Proximal junctional failure stratification in adult spine surgery using 3D patient-specific finite element models

Abstract

Adult Spine Deformity (ASD) leads to abnormal spine curvature causing imbalance, pain, and fall risk. Spinal surgery is common but carries the risk of Mechanical Complications (MC), notably Proximal Junctional Failure (PJF), often requiring revision surgery. Developing PJF prediction tools could reduce the need for revisions. The existing Global Alignment and Proportion (GAP) score predicts MC but lacks biomechanical descriptors specific to PJF. To address this, Statistical Shape Modelling (SSM) and mesh morphing are used for patient-specific in-silico modeling. Then, Finite Element (FE) simulations assess biomechanical candidates causing PJF. Results showed that Bending Moment (BM) and mechanical loads in the intervertebral disc are the top PJF classifiers. Integrating biomechanical factors into the GAP core could improve predictive capabilities. Additionally, selected biomechanical descriptors may guide hardware density reduction configurations as a topping-off technique to prevent PJF. This research offers promising insights for enhancing PJF prediction and preventing related complications after spinal surgery.La deformitat de la columna vertebral de l'adult (ASD) condueix a una curvatura anormal de la columna vertebral que causa desequilibri, dolor i risc de caiguda. La cirurgia de columna és comuna, però comporta el risc de complicacions mecàniques (MC), en particular la fallada d'unió proximal (PJF), que sovint requereix una cirurgia de revisió. El desenvolupament d'eines de predicció de PJF podria reduir la necessitat de revisions. L’índex d'alineació i proporció global (GAP) existent prediu MC, però no inclou cap descriptors biomecànics específics de PJF. Per fer front a aquesta limitació, s'utilitzen models estadístics de forma (SSM) i transformació de malla per al modelatge in silico específic del pacient. Llavors, les simulacions d'elements finits (FE) avaluen els factors biomecànics causants de PJF. Els resultats van mostrar que el moment de flexió (BM) i les carregues mecàniques en el disc adjacent són els millors classificadors de PJF. La integració de factors biomecànics a l’index GAP podria millorar les capacitats predictives. A més a més, els descriptors biomecànics identificats en aquesta tesi doctoral poden guiar les configuracions de reducció del nombre d’implants al llarg de la columna, com una tècnica per prevenir la PJF. Aquesta investigació ofereix informació prometedora per millorar la predicció de PJF i prevenir complicacions relacionades després de la cirurgia de columna.Programa de Doctorat en Tecnologies de la Informació i les Comunicacions