Descrizione del progetto
Innovativi algoritmi di analisi delle immagini per identificare le cause della lombalgia cronica
La lombalgia cronica, una delle principali fonti di disabilità nel mondo, ha cause biomeccaniche, infiammatorie, neurologiche e psicologiche. L’immaginografia e le valutazioni convenzionali non sono in grado di indicare una causa particolare della lombalgia; tuttavia, i modelli biomeccanici riescono a distinguere tra diverse eziologie. Il progetto iBack-epic, finanziato dall’UE, si propone di impiegare innovative tecniche di analisi delle immagini al fine di identificare le cause biomeccaniche e infiammatorie della lombalgia in un’ampia coorte di partecipanti. Lo studio sfrutterà gli algoritmi recentemente sviluppati di marcatura e segmentazione della colonna vertebrale basati sull’apprendimento profondo con l’obiettivo di calcolare i parametri personali biomeccanici, funzionali e morfometrici della spina dorsale. I parametri quantitativi basati sulle immagini contribuiranno a distinguere tra il normale invecchiamento e la degenerazione patologica, identificando le condizioni collegate allo sviluppo della lombalgia cronica.
Obiettivo
Chronic back pain is a major burden and source of disability worldwide. It is primarily attributed to different biomechanical factors, but can also have inflammatory, neurological or psychological causes. Clinical findings and conventional imaging cannot reliably distinguish different causes of back pain. In contrast, individual biomechanical models can quantify diverse (pathologic) loading patterns and thus could be used to distinguish different aetiologies of back pain, to better understand individual pathophysiology and guide preventive strategies.
During my recent ERC-StG “iBack”, I developed quantitative imaging methods and deep-learning based image processing to automatically generate a fully individualized biomechanical model of the thoracolumbar spine. Simultaneously, two large-scale epidemiologic studies collected clinical and high-resolution imaging data of the spine of more than 15,000 participants so far, aiming at more than 35,000 participants by mid 2022
The high-level objective of iBack-epic is to use such novel image analysis techniques to identify different biomechanical and inflammatory causes of back pain in study participants.
I will adopt and extend my recently developed deep-learning based spine labelling and segmentation algorithms to fully automatically calculate individual biomechanical, functional and morphometric parameters of the spine. In this large-scale population data, I will identify different biomechanical loading patterns, use quantitative image-based parameters to discriminate normal ageing from pathologic degeneration and identify pathological conditions that are linked to back pain or subsequent development of chronic back pain.
Such a differentiation – for the first time based on quantitative image data – will allow for a better understanding of the underlying pathophysiology of back pain, an improved risk stratification, a tailored investigation of genetic causes and thus will help to better guide preventive strategies.
Campo scientifico
Programma(i)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Argomento(i)
Meccanismo di finanziamento
HORIZON-AG - HORIZON Action Grant Budget-BasedIstituzione ospitante
81675 Muenchen
Germania