L’intelligence artificielle peut prédire le succès des opérations de la hanche : précisément ces chirurgiens rhumatologues du Karlsruher Institut für Technologie (KIT) ont développé un modèle d’intelligence artificielle (IA) qui, via l’analyse de la biomécanique de la marche, oriente vers une thérapie et unerééducation personnalisées. Ce modèle, documenté dans la revue Arthritis Research & Therapy, doit permettre une amélioration des résultats du traitement chirurgical de l’arthrose de la hanche.
Des millions de personnes subissent, chaque année dans le monde, une arthroplastie de la hanche et reçoivent une prothèse de hanche, faisant de cette opération l’une des interventions orthopédiques les plus courantes. Dans la plupart des cas, ces opérations sont pratiquées pour traiter l’arthrose de la hanche, due à l’usure du cartilage de la tête fémorale et de la cavité cotyloïdienne. La réponse des patients à une prothèse totale de hanche varie en termes de mobilité et de soulagement de la douleur.
Comprendre les différences de réponse des patients, est essentiel, notamment en termes de stratégie de récupération.
Les chercheurs du KIT ont utilisé des données de biomécanique de la marche, recueillies avant et après des interventions chirurgicales chez des patients atteints d’arthrose de la hanche, afin de développer un modèle d’intelligence artificielle (IA) pour analyser les différents modèles de mouvement.
L’auteur principal, le Dr Bernd J. Stetter, qui dirige un groupe de recherche sur la santé et les technologies musculosquelettiques, précise ici : « ces données biomécaniques qui décrivent le mouvement des systèmes biologiques à l’aide de méthodes issues de la mécanique, de l’anatomie et de la physiologie sont extrêmement complexes ».
Le modèle d’IA permet en effet de rendre ces données exploitables pour des applications pratiques. Toujours actuellement entraîné et optimisé pour l’implantation de prothèses de hanche, le modèle pourrait être utilisé pour le remplacement d’autres articulations.
Un triple objectif :
- aider les médecins dans leur prise de décision,
- communiquer des attentes réalistes aux patients,
- permettre une rééducation postopératoire personnalisée.
L’étude, qui aboutit à ce modèle d’IA, a analysé la biomécanique de la marche de 109 patients atteints d’arthrose unilatérale de la hanche avant une arthroplastie totale ; 63 de ces patients ont été réévalués après l’opération, tandis que 56 participants en bonne santé constituaient le groupe témoin. Pour tous les participants, les données tridimensionnelles relatives aux angles et aux charges articulaires ont été obtenues par modélisation musculosquelettique. L’analyse basée sur l’IA révèle que :
- les personnes souffrant d’arthrose de la hanche peuvent être réparties en 3 groupes ou 3 profils de marche différents ;
- certains paramètres biomécaniques de la marche, tels que les angles et les charges de la hanche, se révèlent particulièrement utiles pour déterminer le groupe d’appartenance d’un patient ;
- les 3 groupes diffèrent également par l’âge, la taille, le poids, la vitesse de marche et la sévérité de l’arthrose ;
- les 3 groupes réagissent différemment à l’intervention : chez certains patients, l’amélioration de la biomécanique de la marche grâce à la prothèse de hanche se révèle significative ; chez d’autres, elle l’est moins. Autrement dit, certains individus ont pu marcher presque normalement après l’opération, tandis que d’autres continuaient de présenter des différences notables par rapport au groupe témoin.
En conclusion, de tels modèles permettent de prédire qui bénéficiera particulièrement d’une opération et qui aura besoin d’une rééducation intensive par la suite.
Source: Arthritis Research & Therapy 23 Dec, 2025 DOI: 10.1186/s13075-025-03709-2 Explainable machine learning for orthopedic decision-making: predicting functional outcomes of total hip replacement from gait biomechanics
- Plus sur l’Arthroplastie de la hanche, l’Intelligence artificielle en santé
- Lire aussi : ARTHROPLASTIE de la HANCHE : La vitesse de marche avant l’intervention prédit la récupération