Resumen
Los implantes se utilizan comúnmente en cirugías para reparar fracturas en huesos largos. El diseño de nuevos implantes optimizados es relevante para reducir el coste económico de estos tratamientos clínicos o mejorar los resultados de la recuperación de los pacientes. Sin embargo, las técnicas de diseño actuales presentan ciertas limitaciones, ya que a menudo tienen dificultades para modelar de manera eficiente fenómenos biológicos complejos y el comportamiento mecánico del sistema hueso-implante dentro de los plazos clínicos.
Por lo tanto, el objetivo principal de esta tesis es desarrollar nuevas metodologías numéricas para el diseño optimizado de implantes. En primer lugar, la tesis adopta un enfoque único al combinar múltiples herramientas numéricas para crear una metodología destinada a simulaciones específicas para cada paciente del proceso de curación ósea. Esta metodología innovadora ofrece información valiosa sobre cómo interactúan los materiales de los implantes con diferentes condiciones de marcha, considerando las propiedades mecánicas del hueso del paciente.
La segunda contribución consiste en mejorar la eficiencia y la eficacia de las técnicas de optimización estructural existentes para el diseño de implantes trabeculares. Partiendo de un método de optimización topológica de dos niveles, este trabajo aplica técnicas de aprendizaje automático para reducir el coste computacional de generar estructuras trabeculares optimizadas. Se introduce un modelo de sustitución basado en datos para disminuir el tiempo requerido en los análisis de elementos finitos. Además, se propone una segunda estrategia que mejora la hipótesis inicial del optimizador, reduciendo el número de iteraciones necesarias para la convergencia. Esto se combina con técnicas de creación de datos para explorar de manera efectiva el espacio paramétrico de alta dimensión. Finalmente, se mejora la eficacia del proceso multinivel al considerar las propiedades elásticas en diferentes niveles de discretización.
