📄 medicine

Quantitative Radiographic Assessment of Medial Tibial Rim Osteophyte Morphology in Knee Osteoarthritis: Association with Kellgren-Lawrence Grade

Este estudio retrospectivo demuestra que las métricas de curvatura del reborde tibial medial derivadas de ImageJ/Fiji son factibles de extraer y están significativamente asociadas con los grados de Kellgren-Lawrence en una cohorte curada, aunque actualmente sirven como descriptores coadyuvantes que requieren una validación adicional antes de su implementación clínica.

Autores originales: Xiaolu Ren, Muhammad Nur Salihin Yusoff, Nur Hartini Mohd Taib, Fattah Rahiman Ghazali, Ting Li, Si Ma

Publicado 2026-08-07

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Xiaolu Ren, Muhammad Nur Salihin Yusoff, Nur Hartini Mohd Taib, Fattah Rahiman Ghazali, Ting Li, Si Ma

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que tu cuerpo es una ciudad bulliciosa y tus articulaciones son las concurridas intersecciones donde se encuentran las carreteras. Con el tiempo, especialmente a medida que envejecemos, estas intersecciones pueden desgastarse un poco. El cartílago suave que normalmente actúa como un amortiguador entre los huesos puede volverse delgado, lo que conduce a una condición llamada osteoartritis. Es como si el asfalto se agrietara y las señales de tráfico se volvieran borrosas. Para determinar qué tan grave es el daño, los médicos suelen realizar radiografías, que son como instantáneas en blanco y negro de los huesos. Utilizan un sistema de puntuación especial llamado grado de Kellgren-Lawrence (KL), que es básicamente un boletín de calificaciones de 0 (perfectamente liso) a 4 (muy rugoso y dañado).

Pero aquí está la parte difícil: mirar estas radiografías es un poco como intentar juzgar la calidad de un pastel solo mirando una foto. Los médicos tienen que adivinar qué tan "rugoso" es el borde, y a veces, diferentes médicos pueden dar al mismo pastel una puntuación ligeramente distinta. Saben que el pastel se está volviendo más rugoso, pero no siempre pueden medir exactamente qué tan rugoso es o si los bultos están cambiando de forma de maneras interesantes. Los científicos siempre están buscando mejores formas de medir estos bultos —llamados osteofitos— para poder entender mejor la enfermedad y, tal vez, rastrearla con mayor precisión. Quieren convertir un "parece bastante rugoso" en un número preciso, como medir la altura exacta de una ola en lugar de solo decir "es una ola grande".

Esto es exactamente lo que un equipo de investigadores se propuso hacer en un nuevo estudio. Querían ver si podían usar un programa informático para medir los bordes diminutos y dentados del hueso de la rodilla con extrema precisión, en lugar de simplemente dar un grado general. Piensa en esto como pasar de una regla a un escáner láser. Se centraron en el borde interno de la espinilla (el reborde tibial medial) en la rodilla. En lugar de preguntar, "¿Hay un bulto?", preguntaron: "¿Qué tan curvado es este bulto? ¿Es un pico agudo y repentino, o una colina larga y suave? ¿Y cuánto cambia la forma a lo largo del borde?".

Para hacer esto, tomaron 100 radiografías de rodilla de una base de datos hospitalaria. Estas no eran rodillas al azar; los investigadores seleccionaron cuidadosamente 20 rodillas para cada uno de los cinco grados de KL (0 al 4) para asegurarse de tener una mezcla perfecta de rodillas sanas, ligeramente dañadas y muy dañadas. Utilizaron una herramienta de software gratuita y de código abierto llamada ImageJ/Fiji, que es como una navaja suiza digital para imágenes. Un operador humano trazó el contorno del borde del hueso en la pantalla, y luego la computadora calculó dos cosas principales: la "agudeza promedio" de la curva (curvatura media) y cuánto se ondula o varía la curva (varianza de la curvatura). También midieron la longitud de la línea que trazaron, solo para asegurarse de que estaban comparando manzanas con manzanas.

Los resultados fueron bastante interesantes. La computadora pudo medir con éxito la forma del borde del hueso en cada una de las rodillas. Los investigadores descubrieron que estos nuevos números de "curvatura" estaban, de hecho, vinculados a los grados de KL. Específicamente, la forma del borde del hueso cambiaba a medida que la enfermedad empeoraba. La diferencia más clara fue entre las rodillas sanas (Grado 0) y cualquier rodilla con osteoartritis (Grados 1 al 4). Las rodillas sanas tenían un borde más liso y menos curvado, mientras que las rodillas artríticas tenían bultos más afilados y variados.

Sin embargo, la historia tiene matices. Aunque la computadora podía distinguir fácilmente una rodilla sana de una con artritis, tuvo dificultades para diferenciar entre una rodilla "levemente" artrítica (Grado 1) y una rodilla "severamente" artrítica (Grado 4). Los números subían y bajaban un poco, pero no crearon una escalera perfecta donde el Grado 1 sea claramente inferior al Grado 2, que es inferior al Grado 3, y así sucesivamente. Es como si la herramienta fuera excelente para decirte si una carretera está pavimentada o llena de baches, pero no está lista para decirte si los baches son pequeños, medianos o grandes.

Los investigadores también comprobaron si su método era fiable. Una persona trazó el mismo conjunto de rodillas dos veces, con dos semanas de diferencia, sin saber lo que había hecho antes. Los resultados fueron muy consistentes, lo que sugiere que, si se utiliza este método con cuidado, se obtiene la misma respuesta siempre. Pero fueron muy cuidadosos al decir que esto fue solo una persona la que realizó el trazado; aún no han probado si dos personas diferentes obtendrían el mismo resultado.

Al final, el estudio sugiere que medir la forma exacta y la "ondulación" del borde del hueso es una forma viable y prometedora de añadir más detalle a nuestra comprensión de la osteoartritis de rodilla. Ofrece una nueva forma objetiva de describir la geometría del hueso que va más allá del sistema estándar de "Grado 0 a 4". Sin embargo, los autores son cuidadosos al no llamar a esto una solución mágica. Enfatizan que esta herramienta es mejor utilizada como un ayudante del sistema de clasificación existente, no como un reemplazo. Puede detectar claramente la diferencia entre una rodilla sana y una dañada, pero aún no puede clasificar perfectamente los diferentes estadios de daño entre casos leves y severos. Antes de que los médicos puedan usar esto en el mundo real, se necesitan más pruebas para ver si diferentes personas pueden obtener los mismos resultados y si este método puede predecir cómo cambiará la rodilla de un paciente con el tiempo. Por ahora, es una lente fascinante que nos ayuda a ver la geometría oculta de nuestras articulaciones, convirtiendo las simples radiografías en un mapa de curvas diminutas y medibles.

Resumen Técnico: Evaluación Radiográfica Cuantitativa de la Morfología de los Osteofitos del Borde Tibial Medial

Planteamiento del Problema
La osteoartritis de rodilla (OAR) es una de las principales causas de discapacidad musculoesquelética, siendo la radiografía convencional la modalidad de imagen primaria para la evaluación estructural. La gravedad de la enfermedad se resume habitualmente mediante el sistema de clasificación de Kellgren–Lawrence (KL), una escala ordinal semicuantitativa. Sin embargo, la clasificación KL presenta limitaciones reconocidas, incluyendo una granularidad limitada para caracterizar la heterogeneidad estructural, una sensibilidad moderada al cambio longitudinal y variabilidad dependiente del lector. Si bien la investigación radiográfica cuantitativa se ha centrado intensamente en el estrechamiento del espacio articular, la caracterización cuantitativa de la morfología de los osteofitos sigue estando poco explorada. Los sistemas existentes suelen basarse en el tamaño o en puntuaciones ordinales, fallando al capturar las variaciones geométricas direccionales y localizadas de los osteofitos. Este estudio aborda la brecha en la cuantificación de la geometría del contorno de los osteofitos focales mediante descriptores basados en la curvatura derivados de radiografías de carga rutinarias.

Metodología
Este estudio de métodos de imagen retrospectivo y de un solo centro utilizó una cohorte curada y estratificada por grado de 100 radiografías de rodilla en carga posteroanterior (PA) (20 rodillas por cada grado KL, del 0 al 4). La cohorte se construyó para apoyar una evaluación equilibrada de las características, en lugar de reflejar la prevalencia clínica natural.

Curación de Datos y Estándar de Referencia: Las radiografías fueron cribadas de archivos institográficos (enero de 2023–diciembre de 2024). Se aplicó un protocolo de consenso estricto: tres radiólogos sénior calificaron cada imagen de forma independiente. Solo los casos en los que los tres lectores asignaron el mismo grado KL fueron retenidos como "elegibles para consenso". Las discrepancias llevaron a la exclusión para minimizar el ruido de la etiqueta de referencia.
Procesamiento de Imágenes y Contorneado: Utilizando ImageJ/Fiji, se definió una ventana anatómica preespecificada (el tercio medial del borde de la meseta tibial). Se identificó un "ancla de ápice" (el punto convexo más prominente). Un analista capacitado trazó manualmente el margen cortical externo dentro de esta ventana utilizando una herramienta de Línea Libre (Freehand Line), con cegamiento respecto a las etiquetas KL.
Extracción de la Curvatura: Los contornos trazados fueron suavizados mediante splines para reducir el ruido de digitalización. Los descriptores de la métrica de curvatura se computaron punto por punto utilizando el plugin Kappa Curvature Analysis. Los descriptores primarios fueron:
- Curvatura Media ( $\kappa_{mean}$ ): Representa la nitidez general del contorno (mm⁻¹).
- Varianza de la Curvatura [Var( $\kappa$ )]: Representa la irregularidad local (mm⁻²).
- Longitud de Contorno Analizable Realizada ( $L_{segment}$ ): Incluida como una covariable de control de calidad para dar cuenta de las variaciones en la extensión del contorno trazable debido a la anatomía o visibilidad, en lugar de ser una medida directa del tamaño del osteofito.
Análisis Estadístico: Las asociaciones entre el grado KL y las métricas de curvatura se evaluaron mediante el Análisis de Covarianza (ANCOVA), utilizando $L_{segment}$ como covariable. La repetibilidad intraobservador se evaluó mediante Coeficientes de Correlación Intraclase (ICC) en un subconjunto estratificado de 25 radiografías.

Resultados Clave

Factibilidad y Repetibilidad: Las métricas de curvatura se extrajeron con éxito en las 100 rodillas. La repetibilidad intraobservador fue buena para todas las métricas: $\kappa_{mean}$ (ICC = 0.81), Var( $\kappa$ ) (ICC = 0.76) y $L_{segment}$ (ICC = 0.88).
Longitud del Contorno ( $L_{segment}$ ): $L_{segment}$ varió significativamente entre los grados KL ( $P < 0.001$ ), aumentando con la severidad, lo que respalda su función como covariable que refleja la extensión trazable en lugar de un endpoint morfológico primario.
Asociaciones de Curvatura: Tras ajustar por $L_{segment}$ $L_{se g m e n t}$ , el grado KL mantuvo una asociación significativa con ambas métricas de curvatura:
- $\kappa_{mean}$ : Mostró una asociación significativa ( $P < 0.001$ ). Los valores ajustados aumentaron desde el grado KL 0 hasta el grado 2, y luego disminuyeron modestamente en los grados 3 y 4.
- Var( $\kappa$ ): Mostró una asociación significativa ( $P = 0.018$ ). Los valores ajustados aumentaron generalmente en los grados KL más altos, con la media más alta en el grado 4.
Poder Discriminatorio: La discriminación por pares fue más fuerte entre el grado KL 0 y todos los grados superiores (1–4). La separación entre los grados KL 1 al 4 fue limitada y a menudo no fue estadísticamente significativa tras las correcciones por comparaciones múltiples.
Tendencias Monotónicas: La correlación de Spearman indicó asociaciones positivas débiles entre el grado KL y tanto $\kappa_{mean}$ ( $\rho = 0.28$ ) como Var( $\kappa$ ) ( $\rho = 0.38$ ).

Significancia y Reivindicaciones
El artículo afirma que los descriptores derivados de la curvatura son factibles de extraer de radiografías de rutina utilizando un flujo de trabajo accesible de código abierto en ImageJ/Fiji y están asociados con los grados KL definidos por consenso tras contabilizar la longitud del contorno analizable.

Los autores posicionan estas métricas como descriptores de contorno localizados adjuntos en lugar de reemplazos para los sistemas de clasificación establecidos. El estudio demuestra que el análisis cuantitativo puede capturar variaciones geométricas localizadas (nitidez e irregularidad) que difieren de la clasificación ordinal global. Sin embargo, los autores declaran explícicamente que estas métricas no deben interpretarse como biomarcadores de diagnóstico, pronóstico o de gradación KL validados en esta etapa. Los hallazgos están limitados a una cohorte metodológica curada y confirmada por consenso, y no representan el rendimiento en poblaciones clínicas no seleccionadas.

Limitaciones y Direcciones Futuras
El estudio reconoce varias limitaciones:

Sesgo de la Cohorte: El diseño equilibrado y basado únicamente en consenso puede sobrerepresentar casos prototípicos y subrepresentar grados limítrofes o ambiguos.
Dependencia del Operador: El trazado del contorno fue manual; aunque la repetibilidad intraobservador fue buena, no se evaluó la reproducibilidad interobservador.
Dimensionalidad: Las mediciones son proyecciones 2D derivadas de metadatos DICOM, no dimensiones anatómicas 3D absolutas.
Diseño Transversal: No se evaluaron la capacidad de respuesta longitudinal ni el valor pronóstico.

Los autores concluyen que el trabajo futuro debe priorizar las pruebas de reproducibilidad interobservador, la evaluación en casos de discordancia entre lectores, la validación multicéntrica y la evaluación longitudinal antes de que estas métricas puedan ser implementadas en entornos clínicos o de investigación.

Más como este