22661 - IMPACTO DE LA EVALUACIÓN DE LOS ANTICUERPOS ONCONEURONALES Y DE SUPERFICIE EN LA ENCEFALITIS AUTOINMUNE: ALINEANDO LA SOSPECHA CLÍNICA CON EL RENDIMIENTO DIAGNÓSTICO
1Servicio de Neurología. Hospital Universitari de Girona Doctor Josep Trueta; 2Unidad de Neuroinmunología y Esclerosis Múltiple Territorial. Hospital Universitari de Girona Doctor Josep Trueta.
Objetivos: Los paneles de anticuerpos neuronales y gliales son fundamentales para el diagnóstico de encefalitis autoinmune (EA) y los síndromes neurológicos paraneoplásicos (SNP). Sin embargo, su creciente uso plantea dudas sobre la rentabilidad y la especificidad cuando la sospecha clínica es baja.
Material y métodos: Se revisa retrospectivamente 226 solicitudes de anticuerpos neuronales/gliales (marzo de 2022-marzo de 2024), clasificando los casos según la probabilidad clínica previa de EA/SNP (alta, intermedia o baja), utilizando criterios establecidos, con una categoría adicional de “razonamiento clínico flexible” reflejando la incertidumbre del mundo real. La regresión logística multivariable identificó predictores independientes de un diagnóstico final de EA/SNP y seropositividad. Modelos adicionales exploraron los factores que influyen en la decisión de presentar muestras pareadas de suero y LCR.
Resultados: Cohorte de edad media 63 años; 60% varones. En la evaluación preprueba, 24,3% cumplieron los criterios de EA/fenotipo de alto riesgo para SNP; el 29,2% se clasificaron como intermedios, lo que resultó en 53,5% solicitudes clínicamente justificadas. Rendimiento diagnóstico: 10 pacientes (4,4%) fueron seropositivos y 16 (7,1%) recibieron un diagnóstico final de EA/SNP. El análisis pareado de suero y LCR detectó 9/10 positivos. Como predictores independientes de EA/SNP: crisis epilépticas al inicio (OR: 4,44; IC95%: 1,18-17,26; p = 0,027) y presentación multisintomática (≥ 2 dominios neurológicos) (OR: 3,30; IC95%: 1,11-10,05; p = 0,032). Como predictor independiente de seropositividad observamos crisis epilépticas al inicio (OR: 7,09; IC95%: 1,33-41,49; p = 0,022).
Conclusión: La adopción de un algoritmo estructurado y guiado clínicamente podría optimizar la precisión diagnóstica, agilizando la obtención de diagnósticos precisos.



