Analisis Tekstur Optik Lapisan Serabut Saraf Retina (ROTA) adalah parameter analisis citra baru yang dikembangkan. Ia mengumpulkan ketebalan dan reflektivitas RNFL dari pemindaian OCT standar untuk menghitung tanda tangan tekstur optik.
Untuk deteksi kerusakan struktural pada glaukoma, pengukuran ketebalan RNFL dengan OCT dan fotografi red-free telah digunakan secara standar2)3). Namun, akurasi pengukuran OCT terbatas dan tidak dapat sepenuhnya membedakan glaukoma dari normal1). ROTA berpotensi mengatasi keterbatasan metode konvensional ini.
Keuntungan ROTA adalah dapat mengungkapkan jalur berkas serat arkuata, berkas serat papilomakular, dan berkas serat radial nasal beserta tekstur optik di area yang luas. Selain itu, algoritma ROTA dapat membedakan pembuluh darah retina dan RNFL.
Karena dapat dianalisis dengan pengukuran yang diperoleh dari perangkat OCT yang tersedia secara komersial, maka dapat dengan mudah diterapkan di praktik klinis yang ada.
QApa perbedaan ROTA dengan analisis OCT konvensional?
A
Analisis OCT konvensional berfokus pada pengukuran kuantitatif ketebalan RNFL, membandingkan nilai yang diperoleh dari pemindaian sirkumferensial peripapiler dengan database normal 2)3). ROTA mengintegrasikan reflektivitas (densitas optik) selain ketebalan RNFL dan menghitungnya sebagai tanda tangan tekstur optik. Hal ini memungkinkan visualisasi pola jalur berkas akson luas termasuk berkas serat arkuata dan berkas serat papilomakular, sehingga memungkinkan deteksi defek RNFL halus yang sulit dideteksi dengan metode konvensional.
Analisis ROTA dilakukan dengan langkah-langkah berikut.
Memperoleh pemindaian raster yang mencakup peripapiler dan makula dengan OCT
Segmentasi batas anterior dan posterior RNFL
Menghitung tanda tangan tekstur optik (Sxy) dari pengukuran reflektivitas dan ketebalan RNFL
Menghasilkan peta analisis tekstur, dan algoritma pembelajaran mesin mendeteksi abnormalitas RNFL
Tanda tangan tekstur optik dihitung menggunakan pengukuran densitas optik pada posisi retina (x, y) dan kedalaman (z). Parameter seperti fungsi transformasi gamma, fungsi koreksi gamma, dan konstanta preset yang sebanding dengan ketebalan jaringan RNFL digunakan.
Evaluasi luas: Dapat mengevaluasi secara komprehensif jalur berkas serat arkuata, berkas serat papilomakular, dan berkas serat radial nasal beserta tekstur optik.
Perbedaan antara pembuluh darah dan serabut saraf: Pembuluh darah retina dan berkas akson memiliki tanda tekstur optik yang unik, sehingga ROTA dapat membedakan keduanya.
Koreksi panjang aksial: Algoritme mengoreksi panjang aksial mata, sehingga mengurangi positif palsu pada mata miopia.
Kelayakan: Data dari perangkat OCT komersial dapat dianalisis, tidak perlu memperkenalkan perangkat baru.
Keterbatasan ROTA
Kekeruhan media optik: Pada mata dengan kekeruhan media optik seperti katarak, kualitas gambar menurun.
Artefak gerakan: Gerakan selama pemindaian OCT mempengaruhi akurasi analisis.
Interpretasi subjektif: Interpretasi defek RNFL mengandung unsur subjektif, sama seperti fotografi red-free.
Dalam tahap implementasi klinis: Implementasi pada perangkat lunak komersial belum meluas.
Saat ini, SD-OCT dan SS-OCT banyak digunakan untuk penilaian RNFL1)2)3). Tiga kelompok parameter diukur: ketebalan RNFL peripapiler, kepala saraf optik, dan lapisan dalam makula2)3).
Hasil OCT diklasifikasikan menjadi tiga kategori: “dalam batas normal”, “batas”, dan “di luar batas normal”3). Namun, hasil di luar batas normal tidak selalu berarti glaukoma; interpretasi dalam konteks klinis sangat penting2)3). Pada mata miopia tinggi atau dengan diskus optik miring, artefak dan kesalahan segmentasi sering terjadi2)3)5).
Karena kesesuaian antara evaluasi struktural dan tes lapangan pandang hanya parsial, diagnosis glaukoma tidak boleh didasarkan pada satu tes saja2)3)4)5).
QApakah ROTA banyak digunakan dalam praktik klinis?
A
ROTA saat ini merupakan teknologi dalam tahap penelitian dan belum diimplementasikan secara luas dalam perangkat lunak OCT komersial. Namun, algoritme ROTA bekerja pada data standar yang diperoleh dari perangkat OCT komersial, sehingga secara teknis dapat diperkenalkan ke lingkungan klinis yang ada. Komersialisasi perangkat lunak dan akumulasi studi validasi akan menjadi kunci penyebaran klinis di masa depan.
6. Patofisiologi dan mekanisme terjadinya secara rinci
Pada glaukoma, terjadi kehilangan RNFL (lapisan serabut saraf retina) seiring dengan kerusakan sel ganglion retina1). Sekitar 50% dari seluruh sel ganglion retina terkonsentrasi di area 20° sentral makula, dan bahkan pada glaukoma awal, sekitar 50% sel ganglion retina telah hilang.
Lapisan yang dievaluasi untuk RNFL meliputi tiga lapisan: RNFL, lapisan sel ganglion (GCL), dan lapisan pleksiform dalam (IPL), yang bersama-sama disebut kompleks sel ganglion (GCC) 6). Beberapa perangkat menggunakan gabungan GCL+IPL (GCIPL) sebagai parameter diagnostik.
Ketebalan RNFL peripapiler (cpRNFL): Mengukur ketebalan RNFL dengan pemindaian sirkumferensial di sekitar diskus optikus. Ditampilkan dalam grafik TSNIT, dan pada mata normal menunjukkan pola bimodal di arah superior dan inferior 1).
Peta ketebalan (thickness map): Menampilkan peta ketebalan RNFL peripapiler dari pemindaian raster. Memiliki sensitivitas tertinggi untuk mendeteksi area penipisan RNFL lokal.
Peta signifikansi (significance map): Menampilkan area abnormal dengan kode warna berdasarkan perbandingan dengan database normal. Perlu diperhatikan positif palsu (red disease).
BMO-MRW: Evaluasi lebar rim berdasarkan lubang membran Bruch. Memiliki reprodusibilitas yang sangat baik.
Catatan Pengukuran
Efek lantai (floor effect): Pada glaukoma lanjut, nilai pengukuran OCT tidak lagi berubah. Parameter makula menunjukkan efek lantai yang lebih lambat dibandingkan ketebalan RNFL3)6).
Perubahan terkait usia: Ketebalan RNFL menipis sekitar 0,5 μm/tahun seiring bertambahnya usia. Sebagian besar perangkat lunak komersial tidak melakukan koreksi usia 2)3).
Kompatibilitas antar perangkat: Tidak ada kompatibilitas nilai pengukuran antara perangkat OCT yang berbeda 1)2)3).
Pengaruh miopia: Pada mata miopia tinggi, ketebalan RNFL dinilai terlalu rendah karena efek perbesaran, sehingga mudah terjadi positif palsu 1).
ROTA berpotensi melengkapi keterbatasan metode konvensional ini dengan mengintegrasikan informasi reflektivitas selain ketebalan RNFL. Khususnya, fungsi koreksi panjang aksial diharapkan dapat mengurangi positif palsu pada mata miopia, dan visualisasi jalur serabut saraf yang luas memungkinkan analisis yang kurang terpengaruh oleh efek lantai.
Dalam studi multi-mata, ROTA, OCT, dan fotografi red-free dibandingkan pada 531 mata dari 363 pasien dengan defek RNFL dan 315 mata dari 177 subjek sehat. Sensitivitas deteksi glaukomaROTA adalah 98,9% (95% CI: 95,4–100,0%), jauh melampaui fotografi red-free sebesar 79,3%. Spesifisitas ROTA adalah 94,3% (95% CI: 91,3–97,2%), lebih tinggi dari ketebalan RNFL peripapiler (87,9%) dan GC-IPL (78,1%).
Dalam studi Su dkk., 600 mata pasien hipertensi okular dievaluasi. Pemeriksaan klinis diskus optikus dan analisis OCT tidak menunjukkan defek RNFL, namun analisis ROTA mendeteksi defek RNFL pada 10,8% kasus. Lokasi defek yang paling umum adalah berkas serat arkuata superior. Usia lanjut dan deviasi standar pola yang tinggi berhubungan signifikan dengan defek RNFL pada ROTA.
Keterlibatan Berkas Papilomakular pada Glaukoma Awal
Dalam studi lain oleh Leung dkk., 204 mata dengan glaukoma awal (MD ≥ −6 dB) diperiksa. 71,6% menunjukkan defek RNFL yang melibatkan berkas papilomakula, dan 17,2% menunjukkan defek RNFL yang melibatkan berkas papilofovea. Defek RNFL tidak terbatas pada setengah retina tetapi juga melibatkan fovea dan makula, dan ROTA mengungkapkan kerusakan saraf yang luas ini.
ROTA dapat menggambarkan hilangnya berkas serat RNFL yang sesuai dengan area pucat tepi diskus optikus. Karena neuropati optik iskemik anterior non-arteritik (NAION) dan neuritis optik memiliki pola pucat tepi diskus yang khas, ROTA diharapkan dapat membedakannya dari glaukoma. Bahkan pada kasus dengan drusen diskus optikus atau edema RNFL, ROTA dapat mengidentifikasi defek RNFL.
Validasi eksternal kemampuan diagnostik ROTA melalui studi multisenter skala besar
Implementasi algoritma ROTA ke dalam perangkat lunak OCT komersial
Evaluasi kemampuan deteksi progresi glaukoma melalui studi longitudinal
Integrasi dengan diagnosis otomatis berbasis AI
QApakah ROTA efektif pada mata miopia?
A
Algoritma ROTA memiliki fungsi untuk mengoreksi panjang aksial, sehingga dapat mengurangi positif palsu pada mata miopia yang menjadi masalah dalam analisis OCT konvensional. Pada pengukuran ketebalan RNFL konvensional, positif palsu mudah terjadi pada miopia tinggi karena efek perbesaran 1), namun dilaporkan bahwa ROTA mengurangi deteksi positif palsu defek RNFL dan kelainan GC-IPL melalui koreksi panjang aksial. Namun, jika terdapat kekeruhan media refraksi, akurasi akan terpengaruh karena penurunan kualitas gambar.
