Abstract
De neus heeft verscheidene belangrijke functies, waaronder de reukzin, de opwarming en bevochtiging van de ingeademde lucht en de filtratie van schadelijke deeltjes voordat deze de lagere luchtwegen bereiken. Neusobstructieklachten (nasal airway obstruction, NAO) zijn wereldwijd één van de meest voorkomende klachten bij neus-keel-oor (NKO) artsen. Het is een aandoening die voorkomt bij alle leeftijdscategorieën en welke ernstige implicaties kan hebben op de levenskwaliteit. Alle nasale functies zijn afhankelijk van de luchtdoorstroming in de neusholte en worden niet goed of ronduit slecht uitgevoerd bij een NAO. In dit project wordt de proof of concept van een beslissingsondersteunend systeem voor rhinologen verder uitgewerkt tot een eerste prototype, zodat nadien op korte termijn een minimal viable product (MVP) kan gebouwd worden. Zulke MVP zou rhinologen toelaten om een compleet ziektebeeld te bepalen van neusobstructieklachten, zoals daar zijn septumdeviaties en vergrote neusschelpen, en dit in tegenstelling tot de objectieve meettechnieken die vandaag de dag worden gebruikt. Voorlopig bestaat er nog geen gouden standaard voor de beoordeling van de nasale functies. Beslissingen over de aard van de behandeling worden nu hoofdzakelijk gebaseerd op een klinisch onderzoek, wat meestal geen exacte oorzaak kan aanwijzen voor de NAO van een patiënt. Het beoogde systeem zou artsen ondersteunen (information augmented) tijdens het stellen van een diagnose en bij het bepalen van de meest geschikte aanpak voor elke indivuele patiënt door een objectieve beoordeling voorafgaand aan de operatie mogelijk te maken, bv. door de invloed van een operatie op de secundaire functies van de neus in rekening te brengen.
Modellen gebaseerd op computationele vloeistofdynamica (computational fluid dynamics, CFD) hebben het potentieel om het aantal succesvolle operaties (i.e. operaties zonder terugkerende, toegenomen of nieuwe klachten na een langere termijn van meerdere jaren) in de toekomst sterk te doen stijgen. Door de grote variatie in de geometrie van de nasale caviteit tussen verschillende patiënten is een patiënt-specifieke aanpak vereist. Manueel een model van de nasale holte opstellen is complex en arbeidsintensief en zonder bepaalde innovaties zou dit een te grote kost voor de patiënt betekenen. Daarnaast is de neus een dynamisch systeem waarbij de interne geometrie een natuurlijke evolutie kent. Deze evolutie kan de ware oorzaak van de klacht verbergen, wat een oordeel op basis van één enkele momentopname van de nasale geometrie minder effectief maakt. Hiernaast laat CFD toe om aanzienlijk meer parameters in overweging te nemen tijdens een analyse omdat deze kan worden gekoppeld aan verschillende fysische transportvergelijkingen zoals deeltjesafzetting en warmtetransport.
Het einddoel van dit project is een objectief beslissingsondersteunend systeem dat rekening houdt met het dynamische karakter van de nasale caviteit, en de nasale (dis)functie kwantitatief scoort op basis van aerodynamische simulaties. Hiervoor zal o.a. gebruik gemaakt worden van machine learning om op automatische wijze de belangrijke geometrische informatie uit de tomografische data te halen en van objectieve geometrie-karakterisatie om het dynamisch karakter van de individuele neusholte te bepalen. Valideren van de verschillende innovaties op basis van klinische data speelt hierbij een belangrijke rol doorheen het gehele project.
Onderzoeker(s)
Onderzoeksgroep(en)
Project type(s)