Clinical decision support systems for patellofemoral instability diagnosis and treatment

Abstract

A instabilidade patelofemoral (IPF) é uma patologia do joelho complexa e com uma etiologia multifatorial. Dor anterior do joelho e episódios de luxação da rótula são os principais sintomas e afetam a vida ativa dos jovens pacientes. O diagnóstico por imagem da IPF é exaustivo, demorado e propenso a variabilidade. A displasia troclear é o principal fator predisponente para a IPF e é corrigida com a trocleoplastia, um procedimento cirúrgico eficaz para restaurar a congruência da articulação patelofemoral (APF) mas tecnicamente exigente e associado a um elevado risco de complicações. Este trabalho de investigação visa fornecer soluções tecnológicas para auxiliar o diagnóstico da IPF e o tratamento cirúrgico da displasia troclear. Numa primeira fase, foi desenvolvido um sistema de diagnóstico assistido por computador. Um software semiautomático para o diagnóstico por imagem da IPF foi desenvolvido e comparado com o método de referência, onde demonstrou ser eficaz para melhorar a fiabilidade intra e interobservador das medições dos índices de IPF. Foram desenvolvidos algoritmos baseados em deep learning para deteção de pontos de referência do joelho para automatizar as medições dos índices com boa fiabilidade (ICC>0.75). Outra componente desta tese endereça o desenvolvimento de um sistema de cirurgia ortopédica assistida por computador (COAC) para a trocleoplastia. Duas estratégias de planeamento cirúrgico foram implementadas visando delinear um novo sulco troclear para garantir a congruência da APF, e validadas com recurso às tecnologias de realidade mista e impressão 3D. Um sistema de navegação cirúrgica foi implementado. Engloba uma solução intuitiva para a interação homem-computador com o reconhecimento automático de seis gestos manuais com elevada precisão (>95%). A eficiência do feedback visual em tempo real do software de navegação cirúrgica para guiar o procedimento e a precisão global do sistema de navegação desenvolvido foram validadas. Resultados promissores foram obtidos para a primeira prova de conceito de um sistema de COAC para a trocleoplastia.

Patellofemoral Instability (PFI) is a complex knee pathology with a multifactorial aetiology. The main symptoms are anterior knee pain and lateral patellar dislocations, which affect the young patients’ active life condition. PFI diagnostic imaging is laborious, time-consuming, and prone to variability. Trochlear dysplasia is the main predisposing factor for PFI and is corrected with trochleoplasty, an effective surgical procedure to restore patellofemoral joint (PFJ) congruence but technically demand-ing and associated with high risk of complications. This research work aims to provide technological solutions for assisting the PFI diagnosis and the surgical treatment of trochlear dysplasia. In a first phase, a computer-assisted diagnosis system was developed. A semi-automatic software for PFI di-agnostic imaging was developed and benchmarked with the gold standard method, where it revealed to be effective in improving the intra and inter-observer reliability of PFI indices measurements. Deep learning-based algorithms for knee anatomical landmarks detection were developed to automate the indices measurements with good reliability (ICC>0.75). Another component of this thesis addresses the development of a computer-assisted orthopaedic surgery (CAOS) system for trochleoplasty. Two surgical planning strategies were implemented to delineate a new trochlear sulcus and ensure PFJ congruence and were validated using mixed reality and 3D printing technologies. A surgical naviga-tion system was implemented. It encompasses an intuitive human-computer interaction solution with automatic recognition of six hand gestures with high accuracy (>95%). The efficiency of the real-time visual feedback provided by the developed surgical navigation software to guide the surgical proce-dure and the overall accuracy of the surgical navigation system were validated. Promising results were obtained for the first proof-of-concept of a CAOS system for trochleoplasty.