25dkou224 10.3205/25dkou224 urn:nbn:de:0183-25dkou2243 Meeting Abstract Feist Feist Alicia A

AO Research Institute Davos, Davos, Schweiz

author Varga Varga Peter P

AO Research Institute Davos, Davos, Schweiz

author Schwarzenberg Schwarzenberg Peter P

AO Research Institute Davos, Davos, Schweiz

author German Medical Science GMS Publishing House

Düsseldorf

610 20251031 germ This is an Open Access article distributed under the terms of the Creative Commons Attribution 4.0 License. Dieser Artikel ist ein Open-Access-Artikel und steht unter den Lizenzbedingungen der Creative Commons Attribution 4.0 License (Namensnennung). M0634 224 Deutsche Gesellschaft für Orthopädie und Unfallchirurgie Deutsche Gesellschaft für Orthopädie und Orthopädische Chirurgie Deutsche Gesellschaft für Unfallchirurgie Berufsverband für Orthopädie und Unfallchirurgie Deutscher Kongress für Orthopädie und Unfallchirurgie (DKOU 2025) Grundlagenforschung | Cell & Bone 2 Berlin 20251028 20251031 AB32-2921 TextZielsetzung und Fragestellung: Trotz erheblicher Fortschritte in der Frakturbehandlung bleibt die Häufigkeit von Delayed- und Non-Union Fällen weiterhin hoch. Ein Ansatz zur Adressierung dessen ist die Entwicklung mechano-regulatorischer Computersimulationen zur Vorhersage des Frakturheilungsverlaufs. Kürzlich konnte eine dieser Simulationen erstmals mit objektiven in vivo Sensordaten in einem präklinischen Tierversuch validiert werden. Bisher fehlten jedoch Simulationen, die in der Lage sind, Union, Delayed- und Non-Union zuverlässig zu differenzieren. Die vorliegende Studie wendet daher individualisierte Frakturheilungssimulationen an einer Schafkohorte mit unterschiedlichen Heilungsergebnissen an und vergleicht die Ergebnisse mit in vivo Sensordaten.Material und Methoden: Als Grundlage wurden Daten einer zuvor abgeschlossenen, präklinischen tibialen Osteotomiestudie mit acht Schafen verwendet. Die Osteotomien wiesen Frakturspaltgrößen von 0,6 bis 30 mm auf und wurden mittels medialer winkelstabiler Überbrückungsplattenosteosynthese stabilisiert. Zudem wurde ein implantierbarer Sensor (AO Fracture Monitor) angebracht, mit dessen Daten die Heilungsergebnisse als Union, Delayed- oder Non-Union klassifiziert wurden. Auf Basis postoperativer, computertomographischer (CT) Scans wurde ein für jedes Tier spezifisches Finite-Elemente-Modell (FE) erstellt. Im Rahmen des iterativ arbeitenden Simulationsalgorithmus wurde das FE-Modell virtuell belastet und ausgehend von der in der Heilungsregion gemessenen Dehnung die Gewebedifferenzieung anhand eines Sets mechanoregulatorischer Regeln bestimmt, sowie Heilungsverlaufskurven erstellt. Ein unüberwachter Cluster-Algorithmus (Affinity Propagation Algorithm) wurde angewendet, um die prognostizierten Heilungsverläufe zu differenzieren.Ergebnisse: Die mechano-regulatorischen Simulationen konnten für alle Tiere einen Frakturheilungsverlauf als eine Veränderung der Gewebedifferenzierung über Zeit prognostizieren. Für die auf Basis der Sensordaten als Delayed- oder Non-Union diagnostizierten Fälle wurde im Gegensatz zu den Union Fällen eine verzögerte, respektive ausbleibende knöcherne Überbrückung prognostiziert (Abbildung 1a ). Der Cluster-Algorithmus konnte zudem die drei Gruppen an Heilungsergebnissen korrekt identifizieren, die mit der sensorbasierten Klassifikation in Union, Delayed- und Non-Union übereinstimmten (Abbildung 1b ).Diskussion und Schlussfolgerung: Die Übereinstimmung der Gruppenzuteilung des Cluster-Algorithmus mit der Klassifizierung der Heilungsergebnisse auf Basis der in vivo Sensordaten validiert die Heilungssimulationen. Damit wird das Potenzial prognostischer Frakturheilungssimulationen zur korrekten Identifikation unterschiedlicher Heilungsszenarien deutlich. In zukünftigen Anwendungen könnten diese Simulationen dazu beitragen, das Risiko einer Delayed- oder Non-Union in frühen Heilungsstadien zu erkennen und somit die Patientenversorgung zu optimieren. Für eine klinische Anwendung ist jedoch zunächst eine Validierung der Heilungssimulationen anhand klinischer Daten erforderlich. 0

1 1 Abbildung 1: A) Schnittansicht simulierter Gewebedifferenzierungen nach 30 Tagen, exemplarisch für Union, Delayed- und Non-Union. B) Prognostizierte Heilungsverläufe: Korrekte Gruppering und Identifikation von Union (grün), Delayed- (gelb) und Non-Union (rot) anhand des Cluster-Algorithmus.

1 0 0