L’intelligence artificielle (IA) et les technologies numériques transforment progressivement la chirurgie orthopédique. En chirurgie du pied et de la cheville, ces innovations ouvrent la voie à des diagnostics plus précis, des traitements mieux adaptés à chaque patient et une meilleure prédiction des résultats. Cet article explore comment les jumeaux numériques, les modèles biomécaniques et les algorithmes de machine learning peuvent améliorer la prise en charge des patients souffrant de pathologies du pied et de la cheville.
Qu’est-ce qu’un jumeau numérique en orthopédie ?
Un jumeau numérique (digital twin) est une réplique virtuelle d’une structure anatomique réelle — dans ce cas, un os, un tendon ou une articulation — créée à partir des données d’imagerie médicale du patient (IRM, scanner). Ce modèle numérique permet de simuler le comportement de la structure sous différentes contraintes mécaniques et de tester virtuellement différentes options thérapeutiques avant l’intervention.
En orthopédie musculosquelettique, les jumeaux numériques représentent une évolution majeure vers une médecine véritablement personnalisée : plutôt que d’appliquer un protocole standard à tous les patients, le chirurgien peut adapter sa stratégie en fonction de l’anatomie et de la biomécanique propres à chaque individu.
| Ce que dit la recherche Notre revue de concepts (Current Concepts Review) publiée dans Knee Surgery, Sports Traumatology, Arthroscopy a fourni un aperçu complet des systèmes de jumeaux numériques en applications musculosquelettiques. L’article analyse les différentes approches, leurs applications potentielles et les défis restants pour une adoption clinique à grande échelle (Diniz P, Grimm B, Garcia F et al., KSSTA, 2024). |
Modélisation biomécanique du tendon d’Achille
L’un des exemples les plus concrets d’application des jumeaux numériques en chirurgie du pied et de la cheville concerne le tendon d’Achille. Ce tendon, le plus grand du corps humain, présente une anatomie variable d’un individu à l’autre : la proportion relative entre ses sous-tendons et la partie aponévrotique (plate) et la partie libre du tendon (ronde) diffère considérablement, ce qui influence la distribution des contraintes mécaniques et donc le risque de blessure.
À l’avenir, grâce aux modèles computationnels, il sera possible de créer un jumeau numérique du tendon d’Achille d’un patient spécifique et de simuler les forces qui s’exercent lors de la marche, de la course ou du saut. Ces simulations pourraient aider à comprendre pourquoi certains patients sont plus vulnérables aux blessures et permettre d’adapter la prise en charge en conséquence.
| Ce que dit la recherche Nous avons développé et validé un modèle par éléments finis du tendon d’Achille reproduisant fidèlement ses deux composantes anatomiques. Ce modèle, publié dans le Journal of Orthopaedic Research et le Journal of Experimental Orthopaedics, a permis de montrer que les variations anatomiques des sous-tendons influencent significativement le risque de lésion. Il a également permis de simuler la progression d’une rupture partielle vers une rupture complète, aidant à définir quand un traitement conservateur est sûr et quand une chirurgie peut être préférable (Diniz P et al., J Orthop Res, 2022 ; J Exp Orthop, 2024 ; J Orthop Res, 2024). |
Intelligence artificielle et prédiction du retour au sport
L’un des défis majeurs en médecine du sport est de prédire si un athlète retrouvera son niveau de performance après une blessure grave. Historiquement, cette prédiction reposait essentiellement sur l’expérience clinique de l’équipe médicale. L’intelligence artificielle apporte un complément objectif en analysant de grandes quantités de données de performance pour identifier les facteurs les plus prédictifs.
| Ce que dit la recherche Nous avons développé un algorithme de machine learning pour prédire le retour au niveau de compétition après rupture du tendon d’Achille chez les footballeurs d’élite. En analysant les données de participation aux matchs officiels, l’algorithme a identifié la performance pré-blessure comme le facteur le plus prédictif — davantage que l’âge. Ce type d’outil pourrait à terme aider les équipes médicales et les clubs à mieux anticiper les trajectoires de récupération (Diniz P, Abreu M et al., KSSTA, 2022). |
L’IA comme outil de vérification des données médicales
Au-delà de la prédiction clinique, l’IA joue un rôle croissant dans la vérification et l’amélioration de la qualité des données médicales et épidémiologiques. Les bases de données publiques sur les blessures sportives, par exemple, contiennent souvent des erreurs ou des incohérences qui peuvent fausser les études scientifiques.
| Ce que dit la recherche Nous avons développé un framework basé sur l’IA pour vérifier automatiquement les rapports de rupture du LCA dans le football professionnel masculin dans les bases de données publiques. Le système a démontré une haute spécificité dans la détection des mentions de ruptures du LCA dans les rapports publics, améliorant ainsi la fiabilité des données utilisées pour la recherche en prévention des blessures (Diniz P, Grimm B, Mouton C et al., KSSTA, 2024). |
L’IA peut-elle remplacer le chirurgien ?
L’intelligence artificielle est un outil d’aide à la décision, pas un substitut au jugement clinique. Les algorithmes peuvent analyser des patterns dans de grandes quantités de données, mais ils ne peuvent pas évaluer la complexité d’une situation clinique individuelle, intégrer les préférences du patient, ou gérer les incertitudes inhérentes à la médecine.
Ce constat est d’autant plus pertinent que les patients utilisent de plus en plus les chatbots IA (ChatGPT, Gemini, Claude) pour obtenir des informations médicales. Si ces outils peuvent fournir des informations générales utiles, ils présentent des limites importantes pour les décisions cliniques complexes.
| Ce que dit la recherche Notre étude comparative a évalué les réponses de ChatGPT-4 sur la chirurgie du cartilage de la cheville et les a comparées au consensus d’experts. Les résultats montrent des divergences significatives, en particulier sur les indications chirurgicales et les protocoles post-opératoires. Cette étude rappelle que les outils d’IA générative ne doivent pas se substituer à l’avis d’un spécialiste, particulièrement pour les pathologies complexes de la cheville (Yokoe T et al., Foot Ankle Orthop, 2025). |
L’impression 3D en chirurgie du pied
L’impression 3D est une autre technologie qui bénéficie des avancées de la modélisation numérique. À partir des données d’imagerie (scanner), il est possible de créer des modèles anatomiques en 3D qui servent à la planification préopératoire, à la création de guides de coupe sur mesure pour les ostéotomies, et à l’éducation du patient (visualisation de la déformation et de la correction prévue).
En chirurgie du pied et de la cheville, l’impression 3D trouve des applications particulièrement intéressantes dans les cas complexes de déformations, comme les cals vicieux de fractures et le pied creux varus.
Vers une médecine musculosquelettique numérique
L’avenir de la chirurgie du pied et de la cheville sera marqué par l’intégration croissante de ces technologies : des jumeaux numériques permettant de tester virtuellement différentes stratégies chirurgicales avant l’intervention, des algorithmes de machine learning aidant à prédire les résultats et à personnaliser les protocoles de rééducation, des dossiers médicaux électroniques intelligents alignant les pratiques cliniques avec la qualité des données, et des outils de monitoring permettant un suivi à distance de la récupération post-opératoire.
Ces avancées ne remplaceront pas la relation médecin-patient ni le jugement clinique, mais elles enrichiront considérablement la boîte à outils du chirurgien pour offrir une prise en charge toujours plus précise et individualisée.
À propos de l’auteur
Le Dr. Pedro Gonçalves Diniz est chirurgien orthopédique spécialisé en chirurgie du pied et de la cheville, exerçant à Bruxelles (Hôpital Erasme, CHU Brugmann, Guiti Medical Center). Titulaire d’un doctorat (PhD) en bioingénierie de l’Instituto Superior Técnico (Université de Lisbonne), son parcours se situe à l’interface entre l’orthopédie et l’ingénierie.
Ses domaines de recherche incluent la modélisation biomécanique par éléments finis, les jumeaux numériques pour les applications musculosquelettiques, les algorithmes de machine learning pour la prédiction du retour au sport, et l’évaluation critique des outils d’IA générative en médecine. Il est auteur de plus de 30 publications dans des revues internationales de référence et a été invité comme conférencier (keynote) au Focus Meeting de l’ESSKA-AFAS 2025 sur l’intelligence artificielle en pathologie du pied et de la cheville.
Ancien médecin de l’équipe U19 du Sport Lisboa e Benfica, il a également contribué au développement de dossiers médicaux électroniques sur mesure pour le suivi des sportifs, avec un accent sur l’alignement entre les pratiques cliniques et la qualité des données.
Prendre rendez-vous
Guiti Medical Center : Av. de Tervueren 128, 1150 Woluwe-Saint-Pierre — via DoctorAnytime
Hôpital Erasme : Route de Lennik 808, 1070 Bruxelles — via Erasme.be
CHU Brugmann : Place A. Van Gehuchten 4, 1020 Bruxelles — via Rosa.be
Cet article reflète le point de vue de l’auteur sur les applications actuelles et futures de l’IA en orthopédie et ne constitue pas un avis médical individuel.
Références scientifiques
Diniz P, Grimm B, Garcia F, Fayad J, Ley C, Mouton C, Oeding JF, Hirschmann MT, Samuelsson K, Seil R. Current Concepts Review: Digital Twin Systems for Musculoskeletal Applications. Knee Surg Sports Traumatol Arthrosc. 2024. DOI: 10.1002/ksa.12627
Dean MC, Oeding JF, Diniz P, Seil R, Samuelsson K. Leveraging Digital Twins for Improved Orthopaedic Evaluation and Treatment. J Exp Orthop. 2024. DOI: 10.1002/jeo2.70084
Diniz P, Grimm B, Mouton C, Ley C, Andersen TE, Seil R. High Specificity of an AI-Powered Framework in Cross-Checking Male Professional Football ACL Tear Reports. Knee Surg Sports Traumatol Arthrosc. 2024. DOI: 10.1002/ksa.12571
Diniz P, Abreu M, Lacerda D et al. Pre-injury performance is most important for predicting the level of match participation after Achilles tendon ruptures in elite soccer players. Knee Surg Sports Traumatol Arthrosc. 2022;30(12):4225–4237
Diniz P, Quental C, Violindo P et al. Design and validation of a finite element model of the aponeurotic and free Achilles tendon. J Orthop Res. 2022. DOI: 10.1002/jor.25408
Diniz P, Quental C, Pereira H et al. Does free tendon length influence the injury risk of the Achilles tendon? A finite element study. J Exp Orthop. 2024. DOI: 10.1002/jeo2.70036
Diniz P, Quental C, Pereira H et al. Progression of partial to complete ruptures of the Achilles tendon during rehabilitation. J Orthop Res. 2024;42(8):1670–1681