การวิเคราะห์พื้นผิวเชิงแสงของชั้นใยประสาทจอตา (ROTA)

ประเด็นสำคัญของบทความนี้

การวิเคราะห์พื้นผิวเชิงแสงของชั้นใยประสาทจอตา (ROTA) เป็นพารามิเตอร์วินิจฉัยใหม่ที่คำนวณลายเซ็นพื้นผิวเชิงแสงโดยการบูรณาการความหนาและการสะท้อนแสงของ RNFL จากการสแกน OCT ROTA ตรวจพบข้อบกพร่องของ RNFL ที่ตรวจพบได้ยากด้วยการวัดความหนา RNFL แบบดั้งเดิมหรือการถ่ายภาพแบบ red-free ด้วยความไวสูง รายงานความไวในการตรวจหาต้อหินของ ROTA อยู่ที่ 98.9% และความจำเพาะ 94.3% สามารถวิเคราะห์ข้อมูลจากเครื่อง OCT ที่มีจำหน่ายในท้องตลาด ทำให้สามารถนำไปประยุกต์ใช้ทางคลินิกได้

1. การวิเคราะห์พื้นผิวเชิงแสงของชั้นใยประสาทจอตา (ROTA) คืออะไร?

การวิเคราะห์พื้นผิวเชิงแสงของชั้นใยประสาทจอตา (ROTA) เป็นพารามิเตอร์การวิเคราะห์ภาพใหม่ที่พัฒนาขึ้น โดยรวบรวมทั้งความหนาและการสะท้อนแสงของ RNFL จากการสแกน OCT มาตรฐานเพื่อคำนวณลายเซ็นพื้นผิวเชิงแสง

สำหรับการตรวจหาความเสียหายทางโครงสร้างในโรคต้อหิน การวัดความหนา RNFL ด้วย OCT และการถ่ายภาพแบบ red-free ถูกใช้เป็นมาตรฐาน²⁾³⁾ อย่างไรก็ตาม ความแม่นยำในการวัดของ OCT มีข้อจำกัดและไม่สามารถแยกแยะต้อหินจากปกติได้อย่างสมบูรณ์¹⁾ ROTA มีศักยภาพในการเอาชนะข้อจำกัดของวิธีการดั้งเดิมเหล่านี้

รายการ	การวิเคราะห์ RNFL ด้วย OCT แบบดั้งเดิม	ROTA
สิ่งที่ประเมิน	เฉพาะความหนา RNFL	ความหนา + การสะท้อนแสง
ขอบเขตการวิเคราะห์	เส้นรอบวงรอบหัวประสาทตา	การสแกนแบบแรสเตอร์กว้าง

ข้อดีของ ROTA คือสามารถเปิดเผยแนวทางเดินของมัดเส้นใยรูปโค้ง มัดเส้นใย papilomacular และมัดเส้นใยเรเดียลจมูก พร้อมด้วยพื้นผิวเชิงแสงในบริเวณกว้าง นอกจากนี้ อัลกอริทึม ROTA ยังสามารถแยกความแตกต่างระหว่างหลอดเลือดจอประสาทตาและ RNFL ได้

เนื่องจากสามารถวิเคราะห์ได้ด้วยการวัดที่ได้จากเครื่อง OCT ที่มีจำหน่ายในท้องตลาด จึงสามารถนำไปประยุกต์ใช้ในทางคลินิกที่มีอยู่ได้อย่างง่ายดาย

Q ROTA แตกต่างจากการวิเคราะห์ OCT แบบดั้งเดิมอย่างไร?

A

การวิเคราะห์ OCT แบบดั้งเดิมเน้นที่การวัดปริมาณความหนาของ RNFL โดยเปรียบเทียบค่าที่ได้จากการสแกนรอบขั้วประสาทตากับฐานข้อมูลปกติ ²⁾³⁾ ROTA ผสานค่าการสะท้อนแสง (ความหนาแน่นเชิงแสง) นอกเหนือจากความหนาของ RNFL และคำนวณเป็นลายเซ็นพื้นผิวเชิงแสง ซึ่งช่วยให้เห็นภาพรูปแบบแนวทางเดินของมัดแอกซอนในวงกว้าง รวมถึงมัดเส้นใยรูปโค้งและมัดเส้นใย papilomacular ทำให้สามารถตรวจพบข้อบกพร่อง RNFL เล็กน้อยที่ตรวจพบได้ยากด้วยวิธีดั้งเดิม

4. การวินิจฉัยและวิธีการตรวจ

ขั้นตอนของอัลกอริทึม ROTA

การวิเคราะห์ ROTA ดำเนินการตามขั้นตอนต่อไปนี้

1. ได้รับการสแกนแบบ raster ที่ครอบคลุมบริเวณรอบขั้วประสาทตาและจุดรับภาพด้วย OCT
2. แบ่งส่วนขอบเขตด้านหน้าและด้านหลังของ RNFL
3. คำนวณลายเซ็นพื้นผิวเชิงแสง (S_xy) จากค่าการวัดการสะท้อนแสงและความหนาของ RNFL
4. สร้างแผนที่การวิเคราะห์พื้นผิว และอัลกอริทึมการเรียนรู้ของเครื่องตรวจจับความผิดปกติของ RNFL

ลายเซ็นพื้นผิวเชิงแสงคำนวณโดยใช้การวัดความหนาแน่นเชิงแสงที่ตำแหน่งจอประสาทตา (x, y) และความลึก (z) พารามิเตอร์ต่างๆ เช่น ฟังก์ชันการแปลงแกมมา ฟังก์ชันการแก้ไขแกมมา และค่าคงที่ที่ตั้งไว้ล่วงหน้าซึ่งเป็นสัดส่วนกับความหนาของเนื้อเยื่อ RNFL ถูกนำมาใช้

การเปรียบเทียบกับวิธีการมาตรฐานดั้งเดิม

ข้อดีของ ROTA

การประเมินในวงกว้าง: สามารถประเมินแนวทางเดินของมัดเส้นใยรูปโค้ง มัดเส้นใย papilomacular และมัดเส้นใยเรเดียลจมูก พร้อมด้วยพื้นผิวเชิงแสงได้อย่างครอบคลุม

การแยกความแตกต่างระหว่างหลอดเลือดและเส้นใยประสาท: หลอดเลือดจอประสาทตาและมัดแอกซอนมีลายเซ็นพื้นผิวเชิงแสงเฉพาะตัว ดังนั้น ROTA จึงสามารถแยกความแตกต่างได้

การแก้ไขความยาวแกนตา: อัลกอริทึมจะแก้ไขความยาวแกนตา ลดผลบวกลวงในตาสายตาสั้น

ความเป็นไปได้: สามารถวิเคราะห์ข้อมูลจากเครื่อง OCT เชิงพาณิชย์ได้ ไม่จำเป็นต้องใช้อุปกรณ์ใหม่

ข้อจำกัดของ ROTA

ความขุ่นของสื่อนำแสง: ในตาที่มีความขุ่นของสื่อนำแสง เช่น ต้อกระจก คุณภาพของภาพจะลดลง

สิ่งรบกวนจากการเคลื่อนไหว: การเคลื่อนไหวระหว่างการถ่าย OCT ส่งผลต่อความแม่นยำในการวิเคราะห์

การตีความตามอัตวิสัย: การตีความข้อบกพร่องของ RNFL มีองค์ประกอบตามอัตวิสัย เช่นเดียวกับการถ่ายภาพแบบไร้แสงสีแดง

อยู่ระหว่างการนำไปใช้ทางคลินิก: การนำไปใช้ในซอฟต์แวร์เชิงพาณิชย์ยังไม่แพร่หลาย

วิธีการมาตรฐานในการประเมิน RNFL ด้วย OCT

ปัจจุบัน SD-OCT และ SS-OCT ถูกใช้อย่างแพร่หลายในการประเมิน RNFL¹⁾²⁾³⁾ มีการวัดพารามิเตอร์สามกลุ่ม: ความหนา RNFL รอบขั้วประสาทตา, หัวประสาทตา, และชั้นในของจอประสาทตาส่วนกลาง²⁾³⁾

ผลลัพธ์ OCT ถูกจำแนกเป็นสามระดับ: “อยู่ในช่วงปกติ”, “เส้นเขต”, และ “นอกช่วงปกติ”³⁾ อย่างไรก็ตาม ผลลัพธ์นอกช่วงปกติไม่ได้หมายถึงโรคต้อหินเสมอไป จำเป็นต้องตีความในบริบททางคลินิก²⁾³⁾ ในตาสายตาสั้นสูงหรือจานประสาทตาเอียง มักเกิดสิ่งรบกวนและข้อผิดพลาดในการแบ่งส่วน²⁾³⁾⁵⁾

เนื่องจากความสอดคล้องระหว่างการประเมินโครงสร้างและการตรวจลานสายตาเป็นเพียงบางส่วน ควรหลีกเลี่ยงการวินิจฉัยโรคต้อหินโดยอาศัยการทดสอบเพียงอย่างเดียว^2)3)4)5)

Q ROTA ถูกใช้อย่างแพร่หลายในทางคลินิกหรือไม่?

A

ROTA เป็นเทคโนโลยีที่อยู่ในขั้นตอนการวิจัย ยังไม่ถูกนำไปใช้อย่างแพร่หลายในซอฟต์แวร์ OCT เชิงพาณิชย์ อย่างไรก็ตาม อัลกอริทึมของ ROTA ทำงานบนข้อมูลมาตรฐานที่ได้จากเครื่อง OCT เชิงพาณิชย์ ดังนั้นในทางเทคนิคจึงสามารถนำไปใช้ในสถานพยาบาลที่มีอยู่ได้ การทำให้ซอฟต์แวร์เป็นเชิงพาณิชย์และการสะสมงานวิจัยเพื่อตรวจสอบความถูกต้องจะเป็นกุญแจสำคัญในการแพร่หลายทางคลินิกในอนาคต

6. พยาธิสรีรวิทยาและกลไกการเกิดโรคโดยละเอียด

พื้นฐานโครงสร้างของ RNFL

ในโรคต้อหิน จะเกิดการสูญเสีย RNFL (ชั้นเส้นใยประสาทจอตา) ร่วมกับความเสียหายของเซลล์ปมประสาทจอตา ¹⁾ ประมาณ 50% ของเซลล์ปมประสาทจอตาทั้งหมดกระจุกตัวอยู่ในบริเวณ 20° ตรงกลางของจอประสาทตา และแม้ในต้อหินระยะแรก เซลล์ปมประสาทจอตาประมาณ 50% ก็ได้หายไปแล้ว

ชั้นเป้าหมายสำหรับการประเมิน RNFL ประกอบด้วยสามชั้น: RNFL, ชั้นเซลล์ปมประสาท (GCL) และชั้นข่ายประสาทชั้นใน (IPL) ซึ่งรวมเรียกว่า ganglion cell complex (GCC) ⁶⁾ อุปกรณ์บางรุ่นใช้ GCL+IPL ร่วมกัน (GCIPL) เป็นพารามิเตอร์ในการวินิจฉัย

หลักการและข้อจำกัดของการประเมิน RNFL ด้วย OCT

วิธีการประเมินเชิงปริมาณ

ความหนา RNFL รอบขั้วประสาทตา (cpRNFL): วัดความหนา RNFL โดยการสแกนแบบวงกลมรอบขั้วประสาทตา แสดงผลในกราฟ TSNIT และในตาปกติจะแสดงรูปแบบสองยอดในทิศทางบนและล่าง ¹⁾

แผนที่ความหนา (thickness map): แสดงแผนที่ความหนา RNFL รอบขั้วประสาทตาจากการสแกนแบบตาราง มีความไวสูงสุดในการตรวจจับบริเวณที่ RNFL บางเฉพาะที่

แผนที่นัยสำคัญ (significance map): แสดงบริเวณที่ผิดปกติด้วยรหัสสีโดยเปรียบเทียบกับฐานข้อมูลปกติ ต้องระวังผลบวกลวง (red disease)

BMO-MRW: การประเมินความกว้างของขอบขั้วประสาทตาโดยอ้างอิงจากช่องเปิดของเยื่อบรูช มีความสามารถในการทำซ้ำได้ดีเยี่ยม

ข้อควรระวังในการวัด

Floor effect: ในต้อหินระยะลุกลาม ค่าที่วัดได้จาก OCT จะไม่เปลี่ยนแปลงอีกต่อไป พารามิเตอร์ของจอประสาทตาแสดง floor effect ช้ากว่าความหนา RNFL ³⁾⁶⁾

การเปลี่ยนแปลงตามอายุ: ความหนา RNFL จะบางลงประมาณ 0.5 ไมโครเมตร/ปีเมื่ออายุมากขึ้น ซอฟต์แวร์ทางการค้าส่วนใหญ่ไม่มีการปรับแก้ตามอายุ ²⁾³⁾

ความเข้ากันได้ระหว่างเครื่อง: ไม่มีความเข้ากันได้ของค่าที่วัดได้ระหว่างเครื่อง OCT ต่างชนิดกัน ¹⁾²⁾³⁾

ผลกระทบจากสายตาสั้น: ในตาที่มีสายตาสั้นมาก ความหนา RNFL จะถูกประเมินต่ำเกินไปเนื่องจากเอฟเฟกต์การขยาย ทำให้เกิดผลบวกลวงได้ง่าย ¹⁾

ROTA อาจช่วยเสริมข้อจำกัดของวิธีการดั้งเดิมเหล่านี้โดยการรวมข้อมูลการสะท้อนแสงนอกเหนือจากความหนา RNFL โดยเฉพาะอย่างยิ่ง ฟังก์ชันการปรับแก้ความยาวแกนตาคาดว่าจะลดผลบวกลวงในตาสายตาสั้น และการมองเห็นแนวเส้นใยประสาทในวงกว้างช่วยให้การวิเคราะห์ได้รับผลกระทบจาก floor effect น้อยลง

7. งานวิจัยล่าสุดและแนวโน้มในอนาคต

การตรวจสอบความสามารถในการตรวจหาโรคต้อหิน

ในการศึกษาหลายตา ได้เปรียบเทียบ ROTA, OCT และการถ่ายภาพ red-free ในตา 531 ตาจากผู้ป่วย 363 รายที่มีความบกพร่องของ RNFL และตา 315 ตาจากอาสาสมัครสุขภาพดี 177 ราย ความไวในการตรวจหาโรคต้อหินของ ROTA คือ 98.9% (ช่วงความเชื่อมั่น 95%: 95.4–100.0%) ซึ่งสูงกว่าการถ่ายภาพ red-free ที่ 79.3% อย่างมีนัยสำคัญ ความจำเพาะของ ROTA คือ 94.3% (ช่วงความเชื่อมั่น 95%: 91.3–97.2%) ซึ่งสูงกว่าความหนา RNFL รอบขั้วประสาทตา (87.9%) และ GC-IPL (78.1%)

วิธีการตรวจหา	ความไว	ความจำเพาะ
ROTA	98.9%	94.3%
ความหนา RNFL รอบขั้วประสาทตา	—	87.9%

การตรวจพบตั้งแต่ระยะแรกในภาวะความดันลูกตาสูง

ในการศึกษาของ Su และคณะ ได้ประเมินตา 600 ตาจากผู้ป่วยความดันลูกตาสูง การตรวจทางคลินิกของขั้วประสาทตาและการวิเคราะห์ OCT ไม่พบความบกพร่องของ RNFL แต่การวิเคราะห์ ROTA ตรวจพบความบกพร่องของ RNFL ใน 10.8% ของกรณี ตำแหน่งที่พบบ่อยที่สุดคือมัดเส้นใยรูปโค้งด้านบน อายุที่มากขึ้นและค่าเบี่ยงเบนมาตรฐานรูปแบบที่สูงมีความสัมพันธ์อย่างมีนัยสำคัญกับความบกพร่องของ RNFL ในการตรวจ ROTA

การมีส่วนร่วมของมัดประสาทตาจุดรับภาพในโรคต้อหินระยะเริ่มต้น

ในการศึกษาอื่นโดย Leung และคณะ ได้ตรวจตา 204 ข้างที่เป็นโรคต้อหินระยะเริ่มต้น (MD ≥ −6 dB) พบว่า 71.6% มีความบกพร่องของ RNFL ที่เกี่ยวข้องกับมัดเส้นประสาท papillomacular และ 17.2% มีความบกพร่องของ RNFL ที่เกี่ยวข้องกับมัดเส้นประสาท papillofoveal ความบกพร่องของ RNFL ไม่ได้จำกัดอยู่เพียงครึ่งหนึ่งของจอประสาทตา แต่ยังเกี่ยวข้องกับ fovea และ macula และ ROTA เผยให้เห็นความเสียหายของเส้นประสาทที่กว้างขวางนี้

การแยกความแตกต่างจากโรคเส้นประสาทตาที่ไม่ใช่ต้อหิน

ROTA สามารถแสดงภาพการหายไปของมัดเส้นใย RNFL ที่สอดคล้องกับบริเวณสีซีดของขอบจานประสาทตา เนื่องจากภาวะเส้นประสาทตาขาดเลือดส่วนหน้าชนิดไม่เกิดจากหลอดเลือดแดงอักเสบ (NAION) และโรคประสาทตาอักเสบมีรูปแบบสีซีดของขอบจานประสาทตาที่จำเพาะ จึงคาดว่า ROTA จะช่วยในการแยกความแตกต่างจากต้อหินได้ แม้ในกรณีที่มี drusen ของจานประสาทตาหรืออาการบวมน้ำของ RNFL ROTA ก็สามารถระบุความบกพร่องของ RNFL ได้

แนวโน้มในอนาคต

• การตรวจสอบความถูกต้องภายนอกของความสามารถในการวินิจฉัยของ ROTA ผ่านการศึกษาแบบหลายศูนย์ขนาดใหญ่
• การนำอัลกอริทึม ROTA ไปใช้ในซอฟต์แวร์ OCT เชิงพาณิชย์
• การประเมินความสามารถในการตรวจจับการดำเนินของโรคต้อหินผ่านการศึกษาระยะยาว
• การบูรณาการกับการวินิจฉัยอัตโนมัติที่ใช้ AI

ข้อจำกัดความรับผิดชอบ

บทความนี้มีวัตถุประสงค์เพื่อการศึกษาแก่บุคลากรทางการแพทย์ด้านจักษุวิทยาเท่านั้น และไม่ใช่แนวทางสำหรับการวินิจฉัยหรือการรักษาเฉพาะบุคคล การตัดสินใจทางคลินิกที่แท้จริงควรอยู่ภายใต้ความรับผิดชอบของแพทย์ผู้รักษา

Q ROTA มีประสิทธิภาพในตาสายตาสั้นหรือไม่?

A

อัลกอริทึมของ ROTA มีฟังก์ชันการแก้ไขความยาวแกนตา ซึ่งช่วยลดผลบวกลวงในตาสายตาสั้นซึ่งเป็นปัญหาในการวิเคราะห์ OCT ทั่วไป ในการวัดความหนา RNFL ทั่วไป ผลบวกลวงเกิดขึ้นได้ง่ายในสายตาสั้นรุนแรงเนื่องจากเอฟเฟกต์การขยาย ¹⁾ แต่มีรายงานว่า ROTA ลดการตรวจพบผลบวกลวงของความบกพร่อง RNFL และความผิดปกติของ GC-IPL ผ่านการแก้ไขความยาวแกนตา อย่างไรก็ตาม หากมีความขุ่นของสื่อนำแสง ความแม่นยำจะได้รับผลกระทบเนื่องจากคุณภาพของภาพลดลง

8. เอกสารอ้างอิง

1. 日本緑内障学会. 緑内障診療ガイドライン（第5版）. 日眼会誌. 2022;126:85-177.

2. European Glaucoma Society. Terminology and Guidelines for Glaucoma, 5th Edition. 2020.

3. European Glaucoma Society. Terminology and Guidelines for Glaucoma, 6th Edition. Br J Ophthalmol. 2025.

4. American Academy of Ophthalmology. Primary Open-Angle Glaucoma Preferred Practice Pattern®. 2020.

5. American Academy of Ophthalmology. Primary Open-Angle Glaucoma Suspect Preferred Practice Pattern®. 2020.

6. Geevarghese A, Wollstein G, Ishikawa H, Schuman JS. Optical coherence tomography and glaucoma. Annu Rev Vis Sci. 2021;7:693-726.