L’aneurisma dell’aorta addominale (AAA) è una delle più comuni forme di aneurisma aortico, ovvero una sorta di rigonfiamento simile a un palloncino che si “gonfia” sulla parete della più grande arteria dell’addome, che colpisce circa il 6% dei maschi dopo i 65 anni. Si tratta di una dilatazione patologica permanente che, in caso di rottura, può essere fatale per quasi 9 persone con AAA su 10. Moxoff insieme a un team multidisciplinare ha lavorato su algoritmi di Intelligenza Artificiale per dare al chirurgo vascolare uno strumento efficace di stima dell’evoluzione dell’aneurisma.
Contesto e bisogno
Prevedere la rottura di un aneurisma significherebbe aumentare le probabilità di salvare la vita di chi ne soffre (oltre 700.000 persone in Europa, con 220.00 nuove diagnosi stimate all’anno). La rottura di un aneurisma dell’aorta addominale dipende da molteplici fattori, tra cui la dimensione e velocità di espansione dell’aneurisma. Conoscere la velocità di evoluzione dell’AAA, permetterebbe ai chirurghi vascolari di valutare sia l’eventuale rischio di rottura, sia l’indicazione all’impianto di un device (stent) che favorisce il normale flusso di sangue all’interno dell’aorta evitando gli esiti da rottura.
Soluzione
Utilizzando metodi di simulazione numerica a partire da immagini TC dell’aneurisma dell’aneurisma addominale, Moxoff insieme a un team multidisciplinare di esperti sta realizzando un set di algoritmi di Intelligenza Artificiale, chiamato Risk Stratification Algorithms, che permette di ricostruire l’aneurisma del paziente, simulare il flusso del sangue e il movimento della parete dell’aorta addominale.
Dalle simulazioni vengono estratti indici (coefficienti) che permettono al medico specialista di effettuare valutazioni sullo stato dell’aneurisma. Sulla base dei molteplici fattori, inclusi fattori di rischio individuali del paziente (ipertensione non controllata con i farmaci, abitudine al fumo, eccetera), i chirurghi cardiovascolari possono avere una stima dell’evoluzione dell’AAA e valutare il rischio di rottura. Si tratta di informazioni che aiutano il chirurgo vascolare nel prendere decisioni sulle strategie interventistiche più adatte che, attuate in tempo, potrebbero salvare la vita del paziente.
Descrizione
Per identificare la progressione e velocità di evoluzione di un AAA, gli specialisti cardiovascolari (chirurghi, radiologi e specialisti di prodotto) hanno a disposizione diversi strumenti di visualizzazione delle immagini delle TAC dei pazienti affetti da AAA e di misurazione manuale delle dimensioni dell’aneurisma. Si tratta perlopiù di sistemi installati su apparecchiature che non permettono la condivisione del caso clinico con colleghi e fornitori.
Sfruttando la simulazione numerica e l’analisi statistica, Moxoff ha condotto sia simulazioni numeriche fluido-struttura su geometrie ricostruite con gli algoritmi implementati da Moxoff per lo studio dei coefficienti di rischio di rottura dell’aneurisma (studio pubblicato in [1]), sia utilizzando tecniche statistiche di clustering gerarchico, ha classificato gli aneurismi in gruppi di verosimiglianza fornendo agli specialisti cardiovascolari una “libreria” di casi simili a quello da trattare.
Moxoff sta quindi implementando una piattaforma web in grado di:
- Fornire ai chirurghi cardiovascolari sia un tool per caricare e condividere su uno spazio cloud le TAC dei pazienti che possono quindi essere condivise con colleghi e specialisti di prodotto
- Effettuare una simulazione e visualizzare la ricostruzione 3D dell’aorta addominale del paziente
- Ottenere una misurazione automatica delle dimensioni caratteristiche dell’aneurisma
La piattaforma web è stata realizzata per poter dare la possibilità ai chirurghi di prevedere in futuro il rischio di rottura non solo dell’aneurisma dell’aorta addominale ma di tutti gli aneurismi.
[1] C. M. Colciago; S. Deparis; M. Domanin; C. Riccobene; E. Schenone, A. M. Quarteroni. Analysis of morphological and haemodynamical indexes in abdominal aortic aneurysms as preliminary indicators of intraluminal thrombus deposition. Biomechanics and Modeling in Mechanobiology, 2019. https://doi.org/10.1007/s10237-019-01269-4
Contattaci per ricevere ulteriori informazioni
