Introduzione
Negli ultimi anni la valutazione degli esiti dopo artroprotesi di ginocchio ha subito una profonda trasformazione. Dai questionari cartacei ai Patient-Reported Outcome Measures (PROMs) digitali, il concetto di risultato si è ampliato oltre il dato clinico o radiografico, includendo la percezione del paziente, il recupero funzionale reale e la qualità di vita. Nel 2025 la raccolta degli outcome è ormai continua, remota e in molti casi personalizzata, consentendo una visione dinamica del percorso post-operatorio.
PROMs digitali e dispositivi indossabili
I PROMs digitali — come Oxford Knee Score (OKS), Knee Society Score (KSS), Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) e Forgotten Joint Score-12 (FJS-12) — rimangono lo strumento cardine per la valutazione soggettiva. La loro somministrazione tramite piattaforme integrate negli Electronic Health Records (EHR) o tramite app consente una gestione automatizzata dei follow-up e un notevole incremento dell’aderenza (1).
Parallelamente, dispositivi wearable e unità inerziali cliniche (Inertial Measurement Units, IMU), sensori tridimensionali che misurano accelerazioni, rotazioni e orientamento del movimento, forniscono dati oggettivi su movimento, simmetria e performance quotidiana. I sensori commerciali (come smartwatch o smartband), già diffusi nella vita comune, vengono oggi affiancati da IMU cliniche più precise, utilizzabili durante le visite o nei protocolli riabilitativi. L’integrazione tra misure soggettive e dati di attività quotidiana rappresenta un passo decisivo verso una valutazione più rappresentativa e realistica del recupero funzionale (2).
App di telemonitoraggio e sistemi integrati
Le piattaforme di telemonitoraggio — come mymobility® (Zimmer Biomet Holdings, Inc.) o PatientIQ® (Datamonkey LLC) — costituiscono un ponte tra paziente e chirurgo. Alcune, come PatientIQ®, si concentrano sulla raccolta e sull’analisi automatizzata dei PROMs. Altre, come mymobility®, offrono funzioni interattive: messaggistica, educazione, promemoria riabilitativi e monitoraggio dei parametri di attività.
Le versioni più recenti includono algoritmi di intelligenza artificiale che analizzano i dati pre-operatori ed i primi passi della riabilitazione, aiutando il clinico a prevedere l’evoluzione del recupero ed a modulare la terapia di conseguenza. Inoltre, alcune piattaforme integrano i dati dell’app con parametri intraoperatori provenienti da sistemi robotici o di navigazione, creando un flusso continuo di informazioni tra sala operatoria e follow-up domiciliare.
Protesi con sensori e chirurgia connessa
Un ulteriore passo verso la chirurgia connessa è rappresentato dagli impianti dotati di sensori integrati (smart implant). Questi dispositivi, ancora in fase di validazione clinica, permettono di registrare parametri come range di movimento, cadenza e pattern di attività direttamente dal dispositivo impiantato (3). In prospettiva, tali informazioni potranno essere elaborate in tempo reale da piattaforme AI, restituendo al chirurgo una fotografia costante del comportamento dell’impianto nel mondo reale.
Prospettive future
La valutazione degli outcome si avvia così a diventare completamente data-driven. Gli strumenti di analisi avanzata, come dashboard integrate, Radiostereometria Analitica (RSA), EOS low-dose imaging e gait-analysis tridimensionale, consentono già oggi di combinare dati soggettivi, oggettivi e biomeccanici in un’unica visione. L’obiettivo non è più soltanto descrivere un risultato, ma comprendere la traiettoria di recupero, prevedere il fallimento precoce e ottimizzare la gestione delle risorse.
Chirurghi e pazienti fanno ormai parte di un ecosistema digitale comune, in cui wearable, sensori e intelligenza artificiale trasformano la tradizionale visita di controllo in un flusso continuo di informazioni clinicamente significative.
Riferimenti bibliografici
1. Miller MD, Redfern RE, Anderson MB, Abshagen S, Van Andel D, Lonner JH. Completion of Patient-Reported Outcome Measures Improved With Use of a Mobile Application in Arthroplasty Patients: Results From a Randomized Controlled Trial. J Arthroplasty. 2024 Jul;39(7):1656-1662. doi: 10.1016/j.arth.2024.01.007. Epub 2024 Jan 10. PMID: 38211730.
2. Pasqualini I, Huffman N, Klika A, Kamath AF, Higuera-Rueda CA, Deren ME, Murray TG, Piuzzi NS. Stepping Up Recovery: Integrating Patient-reported Outcome Measures and Wearable Technology for Rehabilitation Following Knee Arthroplasty. J Knee Surg. 2024 Aug;37(10):757-763. doi: 10.1055/a-2315-8110. Epub 2024 Apr 27. PMID: 38677297.
3. Iyengar KP, Gowers BTV, Jain VK, Ahluwalia RS, Botchu R, Vaishya R. Smart sensor implant technology in total knee arthroplasty. J Clin Orthop Trauma. 2021 Sep 22;22:101605. doi: 10.1016/j.jcot.2021.101605. PMID: 34631412; PMCID: PMC8479248.
Marco Bufalo2, Federica Rosso¹, Roberto Rossi¹,²
¹ AO Ospedale Mauriziano Umberto I, Dipartimento di Ortopedia e Traumatologia, Università di Torino, Largo Turati 62, 10128 Torino, Italia
² Università degli Studi di Torino, Via Po 8, 10100 Torino