گلوکوم یک نوروپاتی بینایی است که با از دست دادن پیشرونده سلولهای گانگلیونی شبکیه (RGC) و آکسونهای آن مشخص میشود. تکنیکهای تصویربرداری که تغییرات ساختاری در سر عصب بینایی (ONH)، RNFL اطراف پاپی و ماکولا را به صورت عینی ثبت و کمی میکنند، ابزارهای مهمی برای تکمیل معاینه بالینی و تست میدان بینایی هستند2)3).
تغییرات ساختاری اغلب قبل از تغییرات عملکردی (نقص میدان بینایی) رخ میدهند3). گزارش شده است که تشخیص تغییرات ساختاری با OCT حدود 2 سال قبل از بروز نقص میدان بینایی است1). سه نوع تکنیک تصویربرداری وجود دارد2):
افتالموسکوپ لیزری اسکن همکانون (CSLO): HRT
توموگرافی انسجام نوری (OCT): SD-OCT و SS-OCT
قطبسنج لیزری اسکن (SLP): GDx
مرور سیستماتیک این روشها نشان داده است که توانایی تمایز بین چشمهای گلوکوماتوز و نرمال مشابه است2). با این حال، نتیجه غیرطبیعی (خارج از محدوده نرمال) لزوماً به معنای بیماری نیست2)3). معیارهای پایگاه داده نرمال بین دستگاهها متفاوت است و ممکن است به دلایل غیر از گلوکوم نیز خارج از محدوده نرمال باشد.
Qآیا میتوان گلوکوم را تنها با تصویربرداری تشخیص داد؟
A
خیر. تصویربرداری یک ابزار کمکی برای تشخیص بالینی است و نباید به تنهایی برای تشخیص گلوکوم استفاده شود4)5). «خارج از محدوده نرمال» در OCT ممکن است مثبت کاذب باشد و باید با ادغام تمام اطلاعات از جمله یافتههای بالینی و تست میدان بینایی قضاوت شود. حساسیت و ویژگی برنامههای تشخیص خودکار حدود 80٪ گزارش شده است.
عکسبرداری استریو رنگی از فوندوس به عنوان روش ثبت کیفی ظاهر دیسک بینایی تثبیت شده است 2)3). روشنایی بدون عبور نور قرمز برای ارزیابی نقص لایه فیبرهای عصبی شبکیه (RNFL) مفید است. عکسهای متوالی میتوانند برای تشخیص تغییرات دیسک بینایی در طول زمان استفاده شوند 5).
با این حال، در حفرات پیشرفته گلوکوماتوز، بافت عصبی قابل ارزیابی تقریباً باقی نمیماند، بنابراین شناسایی تغییرات پیشرونده با عکسهای استریو دشوار میشود 2). اگر شکل دیسک کاسهای و عروق خونی کم باشد، توپوگرافی در عکس به سختی قابل تشخیص است و ترسیم با لامپ شکافی به عنوان ثبت اضافی لازم است.
HRT (Heidelberg Retina Tomograph، شرکت Heidelberg Engineering) دستگاهی است که با اسکن لیزر دیودی (670 نانومتر) توپوگرافی سهبعدی دیسک بینایی را اندازهگیری میکند 1). توپوگرافی سطح دیسک را کمی میکند و برای تشخیص تغییرات در طول زمان نیز استفاده میشود 4).
Moorfields Regression Analysis (MRA) یک قضاوت آماری از ناحیه لبه بر اساس مساحت دیسک انجام میدهد 1). Glaucoma Probability Score (GPS) نیازی به صفحه مرجع یا تعیین لبه دیسک توسط اپراتور ندارد و یک طبقهبندی خودکار مبتنی بر یادگیری ماشین است 1).
محدودیت HRT این است که تعریف لبه دیسک در سطح فوندوس بر اساس نقاط مرجع آناتومیک نیست. این مشکل با رویکرد OCT با استفاده از دهانه غشای بروخ (BMO) به عنوان نقطه مرجع حل شد 1). تولید HRT در دهه 2020 متوقف شد و OCT در عمل بالینی غالب شده است 1).
GDx (شرکت Carl Zeiss Meditec) دستگاهی است که با استفاده از خاصیت دوشکستی RNFL، تأخیر فاز را اندازهگیری میکند 1). میکروتوبولهای داخل آکسونی RNFL عامل اصلی دوشکستی هستند و با ضخامت RNFL همبستگی دارند 1). فناوری Enhanced Corneal Compensation (ECC) دوشکستی قرنیه را تصحیح میکند.
با این حال، نشان داده شده است که در تشخیص طولی گلوکوم از SD-OCT ضعیفتر است 1) و با گسترش OCT، استفاده از آن متوقف شد.
OCT (توموگرافی انسجام نوری)
اصل: تصویربرداری از ساختار مقطعی شبکیه با استفاده از تداخلسنجی با انسجام کم 4)5)
TD-OCT: OCT اولیه. روشی که با انباشتن اسکنهای A در یک جهت، تصویر مقطعی به دست میآورد، زمان معاینه طولانی و وضوح پایین دارد. امروزه به ندرت استفاده میشود.
SD-OCT: با تحلیل طیفی، سرعت و وضوح بالا را فراهم میکند. با بیش از ۲۶,۰۰۰ اسکن A در ثانیه، امکان تحلیل سریع دیسک بینایی، لایه فیبرهای عصبی شبکیه و ناحیه ماکولا را دارد. مدلهای مختلفی مانند Cirrus OCT و Spectralis OCT وجود دارد.
SS-OCT: از منبع نور با طول موج جاروبشونده استفاده میکند. عمق نفوذ بالایی دارد و برای تحلیل صفحه کریبریفرم و مشیمیه نیز کاربرد دارد. نمونههایی مانند DRI OCT Triton (تولید شرکت توپکن) وجود دارد.
پارامترهای اصلی تحلیل OCT
ضخامت RNFL: ضخامت لایه فیبرهای عصبی شبکیه را در یک دایره به قطر ۳.۴۶ میلیمتر اطراف دیسک بینایی اندازهگیری میکند 1). این پرکاربردترین پارامتر است.
BMO-MRW: حداقل عرض لبه عصبی از دهانه غشای بروخ را به صورت سهبعدی اندازهگیری میکند 1). از نقاط مرجع دقیق آناتومیک استفاده میکند و توانایی تشخیصی بهتری نسبت به اندازهگیری سنتی مساحت لبه نشان میدهد.
GCC/GC-IPL: ضخامت کمپلکس سلولهای گانگلیونی (GCC) یا لایه سلولهای گانگلیونی-شبکه داخلی (GC-IPL) در ناحیه ماکولا را اندازهگیری میکند 6). در مراحل پیشرفته، اثر کف (Floor effect) دیرتر از RNFL رخ میدهد 5).
نقاط انحراف: انحراف هر پارامتر از پایگاه داده نرمال را با رنگهای مختلف نمایش میدهد. توصیه میشود هم مقادیر کمی و هم نقشه انحراف ارزیابی شوند 5).
اهمیت کیفیت تصویر: تصویر پایه با کیفیت بالا ضروری است 4). خطاهای بخشبندی (جداسازی لایهها) و آرتیفکتها به ویژه در چشمهای با نزدیکبینی شدید و دیسک مایل شایع هستند 5).
عدم سازگاری بین مدلها: مقادیر اندازهگیری شده بین مدلهای مختلف OCT قابل مقایسه نیستند 4)5). برای پیگیری، استفاده از همان مدل ضروری است.
محدودیت پایگاه داده نرمال: ترکیب پایگاه داده بسته به مدل متفاوت است. باید ارزیابی شود که توزیع سن، نژاد و عیوب انکساری با بیمار مطابقت دارد یا خیر 1).
تفسیر در شرایط خاص
چشمهای نزدیکبین: ضخامت RNFL تحت تأثیر میزان نزدیکبینی قرار میگیرد 1). در نزدیکبینی، آتروفی اطراف دیسک و تغییر موقعیت BMO بر اندازهگیری OCT تأثیر میگذارد. تصحیح بر اساس طول محوری (مانند فرمول Littmann) توصیه میشود.
اندازه دیسک بینایی: در دیسکهای بزرگ، نسبت C/D ممکن است بزرگ باشد اما طبیعی باشد. BMO-MRW کمتر تحت تأثیر اندازه دیسک قرار میگیرد و در دیسکهای بزرگ و کوچک توانایی تشخیصی بهتری نسبت به روشهای سنتی نشان میدهد 1).
تفاوتهای نژادی: بسیاری از پایگاههای داده نرمال عمدتاً از یک نژاد خاص (عمدتاً سفیدپوستان) تشکیل شدهاند و در نژادهای مختلف ممکن است نتایج مثبت کاذب و منفی کاذب رخ دهد1)
پارامتر
محل اندازهگیری
مزایا
محدودیتها
ضخامت RNFL
اطراف دیسک بینایی
به طور گسترده تأیید شده
اثر کف زودرس
BMO-MRW
لبه دیسک بینایی
تأثیر کم اندازه دیسک
محدود به دستگاههای خاص
GCC/GC-IPL
ناحیه ماکولا
اثر کف دیررس
تحت تأثیر بیماریهای ماکولا
Qآیا مقادیر اندازهگیری شده بین مدلهای مختلف OCT قابل مقایسه هستند؟
A
خیر، قابل مقایسه نیستند. به دلیل تفاوت در مشخصات فنی، نرمافزار و ساختار پایگاه داده نرمال بین مدلهای مختلف OCT، نمیتوان مقادیر اندازهگیری شده را مستقیماً مقایسه کرد4)5). برای پیگیری، اندازهگیری با همان مدل و پروتکل ضروری است.
Qنتایج OCT در چشمهای نزدیکبین چگونه تفسیر میشود؟
A
در چشمهای نزدیکبین، ضخامت لایه فیبرهای عصبی شبکیه (RNFL) تحت تأثیر قرار میگیرد و باید احتیاط کرد1). آتروفی اطراف دیسک، دیسک مایل و جابجایی موقعیت BMO میتوانند باعث خطاهای قطعهبندی و آرتیفکت شوند. توصیه میشود از تصحیح طول محوری استفاده شود و قطعهبندی در تصاویر B-scan تأیید گردد.
تشخیص تغییرات ساختاری توسط OCT میتواند قبل از بروز نقص میدان بینایی رخ دهد3). مطالعات نشان دادهاند که OCT حدود 2 سال زودتر از نقص میدان بینایی تغییرات را تشخیص میدهد1). با این حال، تغییرات میدان بینایی بدون تغییر ساختاری و تغییرات ساختاری بدون پیشرفت میدان بینایی نیز وجود دارد و همبستگی بین آنها جزئی و متوسط است4).
ارزیابی ساختاری و عملکردی هر دو برای مدیریت بیمار ضروری هستند و باید به صورت مکمل استفاده شوند2)3).
بسیاری از دستگاههای OCT تجاری دارای نرمافزار تحلیل پیشرفت هستند که امکان کمیسازی سرعت پیشرفت را فراهم میکنند4)5). با این حال، به دلیل تأثیر تغییرات غیر مرتبط با گلوکوم (مانند افزایش سن) و پراکندگی اندازهگیری، تفسیر دقیق لازم است4). بسیاری از نرمافزارهای تجاری تصحیح سن را انجام نمیدهند، بنابراین شیب معنیدار آماری لزوماً به معنای پیشرفت گلوکومی نیست4).
در گلوکوم پیشرفته، ضخامت RNFL به «کف» میرسد و تغییرات بیشتر در ضخامت منعکس نمیشود5). پارامترهای ماکولا (GCC/GC-IPL) دیرتر از ضخامت RNFL دچار اثر کف میشوند، بنابراین برای ارزیابی مراحل پیشرفته مفید هستند1)5). تراکم عروق OCT-A نیز ممکن است دیرتر از RNFL دچار اثر کف شود1).
Green disease: وضعیتی که OCT در مقایسه با پایگاه داده نرمال «در محدوده نرمال (سبز)» نشان میدهد، اما در واقع تغییرات گلوکومی وجود دارد. این حالت بیشتر در موارد خارج از پوشش پایگاه داده نرمال (دیسک بزرگ، نزدیکبینی شدید، نژاد خاص و غیره) رخ میدهد1).
Red disease: وضعیتی که OCT «خارج از محدوده نرمال (قرمز)» نشان میدهد، اما در واقع گلوکوم وجود ندارد. علل آن شامل تفاوتهای فیزیولوژیک فردی و ویژگیهای غیرمعمول (دیسک کوچک، تفاوتهای نژادی خاص و غیره) است که در پایگاه داده نرمال گنجانده نشدهاند1).
این پدیدهها محدودیتهای قضاوت آماری OCT را نشان میدهند و ادغام با یافتههای بالینی و میدان بینایی ضروری است 4)5).
QGreen disease و Red disease چیست؟
A
این مفهوم محدودیتهای قضاوت کد رنگی بر اساس پایگاه داده نرمال OCT را نشان میدهد. Green disease به وضعیتی اطلاق میشود که OCT «نرمال (سبز)» را نشان میدهد اما در واقع گلوکوم وجود دارد، و Red disease به وضعیتی گفته میشود که OCT «غیرطبیعی (قرمز)» را نشان میدهد اما در واقع نرمال است 1). هر دو نشاندهنده نیاز به تفسیر نتایج OCT در ترکیب با یافتههای بالینی و آزمایش میدان بینایی هستند.
OCT-A تکنیکی است که بدون استفاده از ماده حاجب، عروق ریز شبکیه و سر عصب بینایی را تصویربرداری میکند 1). در چشمهای مبتلا به گلوکوم، کاهش تراکم عروق در ناحیه اطراف پاپیلاری و ماکولا گزارش شده است. تکرارپذیری خوب است 1)، اما نقش بالینی آن هنوز تثبیت نشده است 4).
افت عروق ریز مشیمیه (MvD) با نازکشدن پیشرونده RNFL در گلوکوم همراه با خونریزی پاپیلاری مرتبط است 1) و میتواند یک عامل پیشبینیکننده برای شروع گلوکوم با فشار طبیعی باشد 1). با این حال، تغییرات تراکم عروق مختص گلوکوم نیست و در فشار خون بالا، دیابت، بیماری آلزایمر و مولتیپل اسکلروزیس نیز گزارش شده است 1).
PS-OCT تکنیکی است که ویژگیهای دوشکستی RNFL را به صورت سهبعدی اندازهگیری میکند 1). آرایش میکروتوبولهای داخل آکسونی عامل اصلی دوشکستی است و تخریب میکروتوبولها یا از دست دادن جزئی آکسون ممکن است قبل از کاهش ضخامت RNFL به عنوان کاهش دوشکستی تشخیص داده شود 1).
این تکنیک میتواند به هر دو SD-OCT و SS-OCT اضافه شود و پارامترهای قطبش را به صورت سهبعدی به موازات دادههای بازتابی OCT معمولی به دست آورد 1). توانایی تشخیصی در گلوکوم اولیه معادل ضخامت RNFL است، اما برتری در مراحل بسیار اولیه در حال حاضر فقط در مطالعات حیوانی نشان داده شده است 1).
OCT نور مرئی (VL-OCT): به جای نور مادون قرمز نزدیک معمولی از نور مرئی استفاده میکند. میتواند تغییرات وابسته به طول موج در بازتابندگی RNFL را قبل از تغییرات ضخامت RNFL تشخیص دهد. با این حال، چالشهایی برای کاربرد بالینی مانند ناراحتی بیمار و تأثیر آب مروارید وجود دارد 1).
تحلیل بافت نوری RNFL (ROTA): روش جدیدی است که به جای ضخامت RNFL، الگوهای ریزساختاری RNFL را تحلیل میکند. به ویژه در تشخیص زودهنگام آسیب باند پاپیلوماکولار دقت بالایی نشان میدهد. دادههای بالینی واقعی در حال حاضر ناکافی است 1).
تصویربرداری از صفحه کریبریفرم: با استفاده از SS-OCT و EDI (تصویربرداری با عمق افزایش یافته)، ارزیابی مورفولوژی صفحه کریبریفرم (عمق، انحنا، ضخامت، نقص) امکانپذیر شده است. انحنای خلفی صفحه کریبریفرم با سرعت بدتر شدن میدان بینایی مرتبط است 1). نقص صفحه کریبریفرم در گلوکوم با فشار طبیعی شایعتر است 1).
اپتیک تطبیقی (AO): فناوری است که با تصحیح انحرافات نوری، امکان مشاهده با وضوح بالای سلولهای گانگلیونی شبکیه (RGC) و منافذ صفحه کریبریفرم را در داخل بدن فراهم میکند 1). انتظار میرود که در تشخیص زودهنگام گلوکوم کاربرد داشته باشد.
یادگیری عمیق (CNN) دقت بالایی در تشخیص گلوکوم از تصاویر فوندوس و OCT نشان میدهد 1). مدلهای پیشبینی پیشرفت که چندین روش داده (میدان بینایی، اسکن حجمی OCT، OCT-A) را ادغام میکنند، در حال توسعه هستند 1).
هوش مصنوعی همچنین به بهبود دقت بخشبندی کمک میکند و انتظار میرود تکرارپذیری اندازهگیریها را افزایش دهد. با این حال، چالشهایی در زمینه حریم خصوصی دادهها، استانداردسازی و اعتبارسنجی الگوریتمها باقی مانده است 1). به عنوان راهکاری برای مشکل جعبه سیاه، توسعه مدلهای هوش مصنوعی قابل توضیح ضروری است.
