Discriminazione precoce delle infezioni periprotesiche dell'anca mediante reti neurali (SEPTIC-ANNR) (SEPTIC-ANNR)

Le infezioni periprotesiche dell'anca sono un tema caldo in chirurgia ortopedica, la cui incidenza è di circa l'1%. La morbilità, la mortalità e i costi aggiuntivi associati al ricovero prolungato e agli ulteriori trattamenti sono le principali preoccupazioni. Le infezioni periprotesiche sono generalmente diagnosticate utilizzando i criteri del CDC (Center for Disease Control and Prevention) (2014). La diagnosi si basa su criteri maggiori e minori, compresi i parametri preoperatori e intraoperatori. Per ottenere una diagnosi affidabile di infezione, quando la fistola non è presente, è necessaria l'aspirazione del liquido sinoviale o campioni di tessuto. Tuttavia, queste tecniche sono costose e invasive. Inoltre, la sensibilità non è sempre così accurata, come dimostrato da alcune serie di interventi di revisione eseguiti per presunta mobilizzazione asettica, rivelatasi settica dopo coltura. Pertanto, la diagnosi di infezione spesso avviene tardivamente e dopo un iter diagnostico lungo, complesso, costoso e non sempre risolutivo, con ripercussioni sulla tempistica e sul successo del trattamento.

Sarebbe auspicabile una procedura diagnostica pratica, rapida, affidabile e non invasiva (possibilmente ambulatoriale) per le infezioni periprotesiche. Può basarsi sulla diagnostica per immagini, limitando la raccolta di liquidi o tessuti ai casi dubbi. Attualmente, le tecniche di imaging TC e di medicina nucleare non sono abitualmente adottate nella diagnosi di infezione, a causa della modesta affidabilità, dei costi e dell'esposizione agli agenti radianti.

Recentemente sono state introdotte le reti neurali: sono costituite da tanti semplici processori paralleli, profondamente connessi, che realizzano un modello computazionale. Le reti neurali imitano il cervello e la sua capacità di apprendere. I modelli computazionali riconoscono segnali visivi, gestiscono situazioni complesse in tempo reale, classificano e gestiscono il rumore, utilizzano la memoria associativa con accesso in tempo reale a grandi quantità di dati e ricostruiscono informazioni parziali o corrotte. Le reti neurali sono già state utilizzate per prevedere l'insorgenza di infezioni, metastasi e fallimenti terapeutici, integrando dati di imaging clinico e diagnostico. Ad oggi, non sono stati condotti studi sulle reti neurali nell'infezione periprotesica. Lo scopo di questo studio è valutare se le reti neurali (reti neurali cellulari-algoritmo genetico), applicate alle radiografie convenzionali, sono accurate, sensibili e specifiche per la discriminazione precoce di un'infezione periprotesica dell'anca, già diagnosticata con metodi ben noti ( CDC 2014).

In particolare, viene selezionata una popolazione di pazienti, con una storia radiografica completa (radiografie preoperatorie e una serie di altre radiografie postoperatorie), trattati per mobilizzazione settica o asettica.

Entrambi i casi sono necessari per "istruire" una rete neurale. Il primo passo consiste nell'individuare una serie consecutiva di pazienti con diagnosi di mobilizzazione settica o asettica, consultando il database ospedaliero. Pertanto, i pazienti sono categoricamente suddivisi in allentamento settico o asettico. Vengono utilizzati i criteri CDC del 2014 (come di routine in ambito clinico), aggiungendo un altro criterio importante e necessario: almeno 3 campioni di tessuto intraoperatorio positivi (stesso microrganismo). In caso di mobilizzazione asettica, il caso non deve soddisfare i criteri CDC 2014. Pertanto, vengono raccolti i dati di imaging e clinici dei pazienti. Accertata la diagnosi si procede all'elaborazione del materiale radiografico (reti neurali cellulari-algoritmo genetico). La procedura proposta elabora le immagini radiografiche utilizzando la seguente pipeline e il software MatLab (Mathworks, Natick, USA):

• linea di base: la prima immagine post-impianto viene confrontata con l'immagine radiografica pre-impianto;
• i progressi sono registrati da radiografie periodiche utilizzando proiezioni standard e ripetibili (radiografie del bacino);
• le caratteristiche vengono estratte da ciascuna immagine, nell'area segmentata manualmente (regione di interesse - ROI). Si svolgono tre passaggi: 1) pre-elaborazione delle immagini, per creare strutture uniformi di dati di input (immagini a livello di grigio). Equalizzazione dell'istogramma del colore; 2) le funzionalità estratte dalle reti neurali vengono applicate al ROI. Modelli di clonazione utilizzando algoritmi genetici. Le caratteristiche saranno elaborate da un livello completamente connesso + SoftMax; 3) feature estratte da AutoEconder con layer completamente connesso + SoftMax;
• analisi delle caratteristiche radiografiche differenziali (analisi dei lati cellulari e convolutivi) e confronto con il basale. Post-elaborazione nel modo seguente: 1) livello di regressione completamente connesso e classificatore multiclasse: produrrà la percentuale di rischio di progressione settica; 2) livello di regressione completamente connesso e classificatore binario: caratteristiche nei cluster settici/asettici;
• un albero decisionale finale: fusione dei dati sopra menzionati, fornendo una percentuale di rischio di progressione settica all'imaging indicizzato. L'obiettivo è verificare se le reti neurali applicate all'imaging radiografico possono riconoscere in modo accurato, sensibile e specifico un'infezione periprotesica dell'anca tardiva e cronica diagnosticata secondo criteri validati e certi.