Ricerca e innovazione

Progetto GAP: un passo avanti nella prevenzione delle fratture ossee

23 Febbraio 2022

Un gruppo di studenti ha ideato un dispositivo innovativo e un algoritmo per comprendere e prevenire le fratture ossee. Nel corso della vita, infatti, circa il 40% della popolazione italiana incorre in una rottura di femore, vertebra o polso. Le fratture dovute all’osteoporosi hanno conseguenze importanti in termini di mortalità e di disabilità motoria, con elevati costi sanitari e sociali. Il progetto GAP (image-Guided experimental and computational Analysis of fractured Patients) si inserisce in questo ambito e punta a superare i limiti della diagnostica attuale delle fratture ossee, per sviluppare metodi di diagnosi precoce più efficaci. L’idea è nata all’interno dell’Alta Scuola Politecnica (ASP), il programma internazionale riservato ai migliori studenti del Politecnico di Milano e del Politecnico di Torino.

Il gruppo di lavoro si è focalizzato sullo studio delle fratture ossee alla microscala, dove sussistono ancora molti dubbi sull’origine e sulla propagazione delle fratture. Non è ancora chiaro quale sia il ruolo di piccole cavità presenti nell’architettura ossea, definite lacune. Per avere un punto di vista completo gli studenti dell’ASP hanno analizzato il fenomeno sia attraverso una campagna sperimentale, sia con dei modelli computazionali.

Setup sperimentale di GAP al Sincrotrone di Trieste 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’utilizzo della tecnologia innovativa, basata sulla generazione di luce di sincrotrone e di laser ad 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 molto 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 di questo studio.

Altrettanto innovativa è stata la tecnica utilizzata per processare questa grande mole di dati. Gli studenti, dovendo esaminare oltre 2 milioni di immagini, 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 oggi al centro dell’attenzione della comunità scientifica internazionale, per il loro potenziale nell’analizzare le immagini cliniche. La realizzazione di questo algoritmo ha permesso di risparmiare oltre 2 milioni di ore nella fase di post-processing. Parallelamente il fenomeno è stato esaminato attraverso simulazioni computazionali. È stato 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.

Il progetto GAP, coordinato da Maria Chiara Sbarra, insieme a Irene Aiazzi, Bingji Liu, Alessandro Casto e Giovanni Ziarelli, ha ottenuto risultati importanti in soli due anni di lavoro. Il team multidisciplinare, guidato dalla professoressa Laura Vergani e dalla dottoranda Federica Buccino del Dipartimento di Meccanica del Politecnico di Milano, ha collaborato con l’ETH di Zurigo, il centro di ricerca internazionale Elettra Sincrotrone di Trieste e il Gruppo San Donato.