Analisi quantitativa di immagini tomografiche ad alta risoluzione nell'ambito di un progetto di ricerca sull'intervento di HTO (High Tibial Osteotomy)

As defined by the European League Against Rheumatism (EULAR), knee osteoarthritis (OA) is characterized by pain related to the use of the joint and leads to many functional limitations. Without a doubt it is the most common form of osteoarthritis and the most frequent chronic disease in the population. It afflicts about 237 million people, 3.3% of the world's population; in Italy approximately 4,000,000 subjects were affected by symptomatic OA, showing cartilage loss, bone neoformation and involvement of all joint tissues. This thesis, developed at the Computational Bioengineering Laboratory of the IRCCS, Rizzoli Orthopedic Institute of Bologna, is one of the points of a project on High Tibial Osteotomy (HTO) surgery. The hypothesis of this project is that in patients affected by medial knee OA due to varus misalignment an accurately planned high tibial osteotomy (HTO) surgery can lead to clinically significant improvements in cartilage and subchondral bone quality, slowing down OA progression. My work focused on a transversal study to the whole project: the 3D segmentation of the patient's knee joint from CBCT (Cone Beam Computed Tomography) bioimages, high-resolution tomographic images, the identification of the articular surfaces and the measurement of significant intra-articular distances both for comparison with non-pathological cases and with the same measurements on a different type of diagnostic image, the Rosenberg radiography. My goal was in fact to look for differences or confirmations in the literature and compare the evaluation of the intercondylar space between an upright weight-bearing position on CBCT images and a flexed knee position on Rosenberg images. Part of the work was also learning how to use the 3D Slicer segmentation software, used for the first time for this project, and to carry out the segmentations both manually and semi-automatically to make the results increasingly accurate and repeatable.

Come definito dalla European League Against Rheumatism (EULAR), l’osteoartrosi al ginocchio (OA) è caratterizzata da dolore collegato all’uso dell’articolazione e porta a molte limitazioni funzionali. Senza alcun dubbio è la forma più comune di artrosi e la malattia cronica di più frequente riscontro nella popolazione. Affligge circa 237 milioni di persone, il 3.3% della popolazione mondiale; in Italia risultano affetti da OA sintomatica circa 4.000.000 di soggetti, mostrando perdita della cartilagine, neoformazione ossea e coinvolgimento di tutti i tessuti articolari. Questa tesi, sviluppata presso il Laboratorio di Bioingegneria Computazionale dell’IRCCS, Istituto Ortopedico Rizzoli di Bologna, è uno dei punti parte di un progetto di ricerca sull’intervento di High Tibial Osteotomy (HTO). L’ipotesi di questo progetto è che nei pazienti affetti da OA del ginocchio mediale, causata da varismo, un intervento di HTO accuratamente pianificato possa portare a miglioramenti clinicamente significativi della cartilagine e dell’osso, rallentando così la progressione dell’artrosi. Il mio lavoro è focalizzato su uno studio trasversale all’intero progetto: la segmentazione 3D dell’articolazione del ginocchio dei pazienti da bioimmagini CBCT (Cone Beam Computed Tomography), immagini tomografiche ad alta risoluzione, l’identificazione delle superfici articolari e la misurazione di distanze intra-articolari significative sia per la comparazione con casi non patologici che con le stesse misurazioni su un diverso tipo di immagine diagnostica, la radiografia Rosenberg. Il mio obiettivo è stato infatti cercare differenze o conferme nella letteratura e comparare la valutazione dello spazio intercondilare tra una posizione in carico eretta su immagini CBCT e una posizione con ginocchio semiflesso su radiografia Rosenberg. Parte del lavoro è stato anche imparare ad utilizzare il software di segmentazione 3D Slicer, utilizzato per la prima volta per questo progetto, e di effettuare le segmentazioni sia manualmente sia semi-automaticamente per rendere i risultati sempre più accurati e ripetibili.