Meccanica Magazine n. 4

Il progetto GAP:
per una diagnosi precoce e prevenzione
delle patologie ossee
meccanica magazine
28
ITA
Il progetto GAP ha origine dalla collaborazione attiva tra centri
di ricerca nazionali ed internazionali e dall’unione di competenze
differenti ma sinergiche. GAP, dall’inglese image-Guided
computational and experimental Analysis of fractured Patients,
si pone un obiettivo ambizioso: ottenere una diagnosi precoce
delle patologie ossee ed assistere il personale clinico nel processo
terapeutico. GAP nasce all’inizio del 2020 per rispondere all’esigenza
ospedaliera del Gruppo San Donato (Istituto Ortopedico Galeazzi,
Milano) di limitare le criticità indotte dalle fratture da fragilità ossea,
in preoccupante aumento a causa dell’incremento dell’età media
della popolazione. Infatti, le previsioni indicano un aumento di tali
fratture in Italia del 22,4% entro il 2030. Oltre alla drammatica
incidenza delle stesse sulla popolazione, in particolare sulle donne,
emerge un serio problema di natura economica e psicosociale. Da
un lato, infatti, l’incremento dei casi di ospedalizzazione impatta
esponenzialmente sul sistema sanitario, dall’altro la perdita di
mobilità e di indipendenza costituisce un’importante causa di
declino psicologico da parte del paziente. Attualmente, in ambito
clinico le fratture da fragilità ossea sono riconosciute e trattate con
evidente ritardo, con prognosi spesso severa. Le attuali tecniche di
imaging diagnostico, quali le radiografie oppure la densitometria
assiale a raggi X, lavorano con una risoluzione nell’ordine di
grandezza dei millimetri, inadeguata ad individuare l’insorgere di
micro-fratture, che rappresentano l’effettiva origine del fenomeno
di infragilimento osseo. Inoltre, le valutazioni risultano spesso
affette dalla soggettività dei clinici.
Il progetto nasce nel Dipartimento di Meccanica del Politecnico
di Milano, grazie all’esperienza della professoressa Vergani,
coordinatrice della ricerca con decennale esperienza specifica nella
meccanica della frattura ed al contributo della giovane ricercatrice
Federica Buccino, la cui attività di ricerca coniuga l’aspetto
meccanico con il settore biomedicale oggetto del problema.
Al fine di descrivere al meglio il piano d’azione di GAP, è cruciale porsi
alcuni quesiti:
Qual è l’idea di GAP per alleviare il fardello delle fratture ossee?
Al fine di ottenere una diagnosi precoce delle patologie ossee e
ridurre l’impatto socio-economico delle fratture, è necessario
agire prima che la frattura richieda un intervento massivo da parte
dei clinici. Per questa ragione, il focus dell’attività è la micro-scala
ossea, sede di micro-porosità (lacune), il cui ruolo nei meccanismi
di danneggiamento non è ancora stato chiarito. Visualizzare
l’architettura del network lacunare, approfondire e simulare l’inizio
del micro-danneggiamento ed infine predirne l’evoluzione alla multiscala,
risultano fattori di grande interesse sia biomeccanico che
clinico.
Qual è la rete GAP?
Per perseguire il suo obiettivo, la sinergia di competenze è un
aspetto di primaria rilevanza: GAP collabora con un network
nazionale ed internazionale di eccellenza.
Il progetto nasce da una collaborazione con il Gruppo San Donato
senza scambio economico (in autofinanziamento); successivamente
si sono aggiunti gli altri partner.
Caratterizzazione meccanica e biologica ossea alla multi-scala >
ELETTRA Sincrotrone (prof.ssa Tromba), EMPA (prof. Schwiedrzik),
Università di Strasburgo (prof.ssa Carradò), Università di Eindhoven
(prof.ssa Hofmann).
Modellazione numerica del danneggiamento osseo >Trinity College
Dublin (prof. Taylor), Dioscuri Centre in Topological Data Analysis
(prof. Dlotko), ETH Zurigo (prof. Müller), TU Delft (prof. Zadpoor, prof.
Mirzaali)
Dalla ricerca alla clinica: intelligenza artificiale per l’individuazione di
micro-danneggiament > NTNU (prof. Berto)
Partner clinici ed impatto sociale > Istituto Ortopedico Galeazzi
(prof. Banfi) e Cittadinanzattiva (dott.ssa Nicoletti)
La ricerca GAP è entrata anche nell’Alta Scuola Politecnica: un gruppo
di cinque studenti ha attivamente partecipato alla realizzazione di un
algoritmo di deep learning che automatizza il riconoscimento delle