Comment l'IA peut-elle soutenir la modélisation numérique pour les dispositifs orthopédiques personnalisés ?

Prévisions et préparation

Quiconque fabrique aujourd'hui une orthèse à partir du scan d'un membre commence par une série d'étapes de correction numérique effectuées manuellement : ajuster les volumes, ajouter ou supprimer des matériaux, combiner différents modèles 3D. Complexes et essentielles pour le résultat final, mais aussi chronophages et sujettes à des variations.

GO-AID explore la capacité de l'IA à reconstruire correctement les scans 3D et à faire des prévisions pertinentes sur le moule nécessaire à la fabrication de la forme de l'orthèse. L'objectif n'est pas d'automatiser les décisions, mais de préparer le processus de modélisation numérique.

Concrètement, cela signifie : un travail plus rapide, des résultats plus cohérents et le maintien du contrôle pour le modélisateur.

Chemins non tracés

Aujourd'hui, les applications de l'IA se concentrent sur l'analyse d'images en 2D, telles que la reconnaissance et la reproduction de photos. La modélisation orthopédique des scanners exige quelque chose de fondamentalement différent : la compréhension de l'anatomie tridimensionnelle.

Le rendu 3D d'un pied ou la partie inférieure d'une jambe, par exemple, est constitué de ‘maillages’ complexes : des réseaux de plans, d'arêtes et de points reliés les uns aux autres. L'interprétation, l'ajustement et la construction corrects de ces éléments nécessitent des algorithmes différents de ceux utilisés pour le traitement classique des images. Des expériences antérieures l'ont montré clairement.

Jan explique : « Nous obtenions des modèles 3D qui semblaient bons à première vue, mais nous n'avions aucune idée de la manière dont le résultat avait été créé. » Cette situation est problématique à plusieurs égards.

• Cliniquement : une correction est-elle correcte et justifiée ?
• Juridiquement : le processus est-il conforme à la réglementation sur les DM ?
• En pratique : un modélisateur peut-il modifier ?

« C'est pourquoi, avec GO-AID, nous accordons une attention particulière à la transparence et à la facilité d'explication des applications de l'IA et de leurs méthodes de travail », explique Jan.

Le cœur de l'étude

GO-AID est mis en place en deux phases distinctes.

Dans le cadre de la première année de recherche, Femke Danckaers recense les méthodes d'IA qui permettent aujourd'hui d'analyser et de générer de manière fiable des formes en 3D dans un contexte médical. L'exactitude et la facilité d'explication sont essentielles.

Au cours de la deuxième année de recherche, l'accent est mis sur des applications orthopédiques concrètes, avec comme premier cas d'utilisation l'orthèse cheville-pied chez les patients atteints de paralysie cérébrale (PC). Un choix délibéré : il s'agit d'une des orthèses les plus complexes et les plus sujettes aux erreurs, tant au niveau de la prise de mesure que de la modélisation. Ceux qui progressent dans ce domaine peuvent ensuite appliquer leurs connaissances à d'autres pathologies et à d'autres parties du corps.

L'étude se concentre donc sur ces deux étapes critiques :

• Prises de mesure numériques : comment l'IA peut-elle gérer la qualité variable des scans, par exemple chez les patients souffrant de pathologies complexes telles que la PC, qui ne peuvent pas maintenir leur jambe inférieure immobile pendant le scannage ?
• Correction de scan de la partie inférieure de la jambe : Comment l'IA peut-elle soutenir ce processus de CAO nécessitant beaucoup de main-d'œuvre ?

« Aujourd'hui, la prise de mesure pour une orthèse cheville-pied chez les patients atteints de PC est stressante pour ces derniers », explique Femke. « La jambe doit être fixée et la prise de mesure prend beaucoup de temps. En outre, plusieurs ajustements sont souvent nécessaires. En même temps, l'orthèse doit rester fonctionnelle : le patient doit pouvoir se tenir debout et marcher. Tout cela rend ce processus très complexe. »

La recherche en et avec la pratique

Femke et l'équipe d'innovation de Vigo travaillent en étroite collaboration. Jan et elle se rencontrent toutes les semaines et d'autres collègues leur apportent également leur soutien : ils définissent les orientations, fournissent des données dans des contextes réalistes et testent les résultats chez les prestataires.

Quel est l'objectif à long terme de l'étude ? Femke : « Un patient atteint de PC se rend chez l'orthopédiste et la partie inférieure de la jambe est scannée de la manière la plus confortable possible. Le déploiement de l'IA permet alors d'obtenir une forme de base corrigée et utilisable cliniquement, sur laquelle le concepteur s'appuie ensuite. »