Sviluppo di un algoritmo per il posizionamento automatico di protesi endovascolari fenestrate nel trattamento di aneurismi aortici addominali

L'aneurisma aortico addominale è una patologia cronica e spesso asintomatica, caratterizzata da un elevato rischio di rottura. La diagnosi precoce risulta complessa e, nella maggior parte dei casi, l’aneurisma viene individuato solo in fase avanzata, ovvero quando risulta già necessario un intervento chirurgico. La riparazione chirurgica è considerata il gold standard per il trattamento a lungo termine degli aneurismi e, in particolare, negli ultimi anni ha acquisito un ruolo sempre più rilevante la chirurgia endovascolare f-EVAR che comprende l’uso di stent-grafts, spesso fenestrati, fondamentali per adattare lo stent anche alle anatomie più complesse. Nei casi di urgenza non è possibile utilizzare stent-grafts custom made in quanto, i tempi di attesa per la produzione di tali protesi risultano essere lunghi e non compatibili con le aspettative di vita del paziente. Per questo motivo, è possibile ricorrere ai Physician Modified Endovascular Grafts, stent-grafts modificati direttamente dal chirurgo prima dell’intervento. Nel reparto di Cardiochirurgia dell’Azienda Ospedaliera di Padova, con cui è stato possibile collaborare per questo elaborato, viene utilizzato nella pratica clinica lo stent-grafts Valiant Captivia™ di Medtronic. Attualmente la determinazione dei parametri per le fenestrazioni degli stent-grafts è manuale: i chirurghi ricavano dall’ angio-TC del paziente i dati necessari ed eseguono i calcoli su carta millimetrata, metodo oneroso e potenzialmente impreciso. Per ottimizzare tale processo, nel seguente studio, è stato sviluppato un approccio di Machine Learning tramite cui è stato possibile sviluppare un algoritmo chiamato “Parametri” in linguaggio Python. L’obiettivo di tale algoritmo è quello di analizzare le maschere ottenute dalle TAC e restituire in output i parametri richiesti dal reparto di cardiochirurgia necessari per effettuare le fenestrazioni degli stent-grafts. In particolare, i parametri individuati per ogni vaso sono, le coordinate dei punti R e H, l’angolo tra l’asse y e la retta passante per questi punti e la distanza tra TOG e i punti H. I risultati ottenuti sono elaborati come media e deviazione standard degli errori e le coordinate dei punti H e R sono state analizzate tramite il test Hotelling T2 per valutare l’accuratezza dell’algoritmo. I risultati ottenuti confermano le ottime prestazioni dell’algoritmo e tale approccio in futuro potrebbe essere utilizzato in ambito clinico come supporto ai chirurgi per un’efficiente pianificazione preoperatoria.