINMS regola l'eccitazione specifica del muscolo per migliorare il tracciamento dei momenti articolari sperimentali. Nel caso della modalità EMG-assisted, CEINMS definisce il set di attivazioni e forze muscolari seguendo quanto più fedelmente i momenti esterni ottenuti con Opensim e agenti sulle articolazioni, cercando contemporaneamente di rispettare l’inviluppo lineare dei segnali EMG sperimentali. L’attività muscolare delle restanti MTU viene stimata con l’ottimizzazione statica, minimizzando la somma delle attivazioni quadratiche. È stato così possibile calcolare le forze di contatto articolare, in fine confrontate con i valori sperimentali ottenuti da protesi di ginocchio strumentate e con le stime dell’analisi di ottimizzazione statica in OpenSim.