Generalizing Soft Tissue Deformation and Force Prediction Across Material Stiffness and Geometry

Immaginate la mano di un chirurgo che guida uno strumento robotico attraverso un tessuto vivo e delicato. Per rendere questa interazione sicura e realistica, il computer che controlla il robot deve sapere esattamente come quel tessuto si schiaccerà, si tenderà e opporrà resistenza. Questo è il cuore della simulazione chirurgica: creare un gemello digitale del corpo umano che reagisca con una perfetta verità fisica. Per decenni, gli scienziati si sono affidati a complessi motori fisici per calcolare queste reazioni, risolvendo enormi equazioni per ogni minuscolo punto all'interno di un organo virtuale. Sebbene questi calcoli siano incredibilmente accurati, sono anche dolorosamente lenti, richiedendo spesso secondi o minuti per calcolare un singolo movimento. In una vera sala operatoria o in una sessione di addestramento, dove un chirurgo ha bisogno di un feedback istantaneo, quel ritardo è troppo lungo. L'obiettivo è sempre stato quello di trovare un modo per rendere queste simulazioni abbastanza veloci da sembrare reali, senza perdere la precisione che garantisce la sicurezza dei pazienti.

Un team di ricercatori dell'Università di Basilea ha compiuto un passo significativo verso questo obiettivo, combinando attenti esperimenti fisici con un nuovo tipo di intelligenza artificiale. Il loro lavoro affronta un problema ostico: la maggior parte dei modelli informatici di tessuti molli funziona bene per un tipo specifico di materiale, come un fegato rigido o un rene morbido, ma fallisce quando la rigidità cambia. Se un chirurgo passa da un organo sodo a uno più morbido, i vecchi modelli spesso si interrompono, producendo risultati irrealistici. I ricercatori volevano costruire un unico sistema intelligente capace di comprendere e prevedere il comportamento del tessuto molle in un ampio intervallo di livelli di rigidità e forme, il tutto mantenendo una velocità sufficiente per l'uso in tempo reale.

Per risolvere questo problema, il team è partito dal mondo fisico. Hanno creato una serie di oggetti di prova utilizzando il silicone, un materiale spesso usato per imitare il tessuto umano. Hanno mescolato il silicone con diverse quantità di un agente addolcente per creare tre versioni distinte: una molto rigida, una media e una piuttosto morbida. Hanno colata queste miscele in lunghi fasci cilindrici e li hanno appesi sotto il proprio peso per vedere come si piegassero e si incurvassero naturalmente. Fotografando questi fasci con uno smartphone standard e utilizzando un software per correggere le angolazioni della fotocamera, hanno catturato misurazioni precise di come il materiale si deformasse. Queste osservazioni del mondo reale hanno servito come standard di riferimento, la verità fondamentale rispetto alla quale tutti i modelli informatici sarebbero stati testati.

Successivamente, i ricercatori si sono rivolti al computer per vedere quali regole matematiche descrivessero meglio questa flessione. Hanno testato diverse teorie sul comportamento dei materiali morbidi, eseguendo simulazioni che cercavano di replicare l'esatto modo in cui i loro fasci di silicone si incurvavano sotto l'effetto della gravità. Hanno scoperto che, sebbene alcune teorie funzionassero bene per i materiali più rigidi, faticavano con quelli più morbidi. Due teorie specifiche, note come modelli di Ogden e Mooney-Rivlin, si sono dimostrate le più affidabili in tutti e tre i livelli di rigidità. Tuttavia, anche questi ottimi modelli necessitavano di una calibrazione attenta dei loro parametri interni per corrispondere perfettamente al silicone reale. Questo passaggio di calibrazione era cruciale; senza di esso, i dati informatici usati per istruire l'intelligenza artificiale sarebbero stati difettosi, portando il sistema a imparare lezioni errate.

Con i modelli fisici calibrati e affidabili, il team ha generato una massiccia libreria di dati di addestramento. Invece di limitarsi ad appendere i fasci, hanno simulato uno scenario più simile a una chirurgia: una sonda virtuale che penetra in un blocco di tessuto molle che contiene forme rigide nascoste all'interno, come ossa o tumori. Hanno eseguito migliaia di queste simulazioni di penetrazione, variando la forma degli oggetti nascosti, la posizione della pressione e la rigidità del tessuto. Ciò ha creato un ricco dataset che mostrava esattamente come la superficie del tessuto si muovesse e quanta forza percepisse la sonda in ogni momento.

L'ultimo tassello del puzzle è stato l'intelligenza artificiale stessa. I ricercatori hanno utilizzato un tipo specializzato di rete neurale, un programma informatico progettato per apprendere da dati non strutturati come le forme irregolari dei tessuti molli. Hanno modificato questa rete affinché prestasse attenzione alla "morbidezza" del materiale come informazione chiave. Alimentando la rete con i dati della simulazione calibrata, l'hanno istruita a prevedere come un pezzo di tessuto si deformerebbe e quanta forza avrebbe esercitato, semplicemente osservandone la forma e conoscendone la rigidità. Il risultato è stato un sistema in grado di prendere una nuova forma non vista e un livello di rigidità specifico e prevedere istantaneamente l'esito.

I risultati sono stati sorprendenti. Il nuovo sistema poteva prevedere il movimento del tessuto con un errore medio inferiore a un millimetro, un livello di precisione che è effettivamente invisibile all'occhio umano. Ha anche previsto le forze coinvolte con alta precisione, sebbene la precisione di tali previsioni dipendesse fortemente da quanto bene il modello fisico sottostante fosse stato calibrato. Quando il modello fisico era coerente, le previsioni della forza erano affidabili; quando il modello fisico faticava con materiali molto rigidi, le previsioni della forza diventavano più variabili. Fondamentalmente, il sistema eseguiva questi calcoli in soli 0,010 secondi, una velocità sufficiente per stare al passo con una mano umana in movimento in tempo reale.

Questo lavoro dimostra che è possibile costruire uno strumento unico e generalizzato per simulare i tessuti molli che funzioni su diversi materiali e forme. Fondando l'intelligenza artificiale su attenti esperimenti fisici calibrati, i ricercatori hanno garantito che il computer imparasse dalla realtà, non solo dalla matematica astratta. Sebbene il sistema non sia ancora un sostituto del chirurgo umano, offre un nuovo modo potente per addestrare i professionisti medici e pianificare procedure complesse. Suggerisce un futuro in cui i simulatori chirurgici possano adattarsi istantaneamente alle uniche e variabili consistenze del corpo umano, fornendo un feedback realistico che sembri naturale come toccare la realtà stessa.