El Análisis de Textura Óptica de la Capa de Fibras Nerviosas de la Retina (ROTA) es un nuevo parámetro de análisis de imágenes desarrollado. Recopila tanto el grosor como la reflectividad de la RNFL a partir de escaneos de OCT estándar para calcular una firma de textura óptica.
Para la detección de daño estructural en glaucoma, la medición del grosor de la RNFL mediante OCT y la fotografía sin rojo han sido métodos estándar 2)3). Sin embargo, la precisión de medición de la OCT tiene limitaciones y no puede distinguir completamente el glaucoma de los ojos normales 1). ROTA tiene el potencial de superar las limitaciones de estos métodos convencionales.
La ventaja de ROTA es que puede revelar el curso de los haces de fibras arqueadas, el haz papilomacular y los haces radiales nasales, así como un área amplia que incluye la textura óptica. Además, el algoritmo ROTA puede distinguir entre los vasos sanguíneos retinianos y la capa de fibras nerviosas de la retina (RNFL).
Dado que se puede analizar utilizando mediciones obtenidas de dispositivos OCT comerciales, se puede aplicar fácilmente a entornos clínicos existentes.
Q¿En qué se diferencia ROTA del análisis OCT convencional?
A
El análisis OCT convencional se centra en la medición cuantitativa del grosor de la RNFL, comparando los valores obtenidos de escaneos circunferenciales peripapilares con una base de datos normativa 2)3). ROTA integra la reflectividad (densidad óptica) además del grosor de la RNFL y lo calcula como una firma de textura óptica. Esto permite visualizar los patrones de curso de una amplia gama de haces de fibras axonales, incluidos los haces arqueados y el haz papilomacular, lo que permite la detección de defectos sutiles de la RNFL que son difíciles de detectar con métodos convencionales.
El análisis ROTA se realiza según los siguientes pasos.
Adquirir escaneos raster que cubran la cabeza del nervio óptico y la mácula con OCT
Segmentar los límites anterior y posterior de la RNFL
Calcular la firma de textura óptica (Sxy) a partir de las mediciones de reflectividad y grosor de la RNFL
Generar un mapa de análisis de textura, y un algoritmo de aprendizaje automático detecta anomalías en la RNFL
La firma de textura óptica se calcula utilizando mediciones de densidad óptica en posiciones retinianas (x, y) y profundidad (z). Se utilizan parámetros como la función de transformación gamma, la función de corrección gamma y una constante preestablecida proporcional al grosor del tejido de la RNFL.
Evaluación de amplio rango: Puede evaluar de manera integral el curso y la textura óptica de los haces arqueados, el haz papilomacular y los haces radiales nasales
Diferenciación de los vasos sanguíneos: Los vasos sanguíneos retinianos y los haces de fibras axonales tienen firmas ópticas de textura únicas, por lo que ROTA los distingue.
Corrección de la longitud axial: El algoritmo corrige la longitud axial, lo que reduce los falsos positivos en ojos miopes.
Viabilidad: Puede analizar datos de dispositivos OCT comerciales, sin necesidad de nuevos equipos.
Limitaciones de ROTA
Opacidades de medios: En ojos con opacidades de medios como cataratas, la calidad de la imagen se reduce.
Artefactos de movimiento: El movimiento ocular durante la adquisición de OCT afecta la precisión del análisis.
Interpretación subjetiva: La interpretación de los defectos de la CFNR implica elementos subjetivos, similar a la fotografía con filtro rojo libre.
Aún en implementación clínica: La implementación en software comercial aún no está generalizada.
Métodos estándar para la evaluación de la CFNR mediante OCT
Actualmente, la SD-OCT y la SS-OCT se utilizan ampliamente para la evaluación de la CFNR1)2)3). Se miden tres grupos de parámetros: grosor de la CFNR peripapilar, cabeza del nervio óptico y capas internas maculares2)3).
Los resultados de la OCT se clasifican en tres categorías: “dentro de los límites normales”, “límite” y “fuera de los límites normales”3). Sin embargo, un resultado fuera de los límites normales no indica necesariamente glaucoma; la interpretación en el contexto clínico es esencial2)3). Los artefactos y errores de segmentación son más comunes en ojos con miopía alta y discos ópticos inclinados2)3)5).
Dado que la concordancia entre la evaluación estructural y la prueba de campo visual es solo parcial, se debe evitar el diagnóstico de glaucoma basado únicamente en una sola prueba2)3)4)5).
Q¿Se usa ampliamente ROTA en la práctica clínica?
A
ROTA es actualmente una tecnología en fase de investigación y no se ha implementado ampliamente en el software comercial de OCT. Sin embargo, dado que el algoritmo de ROTA funciona con datos estándar de dispositivos OCT comerciales, técnicamente es factible introducirlo en entornos clínicos existentes. La comercialización futura del software y la acumulación de estudios de validación serán clave para su adopción clínica.
En el glaucoma, el daño a las células ganglionares de la retina provoca la pérdida de sus axones, la RNFL1). Aproximadamente el 50% de todas las células ganglionares de la retina se concentran en la región central de 20° de la mácula, y incluso en el glaucoma temprano, alrededor del 50% de las células ganglionares de la retina se pierden.
Las capas evaluadas para la evaluación de la RNFL incluyen la RNFL, la capa de células ganglionares (GCL) y la capa plexiforme interna (IPL), denominadas colectivamente complejo de células ganglionares (GCC) 6). Algunos dispositivos utilizan el complejo GCL+IPL (GCIPL) como parámetro diagnóstico.
Principios y limitaciones de la evaluación de la RNFL mediante OCT
Grosor de cpRNFL: El grosor de la RNFL se mide mediante un escaneo circular alrededor del disco óptico. Se muestra en un gráfico TSNIT, mostrando un patrón bimodal en las direcciones superior e inferior en ojos normales 1).
Mapa de grosor: El grosor de la RNFL alrededor del disco óptico se muestra como un mapa a partir de escaneos raster. Tiene la mayor sensibilidad para detectar adelgazamiento localizado de la RNFL.
Mapa de significancia: Las áreas anormales se codifican por colores mediante comparación con una base de datos normal. Se debe tener precaución con los falsos positivos (enfermedad roja).
BMO-MRW: Evaluación del ancho del borde basado en la apertura de la membrana de Bruch. Tiene excelente reproducibilidad.
Consideraciones de medición
Efecto suelo: En el glaucoma avanzado, las mediciones de OCT ya no cambian. Los parámetros maculares muestran un efecto suelo más tardío que el grosor de la RNFL3)6).
Cambios relacionados con la edad: El grosor de la RNFL disminuye aproximadamente 0.5 μm/año con la edad. La mayoría del software comercial no corrige la edad 2)3).
Compatibilidad entre dispositivos: Los valores de medición no son intercambiables entre diferentes dispositivos OCT1)2)3).
Efecto de la miopía: En la miopía alta, el grosor de la RNFL se subestima debido a efectos de magnificación, lo que lleva a falsos positivos 1).
ROTA puede complementar las limitaciones de estos métodos convencionales al integrar no solo el grosor de la RNFL sino también la información de reflectancia. En particular, la función de corrección de la longitud axial reduce los falsos positivos en ojos miopes, y la visualización de una amplia gama de trayectorias de haces de fibras se espera que proporcione un análisis menos afectado por el efecto suelo.
7. Investigación más reciente y perspectivas futuras
En un estudio de múltiples ojos, se compararon ROTA, OCT y fotografía sin rojo en 363 pacientes (531 ojos) con defectos de la capa de fibras nerviosas de la retina (RNFL) y 177 sujetos sanos (315 ojos). La sensibilidad de ROTA para la detección de glaucoma fue del 98.9% (IC 95%: 95.4–100.0%), superando significativamente el 79.3% de la fotografía sin rojo. La especificidad de ROTA fue del 94.3% (IC 95%: 91.3–97.2%), superior al 87.9% del grosor de la RNFL peripapilar y al 78.1% de la capa de células ganglionares y plexiforme interna (GC-IPL).
En el estudio de Su et al., se evaluaron 600 ojos de pacientes con hipertensión ocular. El examen clínico de la cabeza del nervio óptico y el análisis con OCT no mostraron defectos de la RNFL en ningún caso, pero el análisis con ROTA detectó defectos de la RNFL en el 10.8% de los ojos. La ubicación más frecuente de los defectos fue el haz de fibras arqueadas superiores. La edad avanzada y una desviación estándar del patrón alta se asociaron significativamente con defectos de la RNFL en ROTA.
Participación del haz papilomacular en el glaucoma temprano
En otro estudio de Leung et al., se examinaron 204 ojos con glaucoma temprano (MD ≥ −6 dB). Se encontraron defectos de la capa de fibras nerviosas de la retina (RNFL) que involucraban el haz papilomacular en el 71.6%, y aquellos que involucraban el haz papilofoveal en el 17.2%. Los defectos de la RNFL no se limitaron a la hemirretina, sino que también afectaron la fóvea y la mácula, y ROTA reveló este daño neural extenso.
Diagnóstico diferencial con neuropatía óptica no glaucomatosa
ROTA puede representar la pérdida de haces de fibras de la RNFL correspondientes a áreas de palidez del borde del disco óptico. Dado que la neuropatía óptica isquémica anterior no arterítica (NAION) y la neuritis óptica tienen patrones característicos de palidez del borde, se espera que ROTA ayude a diferenciarlas del glaucoma. Incluso en casos de drusas del disco óptico o edema de la RNFL, ROTA puede identificar defectos de la RNFL.
Validación externa del rendimiento diagnóstico de ROTA mediante estudios multicéntricos a gran escala
Implementación del algoritmo ROTA en software OCT comercial
Evaluación de la capacidad de detección de progresión del glaucoma mediante estudios longitudinales
Integración con diagnóstico automatizado basado en IA
Q¿Es efectiva ROTA en ojos miopes?
A
El algoritmo ROTA tiene una función para corregir la longitud axial, lo que reduce los falsos positivos en ojos miopes, un problema con el análisis OCT convencional. Las mediciones convencionales del grosor de la RNFL son propensas a falsos positivos debido a efectos de magnificación en miopía alta1), pero se ha informado que ROTA con corrección de la longitud axial reduce la detección de falsos positivos de defectos de la RNFL y anomalías de GC-IPL. Sin embargo, la presencia de opacidades de medios puede afectar la precisión debido a la reducción de la calidad de la imagen.
