"“Aprendizaje Automático en el Diseño Personalizado de Vástago Femoral Corto para reducir el Stress Shielding”"

La investigación en el proyecto de tesis consistirá en elaborar modelos de aprendizaje automático y de optimización para mejorar las dimensiones de un vástago corto personalizado en aras de incrementar su vida útil a través de la atenuación efectiva del apantallamiento de tensiones o también llamado stress shielding. Se partirá de la tomografía computarizada (TC) de un paciente específico, donde la segmentación de la TC permitirá Obtener las propiedades mecánicas y el modelo virtual de los huesos cortical y trabecular. Definidas las características del paciente, se imita virtualmente el procedimiento quirúrgico (ATC) para diseñar una prótesis femoral adaptada a su morfología. A partir de ello, con la gradual modificación de los parámetros geométricos del vástago se procederá a realizar la simulación numérica del sistema fémur-implante, donde los esfuerzos máximos principales servirán para evaluar la variación de esfuerzos respecto al fémur intacto y, a su vez, generar el dataset de entrenamiento y validación. Una vez adquirida y dividida la data se procederá a diseñar la arquitectura de los algoritmos de regresión que permitirán conocer la variación de esfuerzos en función de las dimensiones geométricas del vástago corto y las zonas del fémur, ya que para mayor rendimiento se evaluarán las zonas: lateral, medial, anterior y posterior por separado debido a que el apantallamiento de tensiones tiene mayor predisposición en unas por la inclinación fisiológica propia del fémur. Por consiguiente, los algoritmos entrenados y validados servirán de base para el algoritmo de optimización, que a través de la minimización de una función objetivo podrá seleccionar la geometría del vástago óptimo. Se verificará la efectividad de los algoritmos a través de simulación numérica y ensayos experimentales del fémur con el implante optimizado para evaluar la conservación biomecánica del fémur.

MOSCOL ALBAÑIL ,ISABEL DEL PILAR