CONCEPTOS ACTUALES SOBRE IMAGEN E INTELIGENCIA ARTIFICIAL DE LA OSTEOSARCOPENIA EN LA COLUMNA ENVEJECIDA: UNA REVISIÓN PARA CIRUJANOS DE COLUMNA DEL SRS TASK FORCE SENESCENCE

Diseño del estudio: Revisión narrativa.

Objetivo: Explorar la intersección entre osteoporosis, sarcopenia, radiómica y aprendizaje automático en cirugía de columna, con foco en aplicaciones clínicas y oportunidades para avanzar los métodos de evaluación y modelado predictivo.

Antecedentes: La osteoporosis y la sarcopenia son contribuyentes significativos a resultados negativos en la columna del adulto envejecido. Las metodologías actuales para evaluar estos estados de enfermedad siguen siendo limitadas, con variabilidad significativa y poca estandarización. Los avances en medicina computacional brindan una oportunidad novedosa para mejorar la evaluación cuantitativa de la osteosarcopenia, como se ha demostrado en otras áreas de la medicina. El uso de enfoques radiómicos para el modelado predictivo de resultados en cirugía de columna permanece en gran parte sin explotar.

Materiales y métodos: Se realizó una búsqueda de literatura amplia. Se identificaron artículos usando los términos de búsqueda “osteoporosis”, “sarcopenia”, “osteosarcopenia”, “radiómica”, “cirugía de columna” y “aprendizaje automático”. Se seleccionaron los estudios relevantes basándose en su enfoque en la intersección de estos temas, enfatizando las metodologías clínicas, de imagen y computacionales en cirugía de columna.

Resultados: Esta revisión destaca los métodos convencionales y de investigación existentes para evaluar tanto osteoporosis como sarcopenia, particularmente con respecto a su aplicación clínica en cirugía de columna. También se discuten áreas de investigación dentro del espacio radiómico para ambas condiciones para describir oportunidades de crecimiento de la investigación futura y áreas de enfoque necesarias para avanzar el campo de la cirugía de columna junto con el rápido crecimiento de la inteligencia artificial.

Conclusión: Comprender la relación entre osteoporosis, sarcopenia y fragilidad es esencial para mejorar los resultados en cirugía de columna. Los enfoques avanzados de imagen y aprendizaje automático ofrecen el potencial de evaluaciones más precisas e intervenciones adaptadas. El Task Force de Senescencia de la Scoliosis Research Society ha identificado esto como un área de máxima importancia para el crecimiento estratégico y desarrollo del campo.

La revisión muestra que las evaluaciones tradicionales de osteoporosis y sarcopenia, como densitometría, medición de masa muscular y pruebas funcionales, todavía dominan la práctica clínica, pero presentan limitaciones importantes en sensibilidad, reproducibilidad y estandarización.

En el espacio de la radiómica, se identifican estudios emergentes que emplean características de imagen de tejidos blandos, densidad ósea y texturas óseas para mejorar la predicción de fragilidad, riesgo de fractura y complicaciones quirúrgicas, aunque estos métodos aún no se han validado de forma extensiva en cohortes grandes ni en ensayos prospectivos.

Los autores destacan que los modelos basados en aprendizaje automático podrían proporcionar una predicción más individualizada del riesgo quirúrgico si se integran variables clínicas, imagenológicas y funcionales; sin embargo, la mayoría de los trabajos revisados carecen de seguimientos largos, con una heterogeneidad en protocolos de imagen y requisitos técnicos que dificultan la comparación.

Para cirujanos de columna, este artículo sugiere que incorporar métodos de imagen avanzada (radiómica) y aprendizaje automático puede permitir evaluaciones de osteosarcopenia más precisas, anticipando riesgos que no se detectan con las herramientas tradicionales. Esto podría conducir a intervenciones preoperatorias más tempranas para mejorar la densidad ósea y la masa muscular, a planes quirúrgicos adaptados a la fragilidad del paciente y a decisiones más informadas sobre la indicación operativa. Fomenta la estandarización de protocolos de imagen, la inclusión de métricas de sarcopenia y fragilidad en la evaluación rutinaria, y un mayor uso de modelos predictivos para personalizar el tratamiento.

Esta revisión ocupa un lugar esencial al poner en primer plano el concepto de osteosarcopenia como un factor clave en los pacientes mayores sometidos a cirugía de columna, un área que ha sido relativamente descuidada. Además, su valor reside en reunir tanto los avances tecnológicos (radiómica, aprendizaje automático) como los retos prácticos (variabilidad en la adquisición de imagen, falta de estandarización, limitaciones de cohortes retrospectivas).

Aunque el entusiasmo por las técnicas computacionales es alto, la evidencia aún es preliminar. Los próximos pasos deberían incluir protocolos estandarizados, validación externa de los modelos predictivos, y mediciones de impacto clínico concreto como si estas técnicas reducen complicaciones, mejoras funcionales y mortalidad.