Simulasi dan Perbaikan Fraktur Wajah Tengah: Algoritma Berbasis Komputer

Virginia E. Drake, MD, Christopher J. Rizzi, MD, Jewel D. Greywoode, MD, Kavita T.
Vakharia, MD, Kalpesh T. Vakharia, MD

Abstrak:
Peneliti bermaksud memperkenalkan metode berbasis komputer baru untuk fiksasi dan
memperbaiki fraktur wajah tengah secara digital guna memfasilitasi fiksasi intraoperatif yang lebih
efisien. Artikel ini bertujuan untuk menggambarkan algoritma berbasis komputer baru yang dapat
digunakan untuk memodelkan reduksi dan fiksasi fraktur wajah tengah, dan untuk mengevaluasi
kemampuan algoritma untuk menghasilkan gambar yang mirip dengan gambar paska operasi.
Penelitian ini adalah tinjauan retrospektif yang dikombinasikan dengan survei cross-sectional dari
1 Januari 2010, hingga 31 Desember 2015. Penelitian ini dilakukan di satu perawatan tersier
tunggal pada pusat trauma level-I. Sepuluh pasien yang mengalami fraktur traumatis wajah tengah
akut dievaluasi. Tiga puluh lima dokter disurvei mengenai keakuratan gambar yang diperoleh
dengan menggunakan algoritma. Algoritma komputer yang memanfaatkan AquariusNet
(TeraRecon, Inc., Foster City, CA) dan Adobe Photoshop (Adobe Systems Inc., San Jose, CA)
dikembangkan untuk memodelkan perbaikan fraktur wajah tengah. Gambar pre-computed
tomographic (CT) tiga dimensi diproses menggunakan algoritma. Fraktur secara virtual direduksi
dan diperbaiki untuk menghasilkan gambar pasca operasi virtual. Sebuah survei membandingkan
hasil paska operasi virtual dan gambar paska operasi. Sistem peringkat skala tipe-Likert dari 0
hingga 10 (0 sama sekali berbeda dan 10 sama) digunakan. Partisipan survei mengevaluasi
kemiripan reduksi fraktur dan penampilan pelat fiksasi. Kapasitas algoritma untuk utilitas klinis di
masa depan juga dinilai. Hasil respons survei dari 35 dokter dikumpulkan dan dianalisis untuk
menentukan keakuratan algoritma. Sepuluh pasien dievaluasi. Jenis fraktur termasuk kompleks
zygomaticomaxillary, LeFort, dan kompleks naso-orbito-ethmoidal. Tiga puluh empat gambar
dinilai oleh sekelompok 35 dokter dari bidang THT, bedah mulut dan maksilofasial, dan radiologi.
Respon rata-rata untuk kesamaan pengurangan fraktur adalah 7,8 - + 2,5 dan kesamaan plat fiksasi
adalah 8,3 + - 1,9. Semua responden melaporkan minat pada alat untuk penggunaan klinis.
Algoritma berbasis komputer ini mampu menghasilkan gambar virtual yang menyerupai gambar
paska operasi aktual. Ini memiliki kemampuan untuk memodelkan perbaikan fraktur wajah tengah
dan penempatan perangkat keras.
Kata kunci:
Fraktur wajah tengah, reduksi fraktur fasial, desain dengan bantuan computer, rencana
pembedahan virtual, rencana preoperative
 Fraktur wajah tengah atau maxillofacial sering ditemui dalam kejadian trauma dan
menimbulkan tantangan untuk operasi bedah plastik dan rekonstruktif. Hal ini memerlukan
evaluasi pasien secara menyeluruh karena potensi keterlibatan komponen neurovaskular dan
struktural penting dari wajah serta kedekatan dengan jalan napas. Fraktur wajah tengah dirawat
dengan menopang segmen yang retak ke elemen kerangka yang stabil melalui pelat fiksasi yang
kaku.1 Ahli bedah secara rutin memilih lokasi, ukuran, dan bentuk pelat fiksasi kaku atau semi
kaku selama perbaikan fraktur. Hal ini mungkin membutuhkan perubahan pelat fiksasi agar sesuai
dengan area yang retak. Mengingat kompleksnya sifat tulang wajah tengah dan fiksasi, maka
dibutuhkan pemahaman yang menyeluruh tentang anatomi daerah ini, penentuan posisi tulang dan
pemilihan lempeng.
Pencitraan computed tomographic (CT) dengan reformasi multiplanar dan rekonstruksi
tiga dimensi (3D) telah menjadi bagian dari evaluasi fraktur wajah. Modalitas pencitraan ini
memungkinkan visualisasi tulang-tulang tipis dan ruang-ruang sinus midface, cedera jaringan
lunak dan edema.2 Pada fraktur wajah tengah dengan keterlibatan anatomi yang kompleks,
perencanaan bedah virtual (VSP) dan desain berbantuan komputer (CAD) memungkinkan
rekonstruksi 3D wajah secara tepat. Modalitas ini memungkinkan ahli bedah untuk menilai dan
memodelkan operasi yang akan datang sebelum operasi dan mengetahui struktur yang akan
dihadapi. Pelat fiksasi seukuran juga dapat ditempatkan menggunakan VSP.3 Manfaat VSP adalah
peningkatan akurasi rekonstruksi dan penurunan waktu intraoperatif yang mengarah pada hasil
klinis yang lebih baik. Batasan VSP saat ini termasuk biaya, yang mungkin mencapai beberapa
ribu dolar, kebutuhan penyedia pihak ketiga, dan kebutuhan untuk mengoordinasikan sesi
perencanaan. Perencanaan mungkin memakan waktu beberapa jam dan mungkin tidak layak untuk
pasien yang memerlukan operasi darurat. Karena keterbatasan waktu dan biaya, VS preoperatif
dengan pencitraan 3DCT tidak secara konsisten digunakan dalam manajemen pasien dengan
fraktur wajah tengah.
Dalam artikel ini, peneliti memperkenalkan algoritma berbasis komputer yang
menggunakan dua paket perangkat lunak yang terjangkau dan tersedia secara komersial untuk
merekonstruksi fraktur pelat wajah tengah. Dengan menggunakan algoritma yang dikembangkan
dengan perangkat lunak ini, ahli bedah memiliki kemampuan untuk merencanakan strategi operasi
untuk fiksasi kaku cedera tulang pada wajah tengah tanpa memikirkan waktu dan biaya terkait
dengan VSP pihak ketiga. Sebelum menilai integrasi ke dalam praktik klinis, perlu untuk menguji
validitas algoritma untuk secara akurat memodelkan gambar CT 3D actual. Untuk melakukan ini,
peneliti membuat survei membandingkan gambar virtual yang dibuat algoritma dengan gambar
postoperatif yang sebenarnya untuk (1) memeriksa kemampuan algoritma untuk membuat gambar
postoperatif yang realistis dan (2) membandingkan gambar ini dengan gambar postoperatif yang
sebenarnya. Kemampuan algoritme untuk memperkirakan fraktur dan mensimulasikan ukuran,
bentuk, dan penempatan pelat fiksasi dievaluasi dengan pemberian survei perbandingan kepada
dokter praktik.
Metode
Tinjauan retrospektif
Studi percontohan ini terdiri dari tinjauan retrospektif pasien yang menjalani fiksasi fraktur
midface dari 1 Januari 2010 hingga 31 Desember 2015, di pusat perawatan tersier tunggal.
Persetujuan untuk penelitian ini diperoleh dari Human Research Protection Office dan Institutional
Review Board, University of Maryland, Baltimore, MD. Data demografis dan klinis dikumpulkan,
termasuk usia, jenis kelamin, dan jenis fraktur wajah tengah.
Kriteria inklusi dan eksklusi
Pasien yang dilibatkan dalam penelitian adalah pasien yang menjalani fiksasi fraktur wajah
tengah dan memiliki pencitraan CT pra operasi dan paska operasi dengan resolusi dan kualitas
yang memadai. Pasien yang tidak memiliki pencitraan pra operasi atau paska operasi akan
dikeluarkan dari penelitian. Jika salah satu gambar CT berkualitas buruk atau tidak cukup
menangkap fraktur atau pelapisan, pasien dikeluarkan dari penelitian. Dua pasien yang memenuhi
syarat dikeluarkan karena kesamaan fraktur dan pola pelapisan dengan pasien lain dalam
penelitian. Ini dilakukan untuk memberikan variabilitas dalam pola fraktur yang dievaluasi dalam
studi percontohan ini.
Akuisisi gambar
AquariusNet (TeraRecon Inc., Foster City, CA) adalah sebuah program yang mengubah
data pencitraan CT 2D menjadi bentuk 3D, memungkinkan visualisasi dan manipulasi pencitraan
di berbagai sudut. Filter yang berbeda dapat diterapkan, misalnya untuk menekankan tulang,
jaringan lunak, pembuluh darah, atau perangkat keras logam. Beberapa gambaran diambil dari
setiap pasien di berbagai sudut yang mewakili pandangan dari fraktur tulang dan pelapisan secara
langsung dan untuk membatasi distorsi gambar berdasarkan perspektif. Gambar postoperasi
ditangkap sehingga masing-masing akan memiliki gambar pra operasi yang sesuai pada sudut yang
sama. Antara satu dan lima gambar diperoleh untuk setiap kasus. Gambar diproduksi dengan
penggaris untuk memungkinkan pengguna untuk secara akurat skala gambar untuk digunakan.
Mereka disimpan ke format JPEG untuk diproses lebih lanjut.
Algoritma Berbasis Komputer
Gambar pra operasi dan postoperasi yang diekspor dari AquariusNET kemudian diimpor
ke Photoshop CS6 (Adobe Systems Inc., San Jose, CA). Foto-foto diambil dari semua lempeng
individual Stryker (Kalamazoo, MI) Leibinger di sebelah penggaris. Foto-foto digital itu kemudian
diimpor ke Photoshop (Adobe Systems, Inc.). Pelat fiksasi diukur ke skala nyata dengan alat "Free
Transform", menggunakan penggaris foto sebagai referensi. Penanda penggaris pada gambar CT
3D dan gambar pelat fiksasi dicetak dan dibandingkan dengan penggaris yang sebenarnya untuk
konfirmasi proporsi. Setelah ukuran gambar akurat, gambar pra operasi kemudian dimanipulasi
untuk menyerupai gambar pasca operasi yang sebenarnya. Menggunakan alat "Polygonal Lasso"
untuk memilih bagian tulang yang ingin dipindahkan, segmen fraktur dipilih dan dimanipulasi.
Setiap potongan fraktur yang dipilih digeser menjadi sejajar, sehingga mengurangi fraktur. Setelah
fraktur tulang hampir berkurang, pelat fiksasi dilapis ke gambar agar menyerupai pelat yang
digunakan pada gambar paska operasi nyata. Jika perlu, pelat bisa dimanipulasi dengan cara yang
sama dengan cara diubah di ruang operasi, termasuk menggunakan alat "Potong" untuk
memperpendek pelat, atau alat "Puppet Warp" untuk menekuk jika perlu. Proses pengurangan
fraktur dan pelapisan ini dilakukan untuk setiap gambar. Langkah-langkah ini ditunjukkan di ►
Gambar. 1.

Gambar. 1 (a) CT scan pre operasi; (B) bagian fraktur dipilih dan diputar (potongan tulang di
tambahkan); (c) pelat fiksasi ditambahkan ke fraktur yang telah direduksi; (d) gambar postoperasi
aktual. Gambar yang dihasilkan algoritma (c) sekarang menyerupai gambar paska operasi yang
nyata/sebenarnya (d).
Survei cross-sectional
Sebuah survei yang membandingkan gambar postoperatif virtual yang dibuat oleh
algoritma dan gambar postoperatif yang sebenarnya dihasilkan. Mengingat kurangnya survei yang
tervalidasi untuk menilai perbandingan ini, maka survei praktis dikembangkan. Sistem peringkat
skala tipe likert dari 0 hingga 10 digunakan (0 ¼ sangat berbeda; 5 ¼ agak mirip; 10 ¼ identik).
Gambar CT 3D paska operasi dan gambar virtual yang sesuai ditampilkan berdampingan. Untuk
setiap pasangan gambar, peserta survei diminta untuk (1) menilai kesamaan pengurangan fraktur
antara dua gambar dan (2) menilai kesamaan tampilan pelat antara dua gambar. Penekanan
ditempatkan pada daerah yang berbatasan langsung dengan plat dalam hal pengurangan fraktur
tulang. Tujuh belas pasang gambar ditampilkan pada survei, dengan 34 total gambar dinilai dalam
skala dari 0 hingga 10. ► Gambar. 2 menampilkan contoh perbandingan survei. Selain itu,
responden diminta untuk melapisi pelat cetak aktual di atas pelat berskala dan dicetak untuk
menilai apakah benar ukurannya. Pertanyaan terakhir menanyakan apakah responden akan
menggunakan program serupa untuk menentukan bentuk, posisi, dan ukuran pelat dan
pengurangan fraktur untuk perencanaan pra operasi. Responden menyelesaikan survei secara
anonim dan hanya menunjukkan spesialisasi medis dan tingkat pelatihan mereka. Responden
termasuk dokter dan yang hadir dengan pengalaman dalam trauma wajah dari bidang THT, bedah
mulut dan maksilofasial (OMFS), dan radiologi.
Gambar. 2 Gambar postoperasi aktual (kiri) dibandingkan dengan gambar yang dibuat algoritma
(kanan) pada skala Likert dari 0 hingga 10.
Analisis statistika
Nilai rerata dan standar deviasi untuk pertanyaan dalam setiap set gambar dihitung.
Serangkaian uji-t yang tidak berpasangan digunakan untuk membandingkan tanggapan penduduk
dan tanggapan terhadap ketiga pertanyaan. Responden dibagi menjadi dua kelompok. Kelompok
ahli bedah terdiri dari ahli THT dan responden OMFS. Kelompok radiologi terdiri dari tanggapan
oleh ahli radiologi yang disurvei. Analisis untuk kesamaan pengurangan fraktur dan kesamaan
palet dihitung. Reliabilitas antar penilai kemudian dihitung untuk mengevaluasi keseluruhan
tingkat kesepakatan di antara masing-masing responden. Ini dilakukan dengan menghitung
koefisien korelasi antar kelas untuk semua data yang dikumpulkan. Semua analisis statistik
dilakukan dengan menggunakan MedCalc untuk Windows, versi 15.0 (Perangkat Lunak MedCalc,
Ostend, Belgia).

Hasil
Secara total, 35 dokter menyelesaikan survei. Responden yang dimasukkan adalah sebagai
berikut: 14 dari radiologi, 10 dari otolaringologi, dan 11 dari OMFS. Sebanyak 34 gambar (17
pasang virtual dan aktual pra operasi) dinilai dari 10 kasus. Pandangan berbeda dari setiap fraktur
dievaluasi secara terpisah. Jenis fraktur termasuk kompleks zygomaticomaxillary (n ¼ 8), LeFort
tipe I (n ¼ 1), dan fraktur naso-orbito-ethmoid (n ¼ 1).
 Ketika diminta untuk menilai kesamaan pengurangan fraktur pada skala Likert dari 0
hingga 10, dokter radiologi memberi peringkat rata-rata 8,29 1,25 (interval kepercayaan 95% [CI]:
8,13 - 8,45). Ahli bedah menilai gambar rata-rata 6,82 - 2,37 (95% CI: 6,56 - 7,08). Uji t yang
tidak berpasangan menunjukkan perbedaan yang signifikan secara statistik antara kelompok ahli
bedah dan radiologi. Dalam peringkat kesamaan penampilan pelat, kelompok radiologi mencetak
rata-rata 8,82 1,09 (95% CI: 8,59-9,06) dibandingkan 7,45 - 2,14 (95% CI: 7,23 - 7,68) untuk
kelompok ahli bedah. Data-data ini digambarkan dalamâ – Tabel 1. Tanggapan antara kedua
kelompok secara statistik signifikan dalam uji-t tidak berpasangan. Tidak ada perbedaan signifikan
dalam rata-rata antara residen dan respons yang hadir. Tidak ada perbedaan statistik pada peringkat
berdasarkan jenis fraktur (zygomaticomaxillary vs LeFort vs naso-orbito-ethmoid). Distribusi
tanggapan di seluruh spesialisasi digambarkan dalam ► Gambar. 3. Pada analisis reliabilitas antar
penilai, koefisien korelasi antar kelas adalah 0,778 (95% CI: 0,6328-0,8843) menunjukkan korelasi
yang sangat baik di antara penilai.
Untuk menilai utilitas klinis masa depan, responden ditanyai tentang algoritma. Semua
responden yang disurvei (35/35) menjawab bahwa pelat yang ditunjukkan adalah benar untuk
dilakukan pada versi cetaknya. Semua responden THT dan 7 dari 11 (64%) responden OMFS
mengindikasikan bahwa mereka akan menggunakan program komputer ini untuk merencanakan
pengurangan fraktur midfasial sebelum operasi jika tersedia. Pertanyaan ini tidak berlaku untuk
kelompok radiologi. Data-data ini ditunjukkan dalam ►Tabel 2.
Tabel 1 Data respons survei ahli bedah dan radiologis
Rerata, SD 95% CI
Kesamaan dari reduksi fraktur
Ahli bedah 6.82 -+ 2.37 6.56, 7.08
Ahli radiologi 8.29 -+ 1.25 8.13, 8.45
Kesamaan dari penampilan pelat
Ahli bedah 7.45 -+ 2.14 (7.23, 7.68)
Ahli radiologi 8.82 -+ 1.09 (8.59, 9.06)
 Gambar. 3 Respon yang digambarkan secara grafis oleh ahli bedah dan ahli radiologi tentang
kesamaan pengurangan fraktur dan penampilan pelat.

DISKUSI
Data dari studi percontohan ini menunjukkan bahwa algoritma komputer ini mampu
menghasilkan gambar virtual yang sebanding dengan gambar CT 3D nyata postoperasi dari fraktur
wajah tengah yang diperbaiki. Skor reduksi peringkat fraktur sedikit lebih rendah dari skor
penampilan pelat. Hal ini kemungkinan disebabkan oleh fakta bahwa kadang-kadang sulit untuk
secara retrospektif mencocokkan pola pengurangan fraktur yang dicapai di ruang operasi
menggunakan program. Peringkat tinggi penampilan pelat memperkuat sifat realistis pengurangan
fraktur menggunakan program ini. Proses 3D yang sesungguhnya tidak berwarna, dan gambar
pelat terkadang miring karena pemindaian artefak serta resolusi yang dikompromikan dari rata-
rata volume. Meskipun terdapat perbedaan dalam penampilan pelat, nyatanya pelat yang
dihasilkan algoritma telah terbukti identik dengan pelat asli dari waktu ketika pengguna diminta
untuk melapisi pelat Stryker yang sebenarnya di atas cetakan skala dari pelat algoritme.
Penelitian ini menemukan bahwa semua ahli menentukan bahwa ada kemiripan yang kuat
antara gambar virtual dan gambar postoperasi yang sebenarnya, karena ketiga spesialisasi menilai
gambar berkualitas di atas "agak mirip" Ahli radiologi menilai gambar secara signifikan lebih
tinggi daripada ahli bedah, yang mungkin disebabkan oleh perspektif yang berbeda melalui mana
dokter mengevaluasi gambar.
Algoritma yang sama pada awalnya dijelaskan untuk pelapisan fraktur mandibula, dan
diadopsi dan diubah untuk digunakan dalam wajah tengah dalam penelitian ini.8 Perbedaan utama
perencanaan bedah fraktur wajah tengah dibandingkan dengan fraktur mandibula adalah
multidimensi dan kompleksitas 3D yang melekat pada rekonstruksi. dari wajah tengah. Ini dapat
menambah waktu yang dihabiskan di ruang operasi untuk menganalisis lokasi fraktur,
memutuskan pelat mana yang akan digunakan, dan menentukan ukuran serta membentuk tempat-
tempat untuk kesesuaian optimal.
VSP menjadi lebih sering digunakan, dan telah dilaporkan banyak digunakan dalam
prosedur bedah seperti rekonstruksi flap bebas fibula mandibula, bedah 9-11 ortognatik, perbaikan
orbital12, 13 dan prosedur ortopedi.14 VSP memiliki telah terbukti mengurangi total waktu operasi
dalam operasi kraniofasial, yang mengarah pada efisiensi operasi yang lebih besar dalam operasi
kraniofasial.9,10 Sementara VSP telah terbukti efektif mengurangi waktu operasi, dan biaya mahal.
Memanfaatkan VSP untuk rekonstruksi fibular dilaporkan menelan biaya antara $ 1.200 hingga
6.890.15 Sedangkan perencanaan untuk bedah ortognatik dapat menghabiskan biaya antara $ 800
hingga 1.200.16 Sebaliknya, satu-satunya biaya moneter dari algoritma adalah dari dua program
komputer yang digunakan. Ini termasuk perangkat lunak pencitraan 3D dan program Adobe
Photoshop. Selain itu, algoritma yang dijelaskan tidak memiliki biaya kepada konsumen.
Menambah biaya diperlukan untuk VSP dan CAD karena kebutuhan untuk penyedia pihak
ketiga, dan kebutuhan untuk menjadwalkan pertemuan untuk perencanaan. Langkah ekstra dalam
persiapan untuk rekonstruksi ini tampaknya tidak masuk akal dalam pengaturan rekonstruksi
fraktur wajah di mana operasi tepat waktu mungkin diperlukan. Hal ini mungkin menjelaskan
mengapa belum banyak digunakan dalam fiksasi fraktur wajah. Karena keterbatasan ini, peneliti
telah menemukan bahwa untuk memiliki program yang dapat diakses di mana ahli bedah dan
timnya dapat merencanakan untuk rekonstruksi tanpa peningkatan biaya atau koordinasi pihak
ketiga yang melekat pada VSP. Meskipun algoritma yang diusulkan tidak menghindari waktu yang
dibutuhkan untuk rekonstruksi. Dalam pengalaman peneliti, dibutuhkan sekitar 30 hingga 90 menit
untuk menyelesaikan satu perbaikan fraktur wajah tengah. Ini bervariasi tergantung pada pola
fraktur cedera yang berbeda. Komitmen waktu yang diperlukan untuk secara virtual dalam
mengurangi dan memperbaiki fraktur menggunakan algoritma adalah area potensial untuk studi
lebih lanjut.
Algoritma ini juga memiliki potensi untuk menjadi alat pendidikan bagi mahasiswa
kedokteran untuk lebih memahami anatomi dan proses merekonstruksi wajah tengah. Ini
memungkinkan pengguna untuk mempersiapkan operasi dengan mengurangi fraktur pada
bidangnya masing-masing dan menentukan ukuran, bentuk, dan tekukan pelat fiksasi. Pengguna
juga harus belajar untuk memvisualisasikan fraktur wajah mereka secara tiga-dimensi, dan ini
bertindak sebagai latihan dalam mengajar pengguna untuk memahami gerakan multi arah yang
diperlukan untuk memperbaiki bahkan fraktur tunggal. Pengguna perlu meluangkan waktu untuk
memahami tiga dimensi ini, dan belajar memvisualisasikan fraktur sebelum operasi dan memasuki
ruang operasi dengan pemahaman yang lebih baik tentang prosedur yang direncanakan. Sebagai
alat yang sangat mudah diakses, alat ini memiliki potensi untuk digunakan dalam desain dan
analisis pra operasi rutin.
Algoritma ini menghadirkan peluang pendidikan baru; Namun, memang menimbulkan
tantangan baru, karena pengguna harus memiliki emahaman tiga dimensi. Pergerakan satu fraktur
menggeser struktur artikulasi lainnya, dan gerakan ini dapat mendistorsi hubungan spasial dari
segmen fraktur lainnya. Setiap fraktur harus dikurangi secara individual di bidangnya masing-
masing saat menggunakan algoritma ini. Jika pengguna algoritma tidak mengingat kerangka ini,
gambar seharusnya tidak mewakili perubahan sebenarnya yang diperlukan untuk penyelarasan
tulang.
Keterbatasan lain dari penelitian ini adalah sifat retrospektifnya. Sebagai studi
pendahuluan, tujuan dari penelitian ini adalah untuk menggambarkan dan menilai kemampuan
algoritma ini untuk menghasilkan gambar yang dapat diandalkan sebelum menilai utilitas klinis
dan integrasi ke dalam praktik klinis. Jelas dari data ini bahwa algoritma ini mampu menghasilkan
gambar yang menyerupai gambar postoperasi yang sebenarnya. Namun, perlu untuk
membandingkan gambar perencanaan pra operasi yang dibuat dengan gambar post operasi aktual
untuk mengevaluasi apakah algoritma memungkinkan untuk prediksi akurat perbaikan fraktur.
Sebuah studi prospektif juga dapat dilakukan untuk menilai perbedaan waktu operasi dan
hasil fiksasi fraktur wajah dengan menggunakan algoritma. Algoritma ini memiliki kurva yang
terkait dengan penggunaannya. Banyak dokter praktek mungkin memiliki pengalaman
sebelumnya dengan program yang digunakan dalam algoritma ini, membuat integrasi algoritma
lebih layak. Selain itu, masih harus dilihat apakah aplikasi klinis dari teknik fiksasi virtual ini
mampu menurunkan biaya, meningkatkan hasil, dan memiliki dampak positif pada pengalaman
peserta pelatihan. Meskipun menjawab pertanyaan-pertanyaan ini tidak termasuk dalam studi
pendahuluan ini, studi prospektif harus dirancang.

KESIMPULAN
Algoritma baru yang dijelaskan memiliki kemampuan untuk memodelkan perbaikan
fraktur wajah tengah dan penempatan perangkat keras secara akurat. Meskipun VSP berperan
dalam perencanaan pra operasi, sebuah algoritma menggunakan program yang tersedia secara
komersial memungkinkan ahli bedah untuk secara pribadi mempersiapkan prosedur dengan
memvisualisasikan pengurangan fraktur yang diperlukan dan pola pelapisan. Algoritme juga dapat
berfungsi sebagai alat pendidikan untuk mempelajari fraktur daerah wajah tengah. Penelitian
selanjutnya perlu mempelajari secara prospektif algoritma untuk menentukan waktu operasi ketika
ahli bedah menggunakannya untuk perencanaan pra operasi.