Urheilijat kärsivät usein polven nivelvammoista, kuten nivelsiteen repeämistä. Ehjien nivelsiteiden tehtävänä on taata nivelten normaali toiminta. Ne vakauttavat polvea erilaisissa fyysisissä suoritteissa, ja tämän takia nivelsiteiden repeämiä korjataan usein kirurgisesti. Monesti kuitenkin joko alkuperäinen vamma tai leikkaus johtaa vamman jälkeisen nivelrikon kehittymiseen. Nivelrikossa nivelrusto, jonka tehtävänä on varmistaa luiden kitkaton liikkuminen nivelessä, kuluu kokonaan pois. Seurauksena on kova nivelkipu, rajallinen liikkuvuus ja pahimmillaan jopa sosiaalinen eristäytyminen. Nivelrikon ennaltaehkäisy ja taudin etenemisen hidastaminen ovat vielä tänäkin päivänä parhaita keinoja hoitaa nivelrikkoa. Tietokonemallinnusta voidaan käyttää ennustamaan nivelrikolle alttiita alueita. Nämä mallit ovat kuitenkin liian monimutkaisia kliiniseen käyttöön ja niiden tekemiä ennusteita ei ole varmennettu seuranta-aineistojen avulla.
Itä-Suomen yliopiston tutkijat ovat kehittäneet yksinkertaistetun laskennallisen mallin, jonka avulla on mahdollista ennustaa vamman jälkeisen nivelrikon kehittymistä nivelsiteen repeämistä kärsivillä potilailla. Tutkijat myös varmensivat mallin luomat ennustukset vertaamalla niitä potilaiden polvinivelissä seurannan aikana tapahtuneisiin rakenteellisiin muutoksiin. Tutkimuksen tulokset julkaistiin Clinical Biomechanics -tiedelehdessä. Tutkimukseen osallistuivat myös Kalifornian yliopisto ja Cleveland Clinic Yhdysvalloissa sekä Queenslandin yliopisto Australiassa. Suomesta mukana olivat lisäksi Oulun yliopisto ja Kuopion yliopistollinen sairaala.
Tutkimus oli luonteeltaan soveltuvuusselvitys, jossa tutkijat loivat tietokonemalleja potilaiden magneettikuvien ja laboratoriossa tehtyjen liikemittausten pohjalta. Nivelruston oletettiin rappeutuvan joko kudoksiin kohdistuvan äärimmäisen kuormituksen vuoksi, mikä aiheuttaa kollageenisäikeiden rappeutumista, tai vakavien epämuodostuminen vuoksi, mikä puolestaan aiheuttaa rustosolujen tuotannon heikkenemistä. Saatuja ennusteita verrattiin magneettikuvista määriteltyihin, kutakin rappeutumismekanismia kuvaaviin parametreihin.
– Tutkimuksemme osoittaa, että verrattain yksinkertainen geometriaa, liikettä ja materiaaleja yhdistelevä tietokonemalli pystyy tunnistamaan nivelrikolle alttiita alueita. Tietokonemallin tekemät ennusteet olivat linjassa potilaiden polvinivelistä otetuissa magneettikuvissa havaittujen muutosten kanssa. Tällainen menetelmä on erityisen hyödyllinen silloin, kun arvioidaan, päätyykö potilas leikattavaksi vai käytetäänkö muita hoitomenetelmiä, jotta voidaan välttää tai viivästyttää nivelrikon kehittymistä ja etenemistä, tohtorikoulutettava Paul Bolcos Itä-Suomen yliopistosta kertoo.
Tutkimuksen tulokset ovat merkittäviä, sillä niiden avulla on mahdollista kehittää työkaluja potilaskohtaisen nivelrikkoriskin arviointiin sekä löytää kullekin potilaalle parhaiten toimivat kuntoutusmenetelmät.
– Pyrimme nyt saamaan lisää potilaita tutkimukseemme, jotta saisimme hienosäädettyä tietokonemalliamme ja sen herkkyyttä. Tulevaisuudessa näitä ryhmässämme kehitettyjä tietokonemalleja voitaisiin käyttää osana jotakin täysin automatisoitua hoitotyön järjestelmää, mikä osaltaan toisi tutkimusta ja kliinistä hoitotyötä lähemmäs toisiaan, Bolcos jatkaa.
Tutkimusta ovat rahoittaneet Euroopan tutkimusneuvosto EU:n tutkimusta ja innovaatiota rahoittavasta Horisontti 2020 -ohjelmasta, Itä-Suomen yliopisto, Suomen Akatemia sekä Yhdysvaltain terveysvirasto NIH.
Lisätietoja:
Tohtorikoulutettava Paul O. Bolcos, p. 045 2290653, paul.bolcos (a) uef.fi
Professori Rami Korhonen, p. 040 355 3260, rami.korhonen (a) uef.fi
Tutkimusartikkeli:
Paul O. Bolcos, Mika E. Mononen, Matthew S. Tanaka, Mingrui Yang, Juha-Sampo Suomalainen, Mikko J. Nissi, Juha Töyräs, Benjamin Ma, Xiaojuan Li & Rami K. Korhonen
Identification of locations susceptible to osteoarthritis in patients with anterior cruciate ligament reconstruction: Combining knee joint computational modelling with follow-up T1ρ and T2 imaging. Clinical Biomechanics (2019). DOI: 10.1016/j.clinbiomech.2019.08.004.
Artikkeli on ladattavissa osoitteesta https://www.sciencedirect.com/science/article/pii/S0268003318310295
