مدل‌های سه‌بعدی می‌توانند به درک عمیق‌تر جوش‌خوردگی شکستگی و پیشرفت در بهبود منجر شوند

هنگامی که برای اولین بار استخوانی را می شکنید، بدن یک پاسخ التهابی ارسال می کند و سلول ها شروع به تشکیل هماتوم در اطراف ناحیه آسیب دیده می کنند. در عرض یک یا دو هفته، آن لخته خون با ماده نرمی به نام کالوس جایگزین می‌شود که نوعی پلی را تشکیل می‌دهد که قطعات را در کنار هم نگه می‌دارد. در طی ماه‌ها، پینه به استخوان تبدیل می‌شود و روند بهبودی کامل می‌شود.

اما گاهی اوقات، این پل بین استخوان‌ها تشکیل نمی‌شود و باعث ایجاد یک عدم اتحاد می‌شود. در بیماران مبتلا به شکستگی استخوان بلند (مثلاً استخوان درشت نی، فیبیا یا استخوان ران)، جوش نخوردن می‌تواند به‌ویژه ناتوان کننده باشد و به شدت بر کیفیت زندگی و توانایی کار آنها تأثیر بگذارد. برای جراحان، تشخیص عدم جوش خوردن می‌تواند دشوار باشد، زیرا نیاز به ارزیابی ذهنی اشعه ایکس دارد که طی یک دوره شش تا نه ماهه گرفته شده است. مشکل در این است که استخوان میتوانست بهبود می یابد، فقط بسیار آهسته، در این صورت ممکن است مداخله اضافی لازم نباشد. اما اگر بهبودی نداشته باشد، بیمار ماه‌ها درد و فعالیت محدودی را تحمل کرده است تا با جراحی اضافی روبرو شود.

در یک دنیای عالی، جراحان ابزاری دارند که می‌تواند جوش‌خوردگی‌ها را زودتر تشخیص دهد.

هدف نهایی صرفه جویی در زمان، پول و ناامیدی بیماران است. زیرا اگر جراح به شما مراجعه کند و بگوید که شما یک جوش نیافتنی با تشخیص بالینی دارید و به مداخلات بیشتری نیاز دارید، توانایی شما برای بازگشت به زندگی را بیشتر به تاخیر می‌اندازد.”

برندان اینگلیس، دانشجوی کارشناسی ارشد در گروه مهندسی مکانیک و مکانیک، دانشگاه لیهای

انگلیس نویسنده اصلی مقاله‌ای است که اخیراً در آن منتشر شده است گزارش های علمی این نشان می دهد که چگونه ماهیت دوگانه ناحیه شفا، به عنوان یک ماده نرم و سخت، سفتی مکانیکی کل استخوان را تعیین می کند. این کار بر اساس تحقیقات در آزمایشگاه هانا دیلی، استادیار مهندسی مکانیک و مکانیک در کالج مهندسی و علوم کاربردی PC Rossin Lehigh است. پیش از این، این تیم امکان استفاده از یک آزمایش بیومکانیکی مجازی غیرتهاجمی مبتنی بر تصویربرداری را برای ارزیابی پیشرفت بهبود شکستگی نشان داده بود. علاوه بر این، این تیم با استفاده از آزمایش بیومکانیکی مجازی، یک روش تخصیص خواص مواد را برای استخوان‌های سالم گوسفند توسعه داده و تأیید کرده است.

به گفته انگلیس، مشکل این بود که آزمایش‌های مجازی خواص مکانیکی استخوان را در مراحل اولیه بهبودی بیش از حد پیش‌بینی کردند، زیرا بخش‌هایی از کالوس هنوز آنقدر نرم هستند که نمی‌توان آنها را به عنوان استخوان مدل‌سازی کرد.

او می‌گوید: «وقتی این مدل را برای استخوان ساق پا شکسته گوسفند، که اساساً ساق پای گوسفند است، به کار بردیم، خواص مکانیکی با هم مطابقت نداشت. فرضیه ما این بود که تمام بافت نرم و غضروف درگیر در بهبود اندام شکسته بیش از حد پیش‌بینی شده بود، به این معنی که به کالوس ویژگی‌هایی نسبت داده می‌شد که خیلی سفت بودند.

به عبارت دیگر، مدل قبلی به طور دقیق بین استخوان و پینه تمایز قائل نشد. اگر کالوس سفت‌تر از آنچه بود در نظر گرفته می‌شد، می‌توان به این اشاره کرد که استخوان در روند بهبودی بیشتر از آنچه بود، پیش رفته است.

اینگلیس می‌گوید: پینه یک بافت بسیار ناهمگن است، به این معنی که دارای بیش از یک مقدار چگالی و سفتی است. بنابراین اگر می‌خواهید یک اندام عمل‌شده را مدل کنید، نمی‌توانید همه چیز را به‌عنوان استخوان متراکم در نظر بگیرید. باید راهی برای درمان پینه به روشی متفاوت ارائه کنید. اما خواص مکانیکی کالوس هنوز به خوبی شناخته نشده است. هیچ چیزی در ادبیات وجود ندارد که نقطه برش را بین جایی که ناحیه التیام را به عنوان بافت نرم درمان می کنید و جایی که شروع به درمان آن به عنوان استخوان می کنید، تعیین کند.

برای تعیین این حد، اینگلیس و تیمش با همکارانش در واحد تحقیقات اسکلتی عضلانی (MSRU) در دانشگاه زوریخ کار کردند. محققان سوئیسی از یک تست‌کننده پیچشی برای اندازه‌گیری سفتی پیچشی در استخوان درشت نی گوسفند استفاده کردند و تیم Lehigh از سی‌تی اسکن و داده‌های مربوطه برای تکرار آن آزمایش‌های بیومکانیکی به صورت مجازی استفاده کردند.

اینگلیس توضیح می‌دهد که روشنایی پیکسل‌های درون اسکن استخوان سی‌تی با چگالی مرتبط است. هر چه پیکسل روشن تر باشد، آن ناحیه از استخوان سفت تر است.

می‌توانید تصور کنید که از یک پیکسل سیاه تا روشن‌ترین پیکسل سفید، طیف کاملی از مقادیر وجود دارد. بنابراین اساساً کاری که ما انجام دادیم این بود که نقطه‌ای را پیدا کردیم که در زیر آن پیکسل‌ها تیره‌تر می‌شوند و باید به عنوان بسیار نرم در نظر گرفته شوند. ما قبلاً فرض کردیم که در این مطالعه، آن پیکسل‌های تیره‌تر خیلی بالا کالیبره شده بودند و در مدل خیلی سفت فرض می‌شد.

آنها با استفاده از یک مدل مواد تکه تکه، نقطه برشی را بهینه کردند که بافت نرم را از استخوان جدا می کند.

او می‌گوید: «هنگامی که شما آن قطع چگالی را درست به دست آورید، مدل‌های مجازی می‌توانند به دقت سفتی را که از آزمایش بیومکانیکی روی همان استخوان به دست می‌آورید، تکرار کنند». هنگامی که مدلی دارید که مطابق با آنچه در یک تست روی نیمکت انجام شده است تأیید شده است، می‌توانید چیزهای مختلفی را در مورد رفتار استخوان‌های در حال بهبودی پیش‌بینی کنید. و هر چه بیشتر متوجه شویم که چرا فرآیند بهبودی شکست می‌خورد، شانس ما برای ایجاد یک ابزاری که روزی می تواند جراحان را مطلع کند. بنابراین این مدل به ما اجازه می دهد تا یک روز این کار را به کلینیک ترجمه کنیم.”

Inglis برای نشان دادن یافته‌های خود، اپلیکیشنی ایجاد کرد که به دیگران در این زمینه اجازه می‌دهد با داده‌ها تعامل داشته باشند.

“به عنوان محقق، ما اغلب یک مقاله عالی می خوانیم، و با ارزشی مواجه می شویم که در مورد آن کنجکاو خواهیم شد، و استناد فقط ما را به مقاله دیگری نشان می دهد، که شما را به مقاله دیگری راهنمایی می کند، و بنابراین به این اثر سوراخ خرگوش تبدیل می شود. ” او می گوید. “این برنامه راه خوبی برای تجسم کاری است که ما انجام دادیم، و آن را در تحقیقات خود بسازیم. من فکر می کنم در دنیای ایده آل، اطلاعات بیشتری از این قبیل به اشتراک گذاشته خواهد شد، زیرا در نهایت، این هدف از انجام تحقیق است.”