Protocolo de diagnóstico basado en imágenes de resonancia magnética y predicción de riesgo para la lipomatosis epidural en la espondilolistesis lumbar degenerativa

Resumen

Este protocolo describe un método estandarizado basado en imágenes de resonancia magnética para diagnosticar la lipomatosis epidural y predecir su riesgo en pacientes con espondilolistesis lumbar degenerativa.

Resumen

Este protocolo presenta un enfoque diagnóstico estandarizado basado en imágenes por resonancia magnética (IRM) para la lipomatosis epidural en pacientes con espondilolistesis lumbar degenerativa (ELD) y describe el desarrollo de un modelo clínico de predicción de riesgo. Se evaluaron consecutivamente pacientes con ELD mediante un protocolo estandarizado de IRM, que incluyó secuencias ponderadas en T1 para la detección de lipomatosis epidural, clasificación de Goutallier de la infiltración grasa del músculo multifidus y evaluación radiográfica. La cohorte del estudio se dividió en una cohorte de modelado (n = 248) y una cohorte de validación (n = 106). Los predictores independientes se identificaron mediante cribado univariado seguido de regresión logística binaria multivariable. Para una presentación transparente, los efectos de la edad y del índice de masa corporal (IMC) se expresan por incrementos de 10 años y de 5 kg/m², respectivamente. La ecuación de predicción al pie de la cama se presenta utilizando coeficientes en unidades crudas algebraicamente equivalentes, de modo que la edad (años) y el IMC (kg/m²) puedan introducirse directamente. Se identificaron cinco predictores independientes: edad (razón de momios [OR] = 1,510 por cada aumento de 10 años), sexo femenino (OR = 2,354), IMC (OR = 1,874 por cada aumento de 5 kg/m²), afectación del segmento L5 (OR = 3,766) y grado de Goutallier 3-4 (OR = 3,184). El modelo alcanzó valores del área bajo la curva de característica de operación del receptor de 0,834 en la cohorte de modelado y de 0,815 en la cohorte de validación. Los análisis de calibración y de curva de decisión respaldaron al modelo como una herramienta exploratoria de apoyo a la toma de decisiones clínicas; sin embargo, se requiere validación externa antes de su implementación clínica generalizada. Este protocolo proporciona un marco reproducible basado en IRM para la evaluación de la lipomatosis epidural, con una herramienta integrada de predicción al pie de la cama que combina parámetros clínicos y radiográficos para facilitar la evaluación estandarizada y la predicción individualizada del riesgo en pacientes con ELD.

Introducción

La espondilolistesis lumbar degenerativa (ELD) afecta al 4 %–8 % de la población general, con una prevalencia que aumenta notablemente después de la quinta década de la vida^1,2. Definida por el desplazamiento anterior de una vértebra sobre su vértebra subyacente con un arco neural posterior íntegro, la ELD frecuentemente provoca estenosis del canal espinal y claudicación neurogénica, comprometiendo significativamente la movilidad del paciente, la fuerza muscular y la calidad de vida³. Entre los hallazgos de imagen asociados, el signo de lipomatosis epidural —caracterizado por una señal grasa hipercintensa en banda en imágenes de resonancia magnética (RM) ponderadas en T1 en plano medio sagital a nivel del deslizamiento— es un indicador radiográfico importante que puede facilitar el reconocimiento de la enfermedad y la evaluación de su gravedad. Tradicionalmente, la lipomatosis epidural se asoció con la administración de glucocorticoides, exposición a esteroides epidurales o trastornos endocrinos como el síndrome de Cushing^4,5,6. Sin embargo, se ha documentado cada vez más en personas con obesidad o síndrome metabólico sin exposición a esteroides^7,8,9,10, lo que sugiere que los factores metabólicos y biomecánicos desempeñan un papel etiológico importante. Una revisión sistemática reciente resumió diversas etiologías y resultados clínicos en los casos reportados¹¹, y también se ha documentado mejoría sintomática tras la reducción de peso¹². Se han descrito previamente métodos de evaluación cuantitativa y sistemas de clasificación basados en RM para la lipomatosis epidural espinal, incluyendo enfoques basados en la relación entre grasa epidural axial y la bolsa raquídea y sistemas de clasificación locorregionales^13,14. No obstante, no se ha establecido un protocolo estandarizado basado en RM específicamente para la evaluación sistemática de la lipomatosis epidural en pacientes con ELD. Por lo tanto, la interpretación sigue siendo dependiente del operador, sin criterios diagnósticos consistentes adaptados a esta población de pacientes, los determinantes clínicos que distinguen a los individuos afectados de los no afectados permanecen incompletamente caracterizados, y los clínicos carecen de un instrumento práctico para la estimación del riesgo durante la evaluación inicial.

Para abordar estas lagunas, el presente protocolo establece un marco estandarizado y clínicamente aplicable para la evaluación mediante resonancia magnética de la lipomatosis epidural en pacientes con DLS. El protocolo integra parámetros clínicos, criterios diagnósticos por resonancia magnética predefinidos con parámetros específicos de adquisición de imágenes, evaluación de los músculos paravertebrales mediante un enfoque adaptado de la clasificación de Goutallier para la columna, evaluación axial confirmatoria del compromiso de la bolsa dural y un modelo predictivo para la estratificación del riesgo al lecho del paciente. Se reconoce que el sistema de clasificación de Manjila constituye una referencia locorregional importante porque evalúa la extensión craneocaudal en imágenes sagitales y la gravedad axial mediante una evaluación basada en una cuadrícula de 3 × 3, lo cual puede orientar la planificación quirúrgica y facilitar la diferenciación entre distribuciones grasas epidurales dorsales, ventrales y circunferenciales^14,15,16. El presente protocolo no pretende sustituir a los sistemas existentes de clasificación de la lipomatosis epidural espinal; más bien, proporciona un flujo de trabajo enfocado para niveles deslizados asociados a DLS, documentando al mismo tiempo características axiales y locorregionales cuando son clínicamente relevantes. Este enfoque tiene como objetivo promover una evaluación más reproducible de la lipomatosis epidural, al tiempo que apoya la evaluación estandarizada mediante imágenes y la estimación clínica individualizada del riesgo en pacientes con DLS.

Protocolo

Este protocolo de RM está diseñado para un escáner superconductor de 1,5 Tesla equipado con una bobina de superficie para columna vertebral de 16 canales dedicada. El protocolo puede adaptarse a otros sistemas de 1,5 o 3,0 T con hardware equivalente. Todos los procedimientos se realizaron en cumplimiento con la Declaración de Helsinki y fueron aprobados por el Comité de Revisión Institucional del Centro Médico Union de Tianjin (número de aprobación: 2024-IRB-089).

1. Selección del paciente y evaluación clínica

1. Obtenga la aprobación del Comité de Revisión Institucional y del Comité de Ética antes de la inclusión de pacientes. Asegúrese de que todos los procedimientos que involucren a participantes humanos cumplan con la Declaración de Helsinki. Documente el número de aprobación (2024-IRB-089) en todos los registros del estudio.
   ​NOTA: El requisito de consentimiento informado individual puede ser dispensado cuando el estudio utilice datos clínicos y conjuntos de imágenes preexistentes completamente desidentificados, siempre que dicha dispensa cumpla con la política institucional y con las regulaciones nacionales que rigen el uso secundario de datos clínicos. Obtenga aprobación explícita para la dispensa por parte del comité de ética. Obtenga la aprobación ética antes de proceder al reclutamiento de pacientes.
2. Evalúe pacientes consecutivos que acudan al departamento de cirugía de columna con diagnóstico confirmado de ELD. Revise radiografías laterales en posición erecta o con vistas de flexión-extensión para confirmar un deslizamiento vertebral anterior de ≥3 mm o ≥10% del ancho del cuerpo vertebral.
   1. Verificar cambios degenerativos en el nivel correspondiente, incluyendo degeneración del disco intervertebral e hipertrofia de la articulación facetaria¹⁷. Confirme la ausencia de un defecto en la pars interarticularis en radiografías laterales y en resonancia magnética sagital.
   2. Incluya pacientes de 18 a 85 años que se hayan sometido a una resonancia magnética lumbar estándar (secuencias sagital ponderada en T1, sagital ponderada en T2 y axial ponderada en T2) dentro de las 2 semanas siguientes a la evaluación clínica. Excluya pacientes que se hayan sometido a cirugía espinal previa o inyección de esteroides epidurales en los últimos 6 meses.
   3. Mida el deslizamiento vertebral anterior en radiografías laterales en posición de pie o en proyecciones de flexión-extensión utilizando el método de la línea del cuerpo vertebral posterior. Trace una línea de referencia vertical a lo largo de la corteza posterior del cuerpo vertebral caudal, luego mida la distancia perpendicular desde esta línea hasta la esquina postero-inferior de la vértebra craneal deslizada. Registre el desplazamiento en milímetros y, cuando sea necesario, como un porcentaje del ancho anteroposterior del cuerpo vertebral caudal.
3. Excluya pacientes con espondilolistesis no degenerativa (istmica, traumática, patológica, posoperatoria o alteraciones anatómicas o del desarrollo como cuerpo vertebral L5 hipoplásico y pseudoespondilolistesis L5-S1), uso de glucocorticoides para >3 meses acumulados durante el año anterior, o hipercortisolismo endógeno confirmado (síndrome de Cushing, adenoma adrenal o tumor secretor de hormona adrenocorticotrópica hipofisaria).
   1. Excluya a los pacientes que hayan recibido terapia con esteroides anabólicos o terapia de reemplazo de testosterona en los últimos 6 meses. Excluya los exámenes de resonancia magnética con calidad de imagen insuficiente, incluyendo artefactos por movimiento de grado II o superior o cobertura incompleta del segmento lumbosacro.
   2. Excluya pacientes con insuficiencia cardiorrespiratoria o renal grave (Clasificación del Estado Físico de la Sociedad Americana de Anestesiólogos Clase IV-V), infección activa o contraindicaciones para resonancia magnética.
      ​ADVERTENCIA: Realice un cribado completo de seguridad para resonancia magnética antes de la entrada al escáner. Excluya a pacientes con dispositivos implantados incompatibles con resonancia magnética.
   3. Clasifique el artefacto de movimiento utilizando una escala de calidad de imagen de cuatro niveles: grado 0 = sin artefacto visible; grado I = artefacto leve sin deterioro diagnóstico; grado II = artefacto moderado que oculta márgenes anatómicos o puntos de referencia para mediciones; y grado III = artefacto severo que hace que la secuencia sea no diagnóstica. Excluya los exámenes con artefacto grado II o III en cualquier secuencia necesaria para la clasificación del resultado, o repita la secuencia afectada antes de incluir el examen en el estudio.
4. Extraiga datos clínicos de la base de datos del historial médico electrónico (EMR) y del Sistema de Archivado y Comunicación de Imágenes (PACS) utilizando un formulario estandarizado de recolección de datos en REDCap, completado por dos asistentes de investigación capacitados.
   1. Registre la edad (años), el sexo (masculino/femenino), el índice de masa corporal (IMC; kg/m²),²) y segmento deslizado (L3, L4 o L5).
   2. Registre la duración de los síntomas, la presencia de claudicación neurogénica y los tratamientos conservadores previos.
   3. Asigne a dos asistentes de investigación capacitados para extraer de forma independiente las variables clínicas del EMR y del PACS en formularios REDCap duplicados. Compare los dos formularios tras la extracción de los datos y resuelva las discrepancias consultando los registros originales. Derive las discrepancias no resueltas a un investigador senior para su resolución.
   4. Identifique variables faltantes o incompletas durante las verificaciones de rango y completitud en REDCap. Verifique los valores faltantes contra el registro médico electrónico (EMR), el sistema PACS y los informes de imágenes originales. Excluya a un paciente del desarrollo del modelo únicamente cuando no sea posible recuperar un predictor requerido, una variable de resultado o una secuencia esencial de resonancia magnética. No realice imputación estadística para variables del modelo que sean obligatorias.
5. Asignar aleatoriamente a los pacientes elegibles al grupo de modelado (n = 248) y al grupo de validación (n = 106) utilizando una proporción de asignación de 7:3 en SPSS versión 27.0 con una semilla aleatoria de 42.
   1. Clasifique a los pacientes dentro de la cohorte de modelado en grupos con lipomatosis epidural y sin lipomatosis según el diagnóstico consensuado de dos radiólogos especializados en columna vertebral con >10 años de experiencia, siguiendo el protocolo de interpretación de resonancia magnética descrito en el Paso 3.
   2. En SPSS versión 27.0, establezca la semilla aleatoria en 42, seleccione Transformar > Calcular variable y generar una variable aleatoria uniforme utilizando RV.UNIFORME(0,1). Ordenar los casos en orden ascendente según esta variable, asignar el primer 70 % de los casos elegibles a la cohorte de modelado y el 30 % restante a la cohorte de validación, y mantener la variable de asignación sin cambios para todos los análisis posteriores.
   3. Utilice una asignación aleatoria simple en lugar de una aleatorización estratificada. No fuerce el equilibrio de las variables demográficas, radiográficas o de resonancia magnética en la asignación de la cohorte.
   4. Después de la asignación aleatoria, compare las variables demográficas, clínicas, radiográficas y de resonancia magnética basales entre los grupos de modelado y validación utilizando la prueba t de Student. tprueba t o prueba de chi-cuadrado, según corresponda. Considere la asignación aceptable cuando no se identifique ningún desequilibrio clínicamente relevante y reporte la evaluación de comparabilidad de las cohortes en Tabla 1.
      NOTA: Completar la asignación de la cohorte tras verificar todos los criterios de elegibilidad.

Variable	Cohorte de modelado (n = 248)	Cohorte de validación (n = 106)	t/χ2	Valor P
Edad (años)	67.87 ± 11.39	68.16 ± 11.93	0.216	0.829
Sexo, n (%)			0.002	0.966
Masculino	96 (38,71)	42 (39,62)
Femenino	152 (61,29)	64 (60,38)
Índice de masa corporal (kg/m²)	24,88 ± 3,62	24,91 ± 3,48	0,077	0,939
Segmento deslizado, n (%)			0,564	0,754
L3	31 (12,50)	14 (13,21)
L4	149 (60,08)	67 (63,21)
L5	68 (27,42)	25 (23,58)
Grado de Pfirrmann, n (%)			0,104	0,991
Grado II	18 (7,26)	8 (7,55)
Grado III	74 (29,84)	33 (31,13)
Grado IV	93 (37,50)	38 (35,85)
Grado V	63 (25,40)	27 (25,47)
Grado de Goutallier, n (%)			3,022	0,388
Grado 1	78 (31,45)	27 (25,47)
Grado 2	86 (34,68)	33 (31,13)
Grado 3	52 (20,97)	28 (26,42)
Grado 4	32 (12,90)	18 (16,98)
Ángulo de la articulación facetaria distal (°)	55,26 ± 6,42	55,18 ± 6,39	0,111	0,912
Effusión de la articulación facetaria distal (mm)	0,94 ± 0,21	0,93 ± 0,20	0,444	0,657
Altura del disco distal (mm)	9,16 ± 1,92	9,20 ± 1,88	0,193	0,847
Ángulo de la articulación facetaria proximal (°)	49,95 ± 6,03	50,03 ± 5,99	0,115	0,908
Effusión de la articulación facetaria proximal (mm)	0,84 ± 0,26	0,83 ± 0,25	0,237	0,813
Altura del disco proximal (mm)	8,05 ± 1,52	8,08 ± 1,50	0,156	0,876
Incidente pélvica (PI, °)	52,18 ± 7,94	52,35 ± 7,85	0,188	0,851
Inclinación pélvica (PT, °)	24,35 ± 7,17	24,28 ± 7,23	0,080	0,936
Pendiente sacra (SS, °)	44,91 ± 6,83	45,01 ± 6,79	0,129	0,898
Cifosis torácica (TK, °)	21,18 ± 7,67	21,25 ± 7,62	0,075	0,940

Tabla 1: Características basales de las cohortes de modelado y validación. Las variables continuas se presentan como media ± desviación estándar (DE), y las variables categóricas como número (%). Se compararon las características basales demográficas, clínicas, radiográficas y de imágenes por resonancia magnética entre la cohorte de modelado (n = 248) y la cohorte de validación (n = 106) para evaluar la comparabilidad de las cohortes. Abreviaturas: BMI, índice de masa corporal; PI, incidencia pélvica; PT, inclinación pélvica; SS, pendiente sacra; TK, cifosis torácica.

2. Protocolo de adquisición de RM

1. Realice un cribado de seguridad para resonancia magnética (RM) utilizando un cuestionario estandarizado. Identifique contraindicaciones, incluyendo embarazo, dispositivos electrónicos implantados, cuerpos extraños ferromagnéticos, claustrofobia y antecedentes de reacciones alérgicas a agentes de contraste basados en gadolinio.
   1. Indique al paciente que retire todos los objetos metálicos, incluyendo joyas, relojes, piercings y audífonos. Coloque al paciente en posición supina sobre la mesa de RM.
   2. Coloque una almohadilla suave debajo de las rodillas para lograr aproximadamente 20°–30° de flexión y reducir la lordosis lumbar fisiológica. Posicione la bobina espinal centrada al nivel vertebral L3 para obtener cobertura desde T12 hasta S3.
   3. Asegure la bobina con contacto directo sobre la piel y elimine los espacios de aire visibles. Coloque relleno de espuma a ambos lados para minimizar el movimiento del paciente y proporcione un dispositivo de llamada de emergencia compatible con RM.
   4. No administre agentes de contraste intravenosos basados en gadolinio. El flujo diagnóstico utiliza secuencias sagitales sin contraste ponderadas en T1, sagitales ponderadas en T2 y axiales ponderadas en T2.
2. Adquiera una secuencia localizadora (scout) en tres planos utilizando una secuencia de eco de gradiente con TR = 8 ms, TE = 4 ms, grosor de corte = 8 mm y campo de visión = 400 mm × 400 mm.
   1. Verifique la cobertura completa de la columna lumbar desde T12/L1 hasta el sacro. Reposicione al paciente si la unión lumbosacra no se visualiza completamente.
3. Adquiera imágenes sagitales ponderadas en T1 mediante eco de spin turbo utilizando TR = 500 ms, TE = 12 ms, campo de visión = 280 × 280 mm, matriz = 512 × 256, grosor de corte = 4 mm, separación entre cortes = 0.4 mm y NEX = 2.
   1. Prescriba cortes paralelos a los procesos espinosos. Adquiera un mínimo de 11 cortes sagitales para garantizar cobertura completa de izquierda a derecha.
      ​NOTA: La imagen ponderada en T1 es la secuencia principal para identificar la lipomatosis epidural, ya que el tejido adiposo muestra una intensidad de señal intrínsecamente alta en comparación con las estructuras circundantes. Los parámetros de adquisición seleccionados maximizan el ponderado en T1 manteniendo una relación señal-ruido y resolución espacial adecuadas. El tiempo típico de adquisición es aproximadamente de 3–4 min.
   2. Al adaptar el protocolo a una plataforma equivalente de 1.5 o 3.0 T, mantenga la cobertura anatómica requerida, tipo de secuencia, orientación de cortes, grosor de corte, separación entre cortes y planos diagnósticos. Optimice el campo de visión, matriz, número de excitaciones, longitud de tren de eco y factor de imagen paralela según sea necesario, siempre que la grasa epidural, los márgenes del saco raquídeo y la anatomía del nivel deslizado permanezcan claramente visibles para la interpretación diagnóstica.
4. Adquiera imágenes sagitales ponderadas en T2 mediante eco de spin turbo utilizando TR = 3.500-4.000 ms, TE = 100-120 ms, campo de visión = 280 mm × 280 mm, matriz = 512 × 256, grosor de corte = 4 mm, separación entre cortes = 0.4 mm y NEX = 2.
   1. Iguale la posición de los cortes a la adquisición sagital ponderada en T1 para permitir la comparación directa de imágenes.
      ​NOTA: La imagen ponderada en T2 proporciona información anatómica complementaria al mejorar la visualización del líquido cefalorraquídeo (LCR), el saco raquídeo y la morfología del disco intervertebral. Esta secuencia también se utiliza para la clasificación de Pfirrmann de la degeneración del disco intervertebral. El tiempo típico de adquisición es aproximadamente de 4–5 min.
5. Adquiera imágenes axiales ponderadas en T2 mediante eco rápido de spin en cada nivel del disco intervertebral lumbar desde L1/L2 hasta L5/S1 utilizando TR = 4.000 ms, TE = 112 ms, campo de visión = 180 mm × 180 mm, matriz = 320 × 256, grosor de corte = 4 mm, separación entre cortes = 0.4 mm y NEX = 3.
   1. Prescriba cortes axiales paralelos a cada espacio del disco intervertebral. Adquiera 6-8 cortes a través del segmento deslizado para asegurar cobertura anatómica completa.
      ​NOTA: La imagen axial ponderada en T2 permite evaluar la distribución de la grasa epidural y la morfología del saco raquídeo. La combinación de secuencias sagitales ponderadas en T1, sagitales ponderadas en T2 y axiales ponderadas en T2 proporciona información anatómica complementaria para una evaluación exhaustiva. El tiempo total de adquisición en todos los niveles lumbares es aproximadamente de 15–20 min. El examen completo, incluyendo la colocación del paciente y la imagen localizadora, requiere aproximadamente 30–35 min.
6. Evalúe la calidad de la imagen antes de finalizar el examen. Confirme la ausencia de artefactos por movimiento grado II o superior, la visualización completa de la unión lumbosacra, una relación señal-ruido adecuada y la ausencia de artefactos de solapamiento significativos.
   1. Repita cualquier secuencia que no cumpla con los criterios de calidad de imagen. Exporte todas las imágenes en formato Digital Imaging and Communications in Medicine (DICOM) al PACS manteniendo los metadatos.
   2. Defina la calidad aceptable de imagen como cobertura completa desde T12/L1 hasta el sacro, visualización nítida de las cortezas posteriores de los cuerpos vertebrales y de los márgenes del saco raquídeo, ausencia de artefactos de solapamiento que se extiendan al canal espinal y relación señal-ruido suficiente para distinguir la grasa epidural del LCR y del músculo paravertebral. Repita cualquier secuencia que no cumpla con estos criterios.
   3. Utilice el mismo sistema de clasificación de cuatro niveles de artefactos por movimiento descrito en el Paso 1.3.3. Repita las secuencias con artefactos por movimiento grado II o III antes de liberar al paciente, o excluya el examen si no se puede realizar una nueva imagen.
      NOTA: Verifique la calidad de la imagen antes de liberar al paciente del escáner.

3. Interpretación de imágenes de resonancia magnética para lipomatosis epidural

NOTA: La lipomatosis epidural se define como el crecimiento patológico excesivo de tejido adiposo maduro no encapsulado dentro del espacio epidural espinal. En la DLS, esta afección contribuye a la estenosis del canal espinal y puede requerir una descompresión combinada durante la cirugía de fusión. El diagnóstico preciso requiere una evaluación sistemática a través de múltiples secuencias y planos de imágenes.

1. Realice la interpretación de imágenes en una estación de trabajo PACS dedicada equipada con un monitor diagnóstico de grado médico (mínimo 3 megapíxeles; Función de visualización estándar en escala de grises DICOM Parte 14). Mantenga una iluminación ambiental controlada (≤50 lux).
   1. Cargue el examen de RM completo. Muestre las imágenes ponderadas en T1 en plano sagital y las imágenes ponderadas en T2 en plano sagital lado a lado en la ventana superior de visualización, y las imágenes ponderadas en T2 en plano axial en la ventana inferior de visualización, con referencia cruzada anatómica sincronizada.
   2. Utilice el visor PACS institucional con herramientas de medición calibradas según DICOM y con la referencia cruzada sagital-axial sincronizada activada. Aplique ajustes consistentes de ventana y nivel para la comparación de imágenes lado a lado durante cada sesión de lectura. Registre el fabricante del sistema PACS y la versión del software en la Tabla de Materiales.
2. Identifique el nivel vertebral deslizado en la imagen sagital media ponderada en T1 observando el desplazamiento anterior del cuerpo vertebral. Trace una línea de referencia a lo largo de la corteza posterior del cuerpo vertebral subyacente.
   1. Mida la distancia perpendicular desde la línea de referencia hasta la esquina posterior-inferior de la vértebra deslizada. Confirme que el desplazamiento medido sea ≥3 mm o ≥10 % del ancho del cuerpo vertebral.
      ​NOTA: La localización precisa del nivel deslizado es esencial porque la lipomatosis epidural se evalúa específicamente en el nivel del deslizamiento vertebral.
   2. Realice las mediciones del deslizamiento vertebral utilizando la herramienta electrónica de calibración incorporada en la estación de trabajo PACS. Verifique la calibración del píxel a partir de los metadatos DICOM antes de la medición y registre todas las distancias con una precisión de 0,1 mm.
3. Examine el espacio epidural posterior en el nivel deslizado en la imagen sagital media ponderada en T1. Identifique una señal hiperintensa en forma de banda o creciente ubicada entre el saco raquídeo anteriormente y el ligamento amarillo o el proceso espinoso posteriormente.
   1. Compare la intensidad de señal de la lesión directamente con la grasa subcutánea en la misma imagen. Si están disponibles secuencias con supresión de grasa, confirme la supresión de señal para verificar la naturaleza grasa de la lesión.
      ​NOTA: Diferencie la lipomatosis epidural de otras lesiones epidurales hiperintensas en T1, incluyendo hematoma epidural subagudo y acumulaciones de líquido proteínico. Confirme la lipomatosis epidural únicamente cuando la lesión presente características de señal idénticas a la grasa subcutánea y se adapte al espacio epidural.
   2. Utilice los criterios sagitales definidos en el protocolo como método principal de cribado del nivel deslizado y contraste hallazgos positivos o ambiguos con las imágenes axiales ponderadas en T2. Durante la implementación prospectiva, documente la distribución de la grasa epidural, la deformación del saco raquídeo y la compatibilidad con métodos establecidos de evaluación basados en RM, incluyendo enfoques del cociente axial grasa epidural-saco raquídeo y el sistema de clasificación locorregional de Manjila. En la cohorte retrospectiva utilizada para el desarrollo del modelo, estos sistemas de clasificación establecidos no se aplicaron como estándares de referencia independientes, y el resultado binario original no fue reclasificado retrospectivamente.
4. Mida la extensión craneocaudal del depósito de grasa epidural utilizando calibradores electrónicos en la estación de trabajo PACS. Coloque los calibradores en los márgenes superior e inferior del depósito continuo de grasa epidural y registre la medición máxima.
   1. Confirme que la extensión craneocaudal mida ≥5 mm en el mismo plano sagital. Utilice la visibilidad en al menos dos cortes sagitales adyacentes únicamente para confirmar la continuidad mediolateral y reducir los artefactos por volumen parcial; no utilice cortes sagitales adyacentes para estimar la extensión craneocaudal.
   2. Contraste la lesión en las imágenes sagitales ponderadas en T2 para evaluar las características de señal. Revise las imágenes axiales correspondientes ponderadas en T2 para evaluar la distribución circunferencial de la grasa epidural y la reducción anteroposterior del saco raquídeo.
      ​NOTA: Utilice una extensión craneocaudal de ≥5 mm como umbral operativo de cribado del nivel deslizado en este protocolo. Registre el diámetro anteroposterior y el área de la sección transversal del saco raquídeo en imágenes axiales como mediciones confirmatorias continuas. No utilice valores de corte axiales fijos como estándares de referencia independientes en la presente cohorte retrospectiva.
   3. Si la señal grasa es visible en un solo corte sagital, clasifique el hallazgo como indeterminado a menos que las imágenes axiales muestren acumulación correspondiente de grasa epidural y la extensión craneocaudal en el mismo plano permanezca ≥5 mm. Este criterio distingue la medición principal craneocaudal de la evaluación de apoyo de la continuidad mediolateral.
   4. Mida el diámetro anteroposterior del saco raquídeo en la imagen axial ponderada en T2 que muestre la compresión máxima en el nivel deslizado, midiendo la distancia desde el margen anterior hasta el posterior del saco dural. Mida el área de la sección transversal trazando el límite interno de la duramadre utilizando la herramienta de región de interés del PACS o la herramienta de selección poligonal de ImageJ, y registre el área en mm².
   5. Compare cualitativamente la extensión sagital y la gravedad axial con el marco de clasificación de Manjila. En este protocolo centrado en la ELD, utilice el sistema de clasificación de Manjila como referencia locorregional para documentación, y no como definición primaria del resultado, ya que el punto final del estudio es la presencia de lipomatosis epidural en el nivel deslizado dentro del modelo de predicción.
5. Aplique los cuatro criterios originales del nivel deslizado utilizados para la clasificación de la cohorte: (1) una señal hiperintensa en T1 en forma de banda o creciente en el espacio epidural posterior en el nivel deslizado; (2) intensidad de señal idéntica a la grasa subcutánea; (3) una extensión craneocaudal ≥5 mm en el mismo plano sagital; y (4) reproducibilidad en cortes sagitales adyacentes. Para la implementación clínica prospectiva, no dependa únicamente de los criterios sagitales. Confirme la acumulación correspondiente de grasa epidural y la deformidad del contorno del saco raquídeo en imágenes axiales, y documente si la distribución de grasa es dorsal, ventral o circunferencial.
   1. Registre los hallazgos cuantitativos axiales, incluyendo el diámetro anteroposterior y el área de la sección transversal del saco raquídeo, junto con la compatibilidad cualitativa con métodos de evaluación basados en el cociente grasa epidural-saco raquídeo y el sistema de clasificación locorregional de Manjila.
      NOTA: El estudio original no fue diseñado como un estudio de precisión diagnóstica utilizando un estándar de referencia por RM establecido, y las imágenes DICOM originales no fueron reanalizadas durante la revisión del manuscrito. Por lo tanto, la sensibilidad, especificidad y acuerdo entre métodos no fueron recalculadas. Estos descriptores axiales adicionales tienen como objetivo apoyar la implementación clínica prospectiva y no alteran el resultado original del estudio ni el modelo de predicción.
6. Que dos radiólogos especialistas en columna vertebral con experiencia avanzada (≥10 años de experiencia) interpreten de forma independiente todos los exámenes. Complete un formulario estandarizado de informe estructurado que documente la presencia o ausencia de cada criterio diagnóstico, el nivel vertebral deslizado, la extensión craneocaudal máxima (mm) y el diagnóstico final.
   1. Resuelva las discrepancias mediante consenso con un tercer radiólogo especialista en columna vertebral con experiencia avanzada (>15 años de experiencia) que esté cegado respecto a las evaluaciones iniciales. Calcule el acuerdo entre observadores utilizando el estadístico kappa de Cohen.
   2. Utilice un formulario de informe estructurado para documentar el nivel deslizado, la distribución de la grasa epidural (dorsal, ventral o circunferencial), la extensión craneocaudal máxima, la medición sagital en el mismo plano, la visibilidad en cortes adyacentes, la confirmación axial, el diámetro del saco raquídeo, el área de la sección transversal del saco raquídeo, el diagnóstico final y la confianza del lector. Antes de la interpretación formal de imágenes, calibre a todos los observadores utilizando 20 casos representativos de entrenamiento que incluyan exámenes negativos, límite y positivos.
      NOTA: Complete todas las interpretaciones de consenso antes de proceder al análisis estadístico.

4. Evaluación de la Degeneración del Disco Intervertebral

1. Revise las imágenes de resonancia magnética ponderadas en T2 en el segmento deslizado. Desplácese por todas las cortes sagitales y seleccione la imagen que proporcione la visualización más clara del núcleo pulposo.
   1. Clasifique la degeneración del disco intervertebral utilizando el sistema de clasificación de Pfirrmann¹⁸. Asigne el Grado I a los discos con señal hipersignal homogénea idéntica a la del LCR, altura del disco normal y una distinción clara entre núcleo y anillo.
   2. Asigne el Grado II a los discos con señal hipersignal heterogénea que contenga bandas horizontales de baja señal, altura del disco conservada y una distinción clara entre núcleo y anillo. Asigne el Grado III a los discos con señal gris intermedia, límite entre núcleo y anillo indefinido y altura del disco normal o ligeramente disminuida.
   3. Asigne el Grado IV a los discos con señal hipoinsignal heterogénea de color gris oscuro, pérdida completa de la distinción entre núcleo y anillo y disminución moderada a severa de la altura del disco. Asigne el Grado V a los discos con señal hipoinsignal heterogénea, espacio discal colapsado, pérdida completa de la distinción entre núcleo y anillo y estrechamiento marcado del espacio discal.
2. Que dos radiólogos certificados por el consejo con ≥5 años de experiencia en imágenes musculoesqueléticas asignen de forma independiente las clasificaciones de Pfirrmann. Registre la clasificación asignada para cada disco evaluado.
   1. Resuelva las discrepancias en la clasificación mediante la adjudicación de un tercer radiólogo certificado por el consejo. Calcule el acuerdo entre observadores utilizando el estadístico kappa ponderado de Cohen.
   2. Realice la clasificación de Pfirrmann a ciegas respecto a los síntomas clínicos, antecedentes de tratamiento, estado de lipomatosis epidural, variables del modelo de predicción y las evaluaciones mutuas durante la valoración independiente.
   3. Realice la clasificación de Pfirrmann utilizando los mismos monitores de calidad diagnóstica y condiciones estandarizadas de visualización descritas en el Paso 3.1.
      NOTA: Complete la clasificación por consenso antes de proceder a la evaluación de la infiltración grasa del músculo paravertebral.

5. Evaluación de la infiltración grasa del músculo paravertebral

1. Revisea las imágenes axiales ponderadas en T2 con eco de espín rápido en el punto medio del disco intervertebral deslizado. Identifique los músculos multifídulos bilateralmente como los músculos paravertebrales profundos inmediatamente laterales al proceso espinoso y a la lámina.
   1. Revise las imágenes sagitales para determinar el lado del deslizamiento vertebral predominante. Seleccione el músculo multifídulo del lado correspondiente para su evaluación.
   2. Utilice un enfoque de clasificación de Goutallier adaptado para columna, derivado de la clasificación original de degeneración grasa del músculo y de aplicaciones previas al multifídulo lumbar^19,20. Asigne el Grado 0 a los músculos que muestran una intensidad de señal homogéneamente baja, ausencia completa de estrías grasas y un volumen muscular bien conservado. Asigne el Grado 1 a los músculos que contienen estrías grasas lineales pequeñas de alta señal que ocupan <5% del área transversal.
   3. Asigne el Grado 2 a los músculos que muestran infiltración grasa claramente visible que afecta entre 5% y 50% del área transversal. Asigne el Grado 3 a los músculos que muestran infiltración grasa ≥50% con tejido muscular residual.
   4. Asigne el Grado 4 a los músculos en los que toda el área transversal ha sido reemplazada por grasa sin tejido muscular discernible. Dicotomice los resultados para el análisis estadístico en Grados 0-2 y Grados 3-4.
      ​NOTA: El multifídulo es el músculo paravertebral más grande y medial, y actúa como el estabilizador dinámico principal del segmento lumbar. La infiltración grasa severa (Grados 3-4) indica un reemplazo graso sustancial y se considera la categoría clínicamente severa para el modelado, ya que refleja un umbral en el que la grasa ocupa al menos aproximadamente la mitad del área transversal del músculo.
   5. Especifique que el sistema original de clasificación de Goutallier fue adaptado para la evaluación del multifídulo lumbar en resonancia magnética axial. Dicotomice los Grados 0–2 y Grados 3–4 para distinguir entre ausencia y grado moderado de infiltración grasa frente al reemplazo graso severo, reduciendo así la complejidad del modelo mientras se mantiene una relación adecuada de eventos por variable en el modelo de predicción. Considere los umbrales porcentuales utilizados en este protocolo como criterios operativos basados en imágenes y no como una reproducción literal de la clasificación original de Goutallier mediante tomografía computarizada del hombro.
   6. Determine el lado del deslizamiento vertebral predominante revisando las imágenes axiales y sagitales en busca de traslación vertebral asimétrica, desplazamiento rotacional o mayor estrechamiento del receso lateral. Si no hay predominancia lateral, evalúe el lado que muestre mayor infiltración grasa del multifídulo. Si ambos lados son simétricos, evalúe el músculo multifídulo derecho y documente esta decisión.
2. Exporte la imagen DICOM axial ponderada en T2 con eco de espín rápido desde el PACS. Abra la imagen en el software ImageJ (versión 1.53t).
   1. Seleccione la herramienta de selección poligonal y trace el límite fascial del músculo multifídulo objetivo. Identifique el límite fascial como la línea delgada oscura que rodea el músculo.
   2. Abra Imagen > Ajustar > Umbral. Establezca el umbral inferior en 120 unidades arbitrarias y el umbral superior en el valor máximo del píxel.
   3. Seleccione el color rojo para verificar la identificación de las regiones grasas. Haga clic en Aplicar para generar la máscara binaria.
   4. Utilice un valor umbral de 120 unidades arbitrarias como punto de partida específico del escáner y de la secuencia, y no como un umbral universal. Recalibre el umbral utilizando imágenes locales representativas siempre que la plataforma del escáner, la bobina de radiofrecuencia, la intensidad del campo magnético o los parámetros de adquisición de imágenes difieran de los empleados en el protocolo original.
   5. No interprete el valor umbral como validado histológicamente para todos los sistemas de imagen. Úselo como una ayuda reproducible para el procesamiento de imágenes y verifique visualmente cada máscara binaria frente a la imagen original ponderada en T2 antes de realizar mediciones cuantitativas.
3. Abra Analizar > Medir en ImageJ. Habilite Área, Fracción de Área, Limitar al Umbral y Mostrar Etiqueta antes de realizar la medición.
   1. Registre el valor %Área como el porcentaje cuantitativo de grasa intramuscular.
   2. Repita la medición tras un intervalo de al menos 24 h utilizando el mismo operador. Calcule el coeficiente de correlación intraclase (ICC) para evaluar la fiabilidad intraoperador.
      ​NOTA: Un ICC >0,90 indica una fiabilidad intraoperador excelente.
   3. Durante las mediciones repetidas, mantenga al operador ciego respecto a la medición inicial almacenando el valor original en un campo bloqueado de REDCap y volviendo a abrir la imagen DICOM como una nueva sesión de medición tras un intervalo de al menos 24 h.
4. Dos radiólogos certificados por la junta deben asignar independientemente las calificaciones de Goutallier y realizar las mediciones cuantitativas basadas en ImageJ. Proporcione formación estandarizada utilizando un conjunto de imágenes de referencia antes de las evaluaciones del estudio.
   1. Resuelva las discrepancias mediante consenso con un tercer radiólogo senior especializado en músculo-esquelético. Calcule el kappa de Cohen para la clasificación de Goutallier y el coeficiente de correlación intraclase para el porcentaje cuantitativo de grasa.
   2. Utilice un conjunto de entrenamiento de 20 casos antes de la evaluación del estudio, incluyendo cinco casos que representen cada uno infiltración grasa mínima, leve, moderada y severa. Realice una sesión de calibración para revisar las imágenes de referencia, la colocación de la región de interés, el ajuste del umbral y los procedimientos de resolución de discrepancias antes de comenzar la calificación independiente de imágenes.
      NOTA: Si el kappa de Cohen entre observadores es inferior a 0,70 o el coeficiente de correlación intraclase es inferior a 0,85, realice una sesión de recalibración antes de continuar con el análisis.

6. Desarrollo y aplicación del modelo de predicción de riesgo

1. Compile todas las variables del estudio en un conjunto de datos estructurado utilizando REDCap. Defina la variable resultado como binaria: 1 = lipomatosis epidural presente (se cumplen los cuatro criterios diagnósticos del paso 3.5) y 0 = lipomatosis epidural ausente.
   1. Codifique las variables predictoras de la siguiente manera: edad (años); sexo (0 = masculino, 1 = femenino); IMC (kg/m²)²); segmento deslizado (0 = L3/L4, 1 = L5); y grado de Goutallier (0 = grados 0-2; 1 = grados 3-4, que representan infiltración grasa severa). Para la presentación de resultados, expresar el efecto de la edad por cada aumento de 10 años y el efecto del IMC por cada aumento de 5 kg/m²² aumento. Utilice coeficientes en unidades originales en la ecuación de predicción al pie de cama que sean algebraicamente equivalentes a los coeficientes basados en incrementos reportados.
   2. Realice la limpieza de datos identificando valores faltantes, verificando valores atípicos y confirmando que todas las variables se encuentren dentro de los rangos esperados.
   3. Excluya pacientes con variables de resultado o predictoras requeridas faltantes tras verificar los registros originales. Revise las variables continuas mediante comprobaciones de rango y gráficos de dispersión, corrija los errores verificados de entrada de datos comparándolos con los registros originales, conserve los valores atípicos biológicamente plausibles y no realice imputación de variables requeridas para el modelo.
2. Abra SPSS versión 27.0 y establezca la semilla aleatoria en 42 para garantizar la reproducibilidad. Realice un cribado univariado utilizando la prueba t de Student tprueba t para variables continuas y prueba de chi-cuadrado para variables categóricas.
   1. Seleccionar variables con P < 0,05 para el análisis multivariable. Ajuste un modelo de regresión logística binaria multivariable utilizando eliminación progresiva hacia atrás basada en la minimización del Criterio de Información de Akaike (AIC).
   2. Evalúe la bondad de ajuste del modelo utilizando la prueba de Hosmer-Lemeshow. Calcule el factor de inflación de la varianza (VIF) para todos los predictores retenidos y confirme que todos los valores de VIF sean <5.
   3. Eleve los coeficientes de regresión a exponentes para obtener las odds ratios ajustadas (OR) con intervalos de confianza del 95 % (IC del 95 %). Genere un gráfico de bosque utilizando el paquete forestplot en R para visualizar las magnitudes del efectoFigura 1). Informar el efecto de la edad por cada aumento de 10 años y el efecto del IMC por cada aumento de 5 kg/m²² aumento.
   4. Utilice un análisis univariado seguido de una selección hacia atrás por pasos como estrategia exploratoria de construcción de modelos para este conjunto de datos de un solo centro. Interprete el modelo final como una herramienta generadora de hipótesis para la toma de decisiones clínicas, ya que la selección por pasos puede producir estimaciones de coeficientes inestables y un rendimiento del modelo excesivamente optimista. Confirme el rendimiento del modelo mediante una validación externa antes de su implementación clínica.
   5. Exporte el conjunto de datos de SPSS limpio como un archivo de valores separados por comas (.csv) sin etiquetas de variables, pero conservando la codificación. Genere el gráfico de bosque en R versión 4.3.1 utilizando el paquete forestplot. Confirme que la codificación de las variables en R coincida con el diccionario de codificación de SPSS antes de generar el gráfico.
3. Evalúe la capacidad de discriminación del modelo calculando el área bajo la curva de característica operativa del receptor (AUC) para la cohorte de modelado. Estime el error estándar utilizando la prueba de DeLong.
   1. Evalúe la calibración del modelo utilizando gráficos de calibración que comparen las probabilidades predichas y observadas en intervalos agrupados de riesgo predicho, tanto en las cohortes de modelado como de validación (Figura 2). Interprete con cautela la curva de calibración de la cohorte de validación, ya que hay menos observaciones disponibles en los extremos del riesgo predicho.
   2. Realice un análisis de curva de decisión utilizando el paquete rmda (versión 1.6) en R versión 4.3.1. Compare el modelo de predicción con las estrategias de tratar a todos y no tratar a nadie a lo largo de un rango de probabilidades umbralFigura 3).
   3. Valide el modelo final utilizando la cohorte de validación interna reservada (n = 106). Informe descriptivamente el AUC de validación, la gráfica de calibración y la curva de decisión. Interprete la concordancia entre las cohortes de modelado y validación como evidencia de consistencia interna, no como prueba de validez externa.
   4. Realice un análisis de características operativas del receptor, trazado de calibración y análisis de curva de decisión en R versión 4.3.1. Archive los scripts de R, las versiones de los paquetes, el conjunto de datos de entrada, el diccionario de codificación y las figuras de salida junto con el registro del análisis estadístico.
   5. No utilice umbrales fijos, como una diferencia de AUC ≤0,05 o una pendiente de calibración de 0,8 a 1,2, como criterios formales de validación. Informe estos valores de forma descriptiva como indicadores de la estabilidad interna del modelo y señale que se requiere una validación externa multicéntrica antes de su aplicación clínica amplia.
      NOTA: Realice una validación interna completa antes de aplicar el modelo a conjuntos de datos clínicos externos.
4. Recopile las cinco variables predictoras para un nuevo paciente con ELD: edad (años), sexo, IMC (kg/m²),²), segmento deslizado (L3/L4 o L5) y grado de Goutallier del músculo multifidus en el nivel deslizado.
   1. Calcule la probabilidad predicha utilizando la ecuación de regresión logística expresada en unidades clínicas crudas:
      
      Aquí, z = -5,521 + (0,0412 × edad) + (0,856 × sexo) + (0,1256 × IMC) + (1,326 × segmento deslizado) + (1,158 × Grado de Goutallier). Ingresar la edad en años; codificar el sexo como 0 = masculino y 1 = femenino; ingresar el IMC en kg/m²²; codificar el segmento deslizado como 0 = L3/L4 y 1 = L5; y codificar el grado de Goutallier como 0 = grados 0-2 y 1 = grados 3-4. Los coeficientes en unidades originales para la edad y el IMC son algebraicamente equivalentes a los coeficientes expresados por cada 10 años y por cada 5 kg/m²² aumentos, respectivamente.
   2. Interprete la probabilidad predicha descriptivamente de la siguiente manera: <20% indica una probabilidad estimada baja, 20%–50% indica una probabilidad estimada intermedia, y >El 50 % indica una alta probabilidad estimada de lipomatosis epidural. Utilice estas categorías para la comunicación del riesgo y la priorización del flujo de trabajo, más no para la selección del tratamiento.
      NOTA: Utilice el modelo de predicción únicamente como una herramienta de apoyo a la toma de decisiones clínicas. No sustituya el modelo por el juicio clínico o la interpretación radiológica. No aplique el modelo a poblaciones fuera de la cohorte de derivación, incluyendo pacientes con espondilolistesis ístmica, condiciones espinales posquirúrgicas o lipomatosis epidural inducida por esteroides, sin una validación adicional.
   3. Introduzca directamente los valores brutos de edad e IMC en la ecuación de predicción. La reescala algebraica de los coeficientes de edad e IMC únicamente modifica la presentación de la ecuación, sin alterar las probabilidades predichas, las razones de odds, las curvas de característica de operación del receptor, las gráficas de calibración ni los resultados del análisis de curvas de decisión.
   4. Reporte las razones de odds de manera consistente como sigue: edad por incremento de 10 años; IMC por incremento de 5 kg/m²² aumento; sexo, femenino frente a masculino; segmento deslizado, L5 frente a L3/L4; y grado de Goutallier, grados 3-4 frente a grados 0-2.
   5. Utilice las categorías de probabilidad baja, intermedia y alta como grupos pragmáticos de comunicación clínica derivados de la distribución de probabilidad predicha por el modelo y del análisis de la curva de decisión. No interprete estas categorías como umbrales de tratamiento validados, ya que se requiere una validación externa prospectiva para establecer umbrales de decisión óptimos.

Figura 1. Gráfico forestal de los predictores independientes de lipomatosis epidural en pacientes con espondilolistesis lumbar degenerativa. Gráfico forestal que muestra las razones de probabilidad ajustadas (OR) e intervalos de confianza del 95 % (IC) para los cinco predictores independientes identificados mediante regresión logística binaria multivariable. Los cuadrados rojos indican las OR ajustadas, las líneas horizontales azules representan los IC del 95 % correspondientes, y la línea vertical punteada indica el valor nulo (OR = 1). El efecto de la edad se informa por cada aumento de 10 años, y el efecto del índice de masa corporal (IMC) se informa por cada aumento de 5 kg/m². Haga clic aquí para ver una versión más grande de esta figura.

Figura 2. Curvas de calibración del modelo de predicción de regresión logística. (A) Curva de calibración para la cohorte de modelado (n = 248). (B) Curva de calibración para la cohorte de validación (n = 106). El eje x representa la probabilidad predicha de lipomatosis epidural, y el eje y representa la frecuencia observada. La línea diagonal negra continua indica la calibración ideal, las líneas de colores con símbolos representan el rendimiento aparente del modelo, y las regiones sombreadas indican los intervalos de confianza del 95% (I.C.). Haga clic aquí para ver una versión más grande de esta figura.

Figura 3. Curva de característica operativa del receptor y análisis de curva de decisión del modelo de predicción. (A) Curvas de característica operativa del receptor (ROC) para la cohorte de modelado (área bajo la curva [AUC] = 0.834) y la cohorte de validación (AUC = 0.815). La línea diagonal gris representa la línea de referencia para un clasificador no discriminatorio. (B) Análisis de curva de decisión que muestra el beneficio neto del modelo de predicción a través de las probabilidades umbral. La línea continua roja representa la cohorte de modelado, la línea discontinua azul representa la cohorte de validación, la línea de puntos y rayas negra representa la estrategia de tratar a todos y la línea punteada gris representa la estrategia de no tratar a ninguno. Haga clic aquí para ver una versión más grande de esta figura.

Resultados

El protocolo se aplicó a 354 pacientes consecutivos con ELD. La asignación aleatoria produjo una cohorte de modelado (n = 248) y una cohorte de validación (n = 106). La comparación de las características demográficas, clínicas, radiográficas y de resonancia magnética basales mostró diferencias estadísticamente no significativas entre las cohortes, lo que indica distribuciones de pacientes comparables para el desarrollo posterior del modelo y su validación interna (Tabla 1).

Dentro de la cohorte de modelado, a 87 pacientes se les clasificó como teniendo lipomatosis epidural y a 161 pacientes se les clasificó como no teniendo lipomatosis epidural según el protocolo estandarizado de resonancia magnética. El análisis univariado mostró diferencias entre los grupos en cuanto a edad (P = 0,014), IMC (P < 0,001), segmento deslizado (P = 0,010) y grado de Goutallier (P = 0,024). El sexo femenino se encontró en el umbral de significancia nominal (P = 0,050). No se observaron diferencias estadísticamente significativas para el grado de Pfirrmann ni para los parámetros restantes de la columna pélvica ni de las articulaciones facetarias (Tabla 2).

Variable	Grupo con lipomatosis (n = 87)	Grupo sin lipomatosis (n = 161)	t/χ2	Valor de P
Edad (años)	70,28 ± 10,84	66,57 ± 11,50	2,47	0,014
Sexo, n (%)			3,844	0,05
Masculino	26 (29,89)	70 (43,48)
Femenino	61 (70,11)	91 (56,52)
Índice de masa corporal (kg/m²)	26,84 ± 3,68	23,82 ± 3,12	6,815	<0,001
Segmento deslizado, n (%)			9,304	0,01
L3	6 (6,90)	25 (15,53)
L4	48 (55,17)	101 (62,73)
L5	33 (37,93)	35 (21,74)
Grado de Pfirrmann, n (%)			0,99	0,804
Grado II	5 (5,75)	13 (8,07)
Grado III	24 (27,59)	50 (31,06)
Grado IV	34 (39,08)	59 (36,65)
Grado V	24 (27,59)	39 (24,22)
Grado de Goutallier, n (%)			9,446	0,024
Grado 1	22 (25,29)	56 (34,78)
Grado 2	26 (29,89)	60 (37,27)
Grado 3	21 (24,14)	31 (19,25)
Grado 4	18 (20,69)	14 (8,70)
Ángulo de la articulación facetaria distal (°)	55,38 ± 6,52	55,20 ± 6,39	0,208	0,835
Effusión de la articulación facetaria distal (mm)	0,96 ± 0,22	0,93 ± 0,20	1,091	0,277
Altura del disco distal (mm)	9,08 ± 1,96	9,20 ± 1,90	0,469	0,64
Ángulo de la articulación facetaria proximal (°)	49,82 ± 6,17	50,02 ± 5,97	0,252	0,802
Effusión de la articulación facetaria proximal (mm)	0,85 ± 0,27	0,83 ± 0,25	0,584	0,56
Altura del disco proximal (mm)	8,02 ± 1,56	8,07 ± 1,50	0,247	0,805
Incidencia pélvica (PI, °)	52,46 ± 8,12	52,03 ± 7,86	0,404	0,687
Inclinación pélvica (PT, °)	24,58 ± 7,33	24,22 ± 7,10	0,375	0,708
Pendiente sacra (SS, °)	44,78 ± 6,91	44,98 ± 6,80	0,224	0,823
Cifosis torácica (TK, °)	21,08 ± 7,79	21,24 ± 7,62	0,158	0,875

Tabla 2:  Análisis univariado de factores asociados con la lipomatosis epidural en la cohorte de modelado. Las variables continuas se presentan como media ± desviación estándar (DE), y las variables categóricas como número (%). Se realizaron comparaciones entre el grupo con lipomatosis (n = 87) y el grupo sin lipomatosis (n = 161) para identificar variables candidatas para el análisis de regresión logística multivariable. Abreviaturas: BMI, índice de masa corporal; PI, incidencia pélvica; PT, inclinación pélvica; SS, pendiente sacra; TK, cifosis torácica.

La regresión logística binaria multivariable identificó cinco predictores independientes de lipomatosis epidural: edad (razón de momios [OR] = 1,510 por cada aumento de 10 años), sexo femenino (OR = 2,354), IMC (OR = 1,874 por cada aumento de 5 kg/m²), segmento deslizado en L5 (OR = 3,766) y grados de Goutallier 3-4 (OR = 3,184). Los coeficientes de regresión correspondientes, errores estándar, estadísticos de Wald, OR y IC del 95 % se resumen en Tabla 3. El tamaño relativo de los efectos y los IC para los predictores conservados se ilustran en el gráfico de bosque (Figura 1).

Variable	β	EE	Wald χ2	Valor p	OR	IC 95%
Edad	0.412	0.156	6.975	0.008	1.51	1.112-2.050
Sexo (femenino)	0.856	0.368	5.408	0.02	2.354	1.144-4.842
Índice de masa corporal	0.628	0.184	11.648	0.001	1.874	1.307-2.688
Segmento deslizado (L5)	1.326	0.342	15.034	<0.001	3.766	1.926-7.362
Grado de Goutallier (grados 3-4)	1.158	0.316	13.421	<0.001	3.184	1.714-5.915
Constante	-5.521	1.248	19.574	<0.001	0.004	—

Tabla 3:  Análisis de regresión logística binaria multivariable de los predictores independientes de lipomatosis epidural. Los resultados se presentan como el coeficiente de regresión (β), el error estándar (SE), el estadístico de Wald χ², la razón de momios (OR) y el intervalo de confianza del 95% (CI) correspondiente para los predictores independientes incluidos en el modelo final de regresión logística binaria multivariable. El coeficiente de edad indicado corresponde a un aumento de 10 años, y el coeficiente del índice de masa corporal (IMC) indicado corresponde a un aumento de 5 kg/m². Para la introducción directa de valores clínicos brutos en la ecuación de predicción, los coeficientes equivalentes son 0,0412 por año de edad y 0,1256 por kg/m² de IMC. Abreviaturas: β, coeficiente de regresión; SE, error estándar; OR, razón de momios; CI, intervalo de confianza.

Las gráficas de calibración mostraron una concordancia aproximada entre las probabilidades predichas y observadas en los grupos de modelado y validación, con mayor incertidumbre a mayores probabilidades predichas en el grupo de validación (Figura 2A,B).

La discriminación del modelo se evaluó mediante análisis de la característica operativa del receptor. El modelo predictivo alcanzó valores de AUC de 0,834 en la cohorte de modelado y de 0,815 en la cohorte de validación (Figura 3A). El análisis de la curva de decisión sugirió un beneficio neto potencial en rangos seleccionados de probabilidad umbral en comparación con las estrategias de tratar a todos y no tratar a nadie (Figura 3B). Dado que la cohorte de validación se reservó internamente a partir de una sola institución, estos hallazgos indican consistencia interna y no deben interpretarse como evidencia de una generalización externa amplia.

Los conjuntos de datos generados y analizados durante el presente estudio están disponibles previa solicitud razonable al autor correspondiente (R.T.). Debido a la privacidad de los pacientes y a las políticas institucionales de gestión de datos, no se pueden hacer públicamente disponibles los datos clínicos e imágenes a nivel individual. Los datos resumidos anonimizados, los coeficientes de regresión, la ecuación de predicción, un ejemplo de hoja de codificación y el código de análisis estadístico pueden compartirse con investigadores calificados, sujeto a la aprobación por parte del Comité de Revisión Institucional y del Comité de Ética del Centro Médico Unido de Tianjin y a la firma de un acuerdo de uso de datos.

Discusión

El presente protocolo integra la adquisición estandarizada de resonancia magnética (RM), la interpretación estructurada de imágenes y la modelización cuantitativa de riesgos en una herramienta coherente de apoyo a la toma de decisiones clínicas para identificar la lipomatosis epidural en pacientes con DLS. El flujo de trabajo consta de cuatro componentes secuenciales: caracterización sistemática del paciente, incluyendo variables demográficas y antropométricas; adquisición estandarizada de imágenes de RM ponderadas en T1 en plano sagital, optimizada para la visualización de grasa epidural; evaluación cualitativa estructurada del depósito de grasa epidural y de la infiltración grasa de los músculos paravertebrales mediante criterios diagnósticos predefinidos; y aplicación de una ecuación de predicción multivariable para generar estimaciones de probabilidad individualizadas. Los pasos fundamentales que respaldan la reproducibilidad del protocolo incluyen el uso de la secuencia ponderada en T1 en plano sagital como secuencia diagnóstica principal, el umbral de extensión craneocaudal ≥5 mm en el mismo plano para definir un depósito de grasa epidural en el nivel deslizado reproducible, la confirmación axial del compromiso de la bolsa dural, la clasificación sistemática adaptada a la columna de Goutallier para la infiltración grasa del músculo multífido y la integración de estos parámetros en una puntuación cuantitativa de riesgo.

El protocolo puede adaptarse a diversos entornos clínicos y plataformas de imagen. En sistemas de 3,0 T, pueden ser factibles cortes más delgados; sin embargo, el tiempo de eco debe ajustarse cuidadosamente para minimizar los artefactos de enmascaramiento T1, que pueden ser más pronunciados a mayores intensidades de campo. En sistemas de 1,5 T, los parámetros estándar de adquisición proporcionan una calidad diagnóstica adecuada; si el ruido de la imagen es excesivo, aumente el número de excitaciones de 2 a 3 o utilice factores de aceleración de imagen paralela que no excedan 2. Para patrones atípicos de distribución grasa, incluyendo distribución circunferencial en lugar de dorsal o depósitos irregulares en lugar de en banda, aplique el criterio de ≥5 mm al depósito continuo o semicontinuo más grande en el mismo plano sagital y confirme el hallazgo en imágenes axiales ponderadas en T2. Si persiste incertidumbre respecto a lipomatosis epidural patológica frente a grasa epidural fisiológica, compare el depósito graso con el diámetro anteroposterior y el área de la sección transversal del saco meníngeo en imágenes axiales. En este protocolo, las mediciones cuantitativas axiales se utilizan para apoyar la confirmación y documentación, más que como un estándar de referencia independiente para redefinir el resultado del modelo original. Para minimizar la variabilidad entre observadores en la clasificación de Goutallier, estandarice la colocación de la región de interés en la imagen axial correspondiente al punto medio del espacio discal intervertebral deslizado. Resuelva los desacuerdos entre dos observadores independientes mediante consenso con un tercer observador senior.

Se deben considerar varias limitaciones metodológicas. En primer lugar, el diagnóstico se basa en la evaluación visual cualitativa de las características de la señal de resonancia magnética y de la extensión cráneo-caudal, en lugar de en mediciones volumétricas cuantitativas. Aunque este enfoque es práctico y ampliamente aplicable, no captura el volumen tridimensional de la grasa epidural, el cual podría correlacionarse más directamente con la gravedad sintomática y la urgencia quirúrgica. Los métodos establecidos de clasificación por resonancia magnética, incluyendo los basados en la relación grasa epidural-saco tecales y el sistema de clasificación locorregional de Manjila, proporcionan información complementaria sobre el compromiso del canal axial, la extensión sagital y la distribución grasa dorsal, ventral o circunferencial^13,14. Estas características podrían ser particularmente relevantes en L5-S1, donde la geometría del canal espinal y la anatomía de los recesos laterales difieren de las de otros niveles lumbares. El presente protocolo documenta prospectivamente la compresión axial y la distribución grasa, pero no utiliza estos sistemas de clasificación como estándares de referencia independientes, ya que el estudio original no fue diseñado como un estudio de precisión diagnóstica con estándar de referencia. En consecuencia, no se recalculó la sensibilidad, especificidad ni el acuerdo entre métodos, evitando así la reclasificación a posteriori del resultado del estudio original. Las técnicas avanzadas de resonancia magnética cuantitativa, incluyendo la separación grasa-agua basada en Dixon y la segmentación volumétrica, podrían proporcionar una cuantificación más precisa de la grasa, pero requieren software especializado y tiempo adicional de adquisición. En segundo lugar, el sistema de clasificación de Goutallier sigue siendo semicuantitativo y está sujeto a variabilidad interobservador. Aunque el esquema de cinco grados ofrece una clasificación clínica práctica, no proporciona una medición continua de la infiltración grasa, la cual se ha asociado con la expresión de citoquinas inflamatorias en el músculo y en el tejido adiposo epidural²¹ y con propiedades mecánicas pasivas alteradas del músculo multifido^22,23. Este estudio utilizó una aplicación adaptada a la columna del concepto de Goutallier, y los grados 0-2 se agruparon por separado de los grados 3-4 para distinguir el reemplazo graso no severo del severo, manteniendo así la parsimonia del modelo. En tercer lugar, el modelo de predicción incluye únicamente variables clínicas y de imagen, y no incorpora marcadores bioquímicos, como perfiles lipídicos séricos, marcadores inflamatorios o adipocinas, los cuales podrían mejorar el rendimiento predictivo en casos con base metabólica. En cuarto lugar, el uso de un cribado univariado seguido de una regresión logística por pasos puede introducir sesgo en la selección de variables e inestabilidad en los coeficientes; por lo tanto, el modelo debe considerarse exploratorio y validado únicamente de forma interna. Finalmente, se requiere una validación externa en diversos entornos clínicos, plataformas de imagen y poblaciones de pacientes antes de una implementación clínica amplia. Dado que la validación se realizó utilizando una cohorte de una sola institución, estudios prospectivos futuros multicéntricos deberían confirmar el rendimiento del modelo y establecer umbrales de probabilidad clínicamente útiles.

El presente protocolo ofrece varias ventajas frente a la práctica clínica no estructurada. La práctica tradicional suele depender del reconocimiento incidental por parte del radiólogo de la lipomatosis epidural sin criterios diagnósticos estandarizados, lo que resulta en una detección inconsistente. En contraste, este protocolo proporciona criterios diagnósticos explícitos y un flujo de trabajo estructurado para la interpretación que puede aplicarse de forma consistente entre diferentes lectores e instituciones. En comparación con estrategias de evaluación multimodal más complejas que incorporan técnicas de imagen avanzadas o procedimientos diagnósticos invasivos, el presente enfoque es práctico desde el punto de vista operativo porque utiliza secuencias estándar de resonancia magnética lumbar y datos clínicos habitualmente disponibles. Su principal aporte consiste en la integración de la evaluación de Goutallier adaptada a la columna vertebral para valorar la infiltración grasa del músculo multifidus dentro de un marco de predicción de riesgo para la lipomatosis epidural asociada a la estenosis lumbar degenerativa (DLS). Para la evaluación de la degeneración del disco intervertebral, el sistema de clasificación de Pfirrmann sigue siendo una clasificación morfológica por resonancia magnética práctica y ampliamente aceptada¹⁸. La elastografía por resonancia magnética ha surgido como una técnica cuantitativa complementaria, ya que la rigidez del disco aumenta con la progresión de la degeneración y puede proporcionar información biomecánica objetiva más allá de los grados ordinales de Pfirrmann²⁴. El presente protocolo mantiene la clasificación de Pfirrmann porque es fácilmente aplicable en exámenes rutinarios de resonancia magnética lumbar, mientras que futuras versiones podrían incorporar la elastografía por resonancia magnética a medida que la tecnología se vuelva más ampliamente disponible.

Clínicamente, las estimaciones de probabilidad pueden ayudar a informar la conciencia sobre el riesgo, la revisión de imágenes, las discusiones sobre la planificación quirúrgica y la orientación al paciente. Trabajos previos han demostrado resultados comparables a dos años entre la lipomatosis epidural y la estenosis degenerativa tras la descompresión^25,26. Sin embargo, el presente protocolo no evalúa los resultados del tratamiento ni compara estrategias de descompresión, y no debe utilizarse para exigir una descompresión abierta, mínimamente invasiva o endoscópica. En cambio, el modelo tiene la finalidad de alertar a los clínicos sobre la posibilidad de una acumulación clínicamente relevante de grasa epidural y fomentar una revisión cuidadosa de la compresión axial, la distribución grasa dorsal o ventral y el compromiso de la vaina raquídea. La hipoplasia del cuerpo vertebral de L5 y la pseudolistesis L5-S1 son posibles simuladores de origen anatómico o del desarrollo, ya que un cuerpo vertebral de L5 relativamente pequeño en la dimensión anteroposterior y un tejido graso-fibroso posterior pueden simular un deslizamiento vertebral aparente. Para reducir esta fuente de clasificación errónea, el protocolo excluye la listesis espondilolítica no degenerativa y de origen del desarrollo, confirma la DSL mediante radiografías en posición de pie y la ausencia de defectos del istmo, y exige una correlación del nivel deslizado entre la resonancia magnética sagital y axial. Para la orientación al paciente, las estimaciones de probabilidad individualizadas pueden facilitar la discusión sobre los hallazgos de imágenes y las consideraciones intraoperatorias previstas. En el período posoperatorio, el protocolo puede ayudar a identificar a los pacientes que requieren un seguimiento más estrecho, aunque esta aplicación necesita una validación adicional. Más allá de la DSL, el marco puede adaptarse a otros trastornos espinales degenerativos en los que la acumulación de grasa epidural contribuye a los síntomas, incluyendo la estenosis espinal lumbar y la espondilosis lumbar sin listesis.

En conclusión, este protocolo proporciona un enfoque estructurado y clínicamente práctico para evaluar la lipomatosis epidural en pacientes con DLS. Al integrar la interpretación estandarizada de resonancias magnéticas, la evaluación sistemática de los músculos paravertebrales, la confirmación prospectiva en corte axial del compromiso del saco raquídeo y un modelado multivariable de riesgos, el protocolo permite una revisión de imágenes reproducible, la comunicación de riesgos, discusiones sobre planificación quirúrgica y la orientación al paciente utilizando resonancias magnéticas clínicas estándar, sin necesidad de equipos especializados. La definición original del resultado diagnóstico y el desempeño del modelo reportado se mantuvieron durante la revisión. El modelo debe interpretarse como una herramienta de apoyo a la toma de decisiones clínicas validada internamente, y no como un estándar diagnóstico de referencia ni como una regla para decisiones quirúrgicas. Estudios futuros deberían incluir comparaciones con estándares de referencia establecidos para resonancia magnética, validación externa multicéntrica, análisis automatizado de imágenes y técnicas avanzadas de resonancia magnética cuantitativa, como la imagen de Dixon y la elastografía por resonancia magnética.

Materiales

Lista de materiales utilizados en este artículo

Nombre	Empresa	Número de catálogo	Comentarios
Escáner de resonancia magnética de 1,5 Tesla	Equipo	Siemens Healthineers	Magnetom Aera
Bobina de superficie para columna vertebral de 16 canales	Equipo	Siemens Healthineers	Configuración estándar
Monitor diagnóstico compatible con DICOM Parte 14 (3 megapíxeles)	Equipo	Barco NV	Nio Color 3MP, MDNC-3421CN; calibración DICOM mediante Barco QAWeb Enterprise
Paquete forestplot para R	Software	Foundation for Statistical Computing R	Versión 3.1.3
ImageJ	Software	Institutos Nacionales de Salud	Versión 1.53t
Estación de trabajo PACS	Equipo	Dell Inc.	Estación de trabajo torre Precision 3660; sistema operativo Windows 10 de 64 bits
Sistema de Archivado y Comunicación de Imágenes (PACS)	Software	INFINITT Healthcare Co., Ltd.	INFINITT PACS 7.0
R	Software	Foundation for Statistical Computing R	Versión 4.3.1
REDCap	Software	Universidad de Vanderbilt	Versión 13.1
Paquete rmda para R	Software	Foundation for Statistical Computing R	Versión 1.6
SPSS Statistics	Software	IBM	Versión 27.0