Durchführung der neuroretinalen Randsaumdickenmessung mit Cirrus high

Jul 15, 2023

Scientific Reports Band 13, Artikelnummer: 12714 (2023) Diesen Artikel zitieren

1 Altmetrisch

Details zu den Metriken

Die Messung des neuroretinalen Randsaums (NRR) kann die Diagnose eines Glaukoms unterstützen. Einige Studien berichteten, dass die optische Kohärenztomographie (OCT) von Cirrus NRR-Segmentierungsfehler aufwies. Die aktuelle Studie untersuchte den Segmentierungserfolg von NRR bei kurzsichtigen Augen mithilfe der integrierten Cirrus-Software und um die Anzahl der erforderlichen Erfassungen zur Identifizierung der NRR-Ausdünnung zu bestimmen. Am rechten Auge von 87 gesunden, kurzsichtigen Erwachsenen wurde der Sehnervenpapille mit Cirrus HD-OCT in fünf aufeinanderfolgenden Aufnahmen gescannt. Ein maskierter Untersucher wertete 36 Radiallinienbilder jedes Scans aus, um mithilfe der integrierten Software an der Bruch-Membran-Öffnung (BMO) und/oder der inneren Grenzmembran (ILM) nach Segmentierungsfehlern zu suchen. Bei Teilnehmern mit drei genauen NRR-Erfassungen wurde die durchschnittliche NRR-Dicke bestimmt. Dieses Ergebnis wurde mit dem Durchschnitt der beiden Akquisitionen und der ersten Akquisition verglichen. Unter 435 OCT-Scans der Papille (87 Augen × 5 Aufnahmen) wiesen 129 (29,7 %) Scans Segmentierungsfehler auf, die hauptsächlich am ILM auftraten. Die inferior-temporalen und superioren Meridiane wiesen etwas mehr Segmentierungsfehler auf als andere Meridiane, unabhängig von der Achsenlänge, dem Ausmaß der Myopie oder dem Vorliegen einer peripapillären Atrophie. Bei 65 Augen (74,7 %) gab es mindestens drei genaue NRR-Messungen. Die drei Erfassungen wiesen eine hohe Zuverlässigkeit der NRR-Dicke in den vier Quadranten auf (Korrelationskoeffizient innerhalb der Klasse > 0,990, Variationskoeffizient < 3,9 %). Der NRR-Unterschied zwischen der ersten Erfassung und dem Durchschnitt von drei Erfassungen war in den vier Quadranten gering (mittlere Differenz 2 ± 13 μm, 95 % Übereinstimmungsgrenzen innerhalb von ± 30 μm). Segmentierungsfehler bei NRR-Messungen traten unabhängig von der Achsenlänge, dem Ausmaß der Myopie oder dem Vorliegen einer peripapillären Atrophie auf. Zirrus-Segmentierungslinien sollten bei der Messung der NRR-Dicke manuell überprüft werden.

Die Dicke der retinalen Nervenfaserschicht (RNFL) und die Ganglienzellanalyse sind wichtige Parameter, die zur Diagnose und Überwachung des Glaukoms verwendet werden. Die hochauflösende (HD) optische Kohärenztomographie (OCT) von Cirrus (Carl Zeiss Meditec AG, Dublin, CA) ist eine OCT im Spektralbereich, die beide Messungen zusammen mit der Dicke des neuroretinalen Randsaums (NRR) liefert. Die NRR-Dicke ist definiert als der kürzeste Abstand zwischen der Bruch-Membran-Öffnung (BMO) und der inneren Grenzmembran (ILM). Der Cirrus HD-OCT-Algorithmus erkennt automatisch die Ränder von BMO und ILM und präsentiert die Daten als NRR-Dicke und -Fläche1,2. Hwang und Kim3 sowie Kim und Park4 berichteten, dass die NRR-Dicke von Cirrus HD-OCT eine genaue Glaukom-Diagnosefähigkeit besaß. Tai et al.5 schlugen vor, dass die NRR-Dicke ein besserer Parameter für die Erkennung von Glaukomen sei als die RNFL- und Ganglienzellschichtdicke.

Obwohl der Bandscheibenrand anhand der Fundoskopie identifiziert werden kann, sollte BMO zur Messung der NRR-Dicke verwendet werden6. Anders als bei der Messung der NRR-Dicke mit anderen OCT-Geräten, beispielsweise Spectralis (Heidelberg Engineering, GmbH, Deutschland), können der mit Cirrus HD-OCT ermittelte BMO und ILM nicht manuell angepasst werden. Da die Messung der NRR-Dicke im Cirrus HD-OCT ausschließlich vom automatisch identifizierten BMO und ILM abhängt, sind die Genauigkeit und Konsistenz der Erkennung dieser beiden Standorte wichtig. Bei gesunden Personen können kurzsichtige Augen zu Inkonsistenzen bei der BMO-Standorterkennung führen, was zu ungenauen und unzuverlässigen NRR-Messungen führt7. Fehler treten häufiger bei Augen mit peripapillärer Atrophie (PPA)7,8 auf.

Aufgrund der fehlenden manuellen Anpassung der BMO- und ILM-Positionen wurde die integrierte NRR-Dickenmessung im Cirrus HD-OCT klinisch nicht gut genutzt3,4,5,7,8. Um die klinische Anwendung der NRR-Dicke zu optimieren, bedarf die Wiederholbarkeit von NRR-Messungen weiterer Untersuchungen. Ziel dieser Studie war es, die Häufigkeit von Fehlern bei der Identifizierung von BMO und ILM zu untersuchen. und Faktoren, die mit Messfehlern verbunden sind. In dieser Studie wurde außerdem untersucht, ob die Bildung eines Durchschnitts aus mehreren NRR-Erfassungen besser wäre als die Durchführung einer einzelnen Messung, um den Unterschied in der NRR-Dicke zu bestimmen.

Es wurden gesunde Kurzsichtige im Alter von ≥ 18 Jahren rekrutiert. Die Einschlusskriterien waren (1) klare Augenmedien, (2) sphärischer Brechungsfehler zwischen – 0,50 D und – 10,00 D und Astigmatismus nicht mehr als – 3,00 D, (3) bestkorrigierte Sehschärfe von mindestens 0,10 logMAR, ( 4) Augeninnendruck innerhalb von 21 mmHg, (5) normaler Sehnervenkopf aus der Fundoskopie (ohne Bandscheibenblutungen, Einkerbungen, Ausdünnung des neuroretinalen Randes, Blässe oder Asymmetrie zwischen zwei Augen von > 0,2 Augenhöhlen-Scheiben-Verhältnis) und (6) keine Familie Geschichte des Glaukoms. Teilnehmer mit Augenanomalien wurden ausgeschlossen. Die Studie entsprach den Grundsätzen der Deklaration von Helsinki und wurde vom Institutional Review Board der Hong Kong Polytechnic University genehmigt. Vor der Datenerfassung wurde von allen Teilnehmern eine schriftliche Einverständniserklärung eingeholt.

Bei jedem Teilnehmer wurde eine Papille-Bildgebung mit dem 200 × 200 Optic Disc Cube des Cirrus HD-OCT 5000 durchgeführt. Er verfügt über eine Scangeschwindigkeit von 27.000 A-Scans/B-Scans. Bewegungsverfolgung und Fixierung wurden mithilfe eines integrierten FastTrac™-Netzhautverfolgungssystems gesteuert. Die Scans wurden wiederholt, bis die minimale Signalstärke 7 erreichte. Fünf aufeinanderfolgende Scans wurden ohne Verwendung eines mydriatischen Mittels erfasst. Zwischen aufeinanderfolgenden Scans wurde eine Pause von einer Minute eingelegt. Die NRR-Dickenprofile wurden gespeichert und zur weiteren Analyse exportiert.

Die Messungen wurden an beiden Augen durchgeführt und nur die Daten des rechten Auges analysiert. Ein erfahrener Untersucher, der keine Einblicke in die Einzelheiten der Teilnehmer hatte, bewertete die Qualität jeder Aufnahme des Sehnervenwürfels, die 36 radiale Scans umfasste, die auf der Papille zentriert waren. Die Bewertung konzentrierte sich auf etwaige Segmentierungsfehler im NRR. Dies beinhaltete die BMO- und ILM-Identifizierung. Wenn sich das von der integrierten Software markierte BMO und/oder ILM nicht an den richtigen Stellen in den Farbcode-OCT-Bildern befand, wurde ein Segmentierungsfehler festgestellt. Die Häufigkeit von Segmentierungsfehlern aus fünf aufeinanderfolgenden Scans wurde ermittelt und Faktoren identifiziert, die möglicherweise mit Segmentierungsfehlern verbunden sind. Acht Meridiane wurden verwendet, um die Orte von Segmentierungsfehlern zu klassifizieren: superior, superior nasal, nasal, inferior nasal, inferior, inferior temporal, temporal und superior temporal. Ein Stichprobenproportionaltest wurde angewendet, um zu bestimmen, ob Segmentierungsfehler in bestimmten Meridianen häufiger aufzutreten schienen als in anderen.

Die Augen wurden in zwei Gruppen eingeteilt: Augen, die Segmentfehler aufwiesen oder bei OCT-Aufnahmen fehlerfrei waren. Die beiden Gruppen wurden im Hinblick auf Alter, Geschlechtsverteilung, sphärische äquivalente Refraktion, axiale Länge und das Vorhandensein von PPA verglichen. Für kontinuierliche quantitative Variablen (Alter, sphärische äquivalente Brechung und axiale Länge) wurde der Mann-Whitney-U-Test oder der ungepaarte t-Test verwendet, nachdem die Normalität der Daten mit dem Kolmogorov-Smirnov-Test überprüft wurde. Chi-Quadrat wurde für kategoriale Variablen (Alter und Vorhandensein von PPA) verwendet.

Es wurde angenommen, dass der Durchschnitt aus drei fehlerfreien Aufnahmen des Sehnervenkopfes die genaueste Schätzung der NRR-Dicke liefert. Die NRR-Dicke am BMO wurde in 180 Messpunkte im Abstand von 2° unterteilt. Zusätzlich zur gesamten NRR-Dicke um die Papille herum wurden 180 Messpunkte in temporale (0–22 Punkte), obere (23–67), nasale (69–112), untere (113–157) und zurück zur Schläfe gruppiert (158–179). Unterschiede in der NRR-Dicke zwischen den drei Akquisitionen wurden mithilfe von Korrelationskoeffizienten innerhalb der Klasse mit einem Zwei-Wege-Mischmodell (ICC) untersucht. Die subjektinterne Standardabweichung (Sw) wurde berechnet. Der Wiederholbarkeitskoeffizient des NRR aus den drei Messungen betrug 2,77 × Sw. Außerdem wurde der Variationskoeffizient (CoV) der NRR-Dicke, also das Verhältnis der Standardabweichung zum Mittelwert, aus drei Messungen berechnet. Die Übereinstimmung wurde zwischen dem Durchschnitt von drei OCT-Erfassungen und der ersten Erfassung sowie mit dem Durchschnitt von zwei OCT-Messungen unter Verwendung der 95 %-Übereinstimmungsgrenzen (LoA) verglichen. Außerdem wurden Konfidenzintervalle für die LoA berechnet9. Alle statistischen Analysen wurden mit dem Statistical Package für SPSS Version 26.0 (IBM Corp., USA) durchgeführt.

Die Sehnervenpapillen von 87 Teilnehmern wurden gescannt (Tabelle 1). Es wurde nur das rechte Auge analysiert, da der Brechungsfehler und die axiale Länge der beiden Augen stark korrelierten.

Es gab 435 OCT-Scans (87 Augen × fünf Aufnahmen) und 15.660 OCT-Linienbilder (36 radiale Linien pro Scan). Bei der Erstellung der NRR, die 129 Scans (29,7 %) umfasste, traten Segmentierungsfehler in 2191 Linienbildern (14,0 %) auf. Abbildung 1 zeigt ein Häufigkeitsdiagramm über Segmentierungsfehler für 36 Radiallinien.

Häufigkeit von Segmentierungsfehlern in jedem OCT-Scan.

In 44 Scans wiesen alle 36 Radiallinien Segmentierungsfehler auf. Fast alle Fehler traten im ILM auf (125 Scans), ein Scan wies Fehler im BMO auf und drei Scans wiesen Fehler sowohl im ILM als auch im BMO auf. Abbildung 2 zeigt ein Beispiel für einen Segmentierungsfehler im ILM eines Auges.

Repräsentativer Fall mit Segmentierungsfehler. (A) Segmentierungsfehler im ILM entlang des 30°-Meridians in der 1. Aufnahme. (B) Der ILM-Fehler ist bei der 2. Erfassung nicht aufgetreten. BMO wird durch den blauen Pfeil angezeigt, ILM wird durch den orangefarbenen Pfeil angezeigt. Die neuroretinale Dicke wird zwischen den schwarzen und roten Punkten gemessen.

Die Häufigkeit von Segmentierungsfehlern in acht Meridianen ist in Tabelle 2 dargestellt. Nur der Obermeridian wies geringfügig mehr Segmentierungsfehler auf als die anderen Meridiane (Proportionstest bei einer Stichprobe, p = 0,049).

Zweiundvierzig Augen (48,3 %) zeigten bei allen fünf Aufnahmen keine Fehler. Unter den 45 Augen mit Segmentierungsfehlern wiesen 17 Augen Fehler in einer Aufnahme auf, sechs Augen wiesen Fehler in zwei Aufnahmen auf, drei Augen wiesen Fehler in drei Aufnahmen auf, drei Augen wiesen Fehler in vier Aufnahmen auf und 16 Augen konnten keinen fehlerfreien Scan erhalten bei allen fünf Akquisitionen. Beim Vergleich von 42 Augen mit fehlerfreier NRR-Segmentierung mit 45 Augen mit Segmentierungsfehlern zeigten die beiden Gruppen ein ähnliches Alter (Median 22 vs. 21 Jahre, Mann-Whitney-U-Test, p = 0,351) und eine ähnliche Geschlechterverteilung (männlich/weiblich = 20/22). vs. 23/22, Chi-Quadrat, p = 0,745), Vorhandensein von PPA (Anwesenheit/Abwesenheit = 31/11 vs. 33/12, Chi-Quadrat, p = 0,960), sphärische äquivalente Brechung (Mittelwert − 4,57D vs. − 4,74). D, ungepaarter t-Test, p = 0,716) und axiale Länge (Mittelwert 25,50 mm gegenüber 25,42 mm, ungepaarter t-Test, p = 0,728).

Bei 65 Augen (74,7 %) waren mindestens drei fehlerfreie Aufnahmen des Sehnervenkopfes möglich. Die Zuverlässigkeit der ersten drei fehlerfreien Aufnahmen des Sehnervenkopfwürfels ist in Tabelle 3 dargestellt. Sie zeigten eine ausgezeichnete Zuverlässigkeit mit einem ICC von > 0,99. Der Wiederholbarkeitskoeffizient variierte in verschiedenen Quadranten zwischen 27,7 und 44,5 μm. CoV betrug weniger als 4 %.

Abbildung 3 zeigt die mittlere Differenz und Übereinstimmung des NRR im Vergleich verschiedener Mittelungsbedingungen der gesamten NRR-Dicke und in den vier Quadranten. Der Durchschnitt von zwei Akquisitionen lieferte eine bessere Übereinstimmung mit dem Durchschnitt von drei Akquisitionen als die Verwendung der ersten Akquisition, was denkbar ist. Die Übereinstimmungen allein bei der ersten Erfassung lagen in verschiedenen Quadranten innerhalb von ± 30 μm.

Mittlerer Unterschied und Übereinstimmung der Dicke des neuroretinalen Randsaums (NRR) unter Verwendung einer unterschiedlichen Anzahl von NRR-Erfassungen in den vier Quadranten und des Gesamt-NRR. Die Obergrenzen der Übereinstimmung (LoA) im Vergleich zum ersten Messwert für die Quadranten Overall, Superior, Inferior, Nasal und Temporal betrugen 13,4 μm, 28,2 μm, 22,6 μm, 25,3 μm bzw. 19,1 μm; Die unteren LoA betrugen − 11,7 μm, − 23,8 μm, − 23,7 μm, − 23,1 μm bzw. − 17,3 μm. Der obere LoA betrug im Vergleich zum Durchschnitt zweier Messwerte für den Gesamtquadranten, den oberen, den unteren, den nasalen und den temporalen Quadranten 6,8 μm, 12,7 μm, 12,8 μm, 10,5 μm bzw. 7,6 μm; Die unteren LoA betrugen − 7,1 μm, − 11,9 μm, − 13,8 μm, − 11,3 μm bzw. − 8,2 μm. Fehlerbalken stellen die genauen 95 %-Konfidenzintervalle für den oberen und unteren LoA dar.

Die Gesamt-NRR-Dicke und die in den vier Quadranten von 65 Augen unter Verwendung des Durchschnitts aus drei Akquisitionen sind in Tabelle 4 dargestellt. Nur 14 Augen (22 %) befolgten die ISNT-Regel (inferor ≥ superior ≥ nasal ≥ temporal), aber 46 Augen (71). %) nach der Regel inferior > superior > temporal (IST).

Die Dicke des neuroretinalen Randsaums liefert möglicherweise bessere Informationen als die RNFL, um die Diagnose eines Glaukoms zu erleichtern3. Kim und Park4 fanden heraus, dass NRR die von RNFL angezeigten falsch-positiven Ergebnisse reduzieren konnte. NRR hat auch einen guten diagnostischen Nutzen beim präperimetrischen Glaukom5. Eine genaue Messung der NRR-Dicke hängt von der korrekten Identifizierung von BMO und ILM ab. Die aktuelle Studie ergab eine hohe Anzahl (fast 30 %) an Segmentierungsfehlern des Cirrus-Algorithmus, die sich hauptsächlich auf die ILM-Identifikation auswirkten. Der Grund dafür war das Vorhandensein von Glaskörperschwimmern oder Gliagewebe an der Papille.

Hwang et al.10 berichteten, dass Fehler bei der Bandscheibenerkennung hauptsächlich im oberen und temporalen Quadranten auftreten. Segmentierungsfehler treten überwiegend bei stark kurzsichtigen Augen mit PPA7,10 auf. Die meisten unserer Teilnehmer hatten PPA, aber das Vorhandensein von Segmentierungsfehlern war nicht mit dem Vorhandensein von PPA verbunden. Wir fanden auch keinen signifikanten Einfluss des Geschlechts, des Ausmaßes der Myopie und der Achsenlänge auf Segmentierungsfehler. Hwang et al.7 berichteten außerdem, dass der Cirrus-Algorithmus das Skleralbett fälschlicherweise als BMO identifizierte, insbesondere wenn das Skleralbett abfallende oder stufenförmige Konturänderungen aufwies. Wir sind auch besorgt, wenn mehr Fehler in den oberen und unteren Schläfenregionen auftreten, die die Hauptursachen für glaukomatöse neuroretinale Randschäden sind11.

Obwohl die RNFL-Dicke üblicherweise für die Glaukomdiagnose und -überwachung verwendet wird, kann die Dicke des neuroretinalen Randes unter bestimmten Umständen nützlicher sein. Beispielsweise könnte die epiretinale Membran im peripapillären Bereich die RNFL-Messung beeinflussen12. Augen mit Myopie13 oder geneigter Bandscheibe14 zeigen bei Verwendung von RNFL mehr falsch-positive Ergebnisse als bei Verwendung minimaler neuroretinaler Randsaumdicke. Beim frühen Normaldruckglaukom war die Ausdünnung des neuroretinalen Randsaums ebenfalls schneller als bei der RNFL15. Die Struktur-Funktions-Beziehung war bei minimaler neuroretinaler Randranddicke stärker als bei RNFL-Dicke16. Die meisten OCT-Geräte ermittelten sowohl den neuroretinalen Randbereich als auch die Dicke. Aufgrund des Einflusses der Papillegröße auf die Randdicke könnte der Randbereich bei Augen mit unterschiedlichen Papillengrößen besser sein als die Randdicke17.

Spectralis OCT (Heidelberg Engineering, GmbH, Deutschland) ist ein weiteres Gerät, das die Dicke des neuroretinalen Saums ermittelt. Sie stellt die minimale Felgendicke dar; daher wird sie als Bruchsche Membranöffnungs-Minimalrandbreite (BMO-MRW) bezeichnet. Die vom Cirrus-Algorithmus generierte Dicke des neuroretinalen Saums entspricht möglicherweise nicht dem dünnsten Saum, der vom BMO16 aus gemessen wurde. Von den 129 Scans mit Segmentierungsfehlern zeigten 126 Scans eine neuroretinale Saumdicke, die das 5. Perzentil der integrierten normativen Datenbank überstieg (mit einem grünen Code). Bei drei Scans war die Randdicke mit einem gelben Code versehen (grenzwertig oder < 5 % Abweichung von der normativen Datenbank). Da die Segmentierungsfehler überwiegend am ILM auftraten, konnte die Randdicke überschätzt werden, was zu falsch negativen Ergebnissen führte. Aufgrund von Artefakten in OCT-Bildern wurde in früheren Studien festgestellt, dass OCT-Messwerte fälschlicherweise als ungewöhnlich dünn, also falsch positiv, oder als „rote Krankheit“ interpretiert werden könnten18. Kim und Park4 stellten fest, dass die rote Erkrankung häufiger auftrat, wenn RNFL verwendet wurde, wohingegen die Dicke des neuroretinalen Saums eine genauere Diagnose eines Glaukoms ermöglichte. Ein Nachteil des Cirrus-Algorithmus besteht darin, dass die beiden Orientierungspunkte (BMO und ILM) nicht manuell angepasst werden können, wie dies beim Spectralis OCT möglich ist. Es lässt sich nur schwer bestätigen, ob die in der aktuellen Studie ermittelte Felgendicke innerhalb der normativen Datenbank lag. Um die Wahrscheinlichkeit von Segmentierungsfehlern bei Glaukompatienten bei der Messung der neuroretinalen Randsaumdicke zu bewerten, sollten künftige Forschungsarbeiten Glaukompatienten einbeziehen. Aufgrund von Segmentierungsfehlern beim ILM stellen falsch-negative Ergebnisse oder „grüne Krankheiten“ die größte Sorge dar19. Die aktuelle Studie schloss 22 Augen aus, da weniger als drei Akquisitionen frei von Segmentierungsfehlern waren, sodass 65 Augen für Analysen übrig blieben. Obwohl eine manuelle Anpassung des BMO im Spectralis OCT möglich ist, stellten Zheng et al.20 fest, dass stark kurzsichtige Augen häufig ein nicht wahrnehmbares BMO am temporalen, superior-temporalen und inferior-temporalen Meridian aufweisen. Dies kann den diagnostischen Wert der neuroretinalen Randsaumdicke beeinträchtigen.

Die Zuverlässigkeit der drei aufeinanderfolgenden NRR-Messungen war ausgezeichnet, mit einem ICC über 0,99. Die Wiederholbarkeit innerhalb der Sitzung war mit einem CoV von < 4 % sehr gut (Tabelle 3). Sind drei Messungen erforderlich, um einen Durchschnitt zu berechnen, oder sind zwei Messungen oder sogar eine einzelne Messung ausreichend? Dies hängt vom Zweck der NRR-Messung ab. Hwang und Kim verglichen die NRR von Glaukom- und gesunden Teilnehmern mit dem Cirrus HD-OCT3,21. Der kleinste Unterschied in der NRR zwischen leichtem Glaukom und der Kontrollgruppe bestand in der neunten Uhrstunde oder im Schläfensektor (73 μm) und am größten in der 6. Uhrstunde oder im unteren Sektor (177 μm)3. Bei der Gruppierung der NRR in vier Quadranten war der NRR-Unterschied im temporalen Quadranten (81 μm) am kleinsten und im unteren Quadranten (159 μm) am größten21. Bei mittelschwerem bis fortgeschrittenem Glaukom war die NRR sogar noch geringer. Kim und Park4 berichteten über ähnliche Ergebnisse beim Vergleich von kurzsichtigen Glaukompatienten mit gesunden Teilnehmern. Die NRR im temporalen Quadranten unterschied sich von 70 μm und im unteren Quadranten von 157 μm. Tai et al.5 verglichen die NRR von Patienten mit präperimetrischem Glaukom mit der von gesunden Teilnehmern. Der zeitliche oder neunte Stundenabschnitt wies mit 50 μm den kleinsten Unterschied auf, wohingegen der Unterschied in der sechsten Stunde oder dem unteren Sektor 111 μm betrug. Den besten diagnostischen Wert identifizierten sie auch in der NRR-Dicke im unteren Quadranten. Abbildung 2 zeigt eine Übereinstimmung von ± 15 μm zwischen dem Durchschnitt von zwei NRR-Messungen und dem Referenzstandard (Durchschnitt von drei fehlerfreien NRR-Messungen mit einer Signalstärke von mindestens 7). Es zeigte sich, dass eine einzelne NRR-Messung im Vergleich zum Standard immer noch eine akzeptable Übereinstimmung (innerhalb von ± 30 μm) liefern konnte. Daher kann eine einzelne NRR-Messung empfindlich genug sein, um eine NRR-Ausdünnung zu erkennen, wenn NRR zur Glaukombeurteilung verwendet wird. Abhängig von der Anwendung des NRR können verschiedene Mittelungsmethoden verwendet werden.

In dieser Studie wurden auch die NRR-Dicken in den vier Quadranten verglichen. Nur 22 % der Augen hatten eine untere ≥ obere ≥ nasale ≥ Schläfenranddicke (ISNT-Regel). Allerdings folgten über 70 % der Augen nach Ausschluss des Nasenquadranten dem unteren > oberen > Schläfenrand (IST-Muster). Dies ähnelt der Studie von Hwang und Kim21, die ebenfalls Cirrus HD-OCT verwendeten. Poon et al.22 bewerteten die Randdicke mithilfe von Farbfundusbildern. Nur 37 % der Augen folgten der ISNT-Regel, aber 71 % folgten dem IST-Muster. Die ungewöhnliche Verdickung des NRR könnte auf den Einschluss von Gefäßstämmen zurückzuführen sein, die im Randgewebe eingebettet sind. Park et al.23 verwendeten Spectralis OCT und fanden heraus, dass 32,5 % der Probanden die ISNT-Regel unter Verwendung von BMO-MRW befolgten. Dies unterstreicht die Bedeutung der manuellen Korrektur von ILM und BMO. Qiu et al.24 verwendeten konfokale Scan-Laser-Ophthalmoskopie, um den Randbereich zu messen. Sie fanden mäßig bis stark kurzsichtige Augen, die dem ISNT- (62 % bis 64 %) oder IST-Muster (65 % bis 66 %) folgten.

Morgan et al.superior>nasal>temporal neuroretinal rim area rule for diagnosing glaucomatous optic disc damage. Ophthalmology 119, 723–730. https://doi.org/10.1016/j.ophtha.2011.10.004 (2012)." href="/articles/s41598-023-39701-6#ref-CR25" id="ref-link-section-d246834684e1399"> 25 verwendeten stereoskopische Papillenfotos und kamen zu dem Schluss, dass die ISNT-Regel bei der Diagnose eines Offenwinkelglaukoms nur begrenzten Nutzen hatte. Da nur wenige Patienten mit weißem Glaukom untersucht wurden, gaben sie zu, dass ihre Ergebnisse möglicherweise nicht auf andere ethnische Gruppen anwendbar waren. Kürzlich haben Iwase et al.26 eine bevölkerungsbasierte Studie an japanischen Patienten abgeschlossen, bei der stereoskopische Fotografien der Papille verwendet wurden. Sie fanden heraus, dass weniger als 7 % der normalen Augen der ISNT-Regel folgten, wohingegen 70 % das IST-Muster aufwiesen. Das IST-Muster zeigte auch das höchste positive Wahrscheinlichkeitsverhältnis für die Glaukomerkennung.

Die aktuelle Studie unterliegt mehreren Einschränkungen. Ein erfahrener Untersucher wertete die Farbcode-OCT-Bilder aus, um subjektiv Segmentierungsfehler festzustellen. Es konnte nicht quantitativ bestimmt werden, beispielsweise eine Abweichung von mehr als einer bestimmten Menge Mikrometern von der vermuteten genauen Position. Die Teilnehmer hatten eine enge Altersspanne (18 bis 30 Jahre). Wenn jedoch Glaskörperschwimmer die Hauptursache für Segmentierungsfehler sind, ist die Wahrscheinlichkeit, dass Glaskörperschwimmer auftreten, bei jungen Menschen mit axialer Kurzsichtigkeit höher27. Diese Studie war durch die Verwendung eines einzelnen OCT-Geräts begrenzt. Idealerweise sollten sich dieselben Teilnehmer NRR-Dickenmessungen mit verschiedenen OCT-Geräten mit manueller Korrektur von BMO und ILM unterzogen haben. Darüber hinaus waren alle Teilnehmer gesunde Personen. Zukünftige Studien sollten Patienten mit kurzsichtigem Glaukom einschließen. Diese Studie ging davon aus, dass die genaueste Schätzung der NRR-Dicke aus der Mittelung dreier fehlerfreier Optic Disc Cube-Erfassungen resultieren würde. Obwohl ein durchschnittliches Ergebnis aus mehreren Akquisitionen genauer sein sollte, ist es aufgrund von Zeitmangel oder Ermüdung des Patienten möglicherweise nicht klinisch umsetzbar. Mehrere Studien weisen darauf hin, dass die Aggregation von drei Messungen eine zuverlässige Referenz für Messungen wie Perfusionsdichte und Gefäßdichte liefern kann28. Der Durchschnitt aus drei Messungen scheint ausreichend zu sein, um den kleinsten Unterschied im pulsierenden Augenblutfluss zwischen Glaukom- und gesunden Patienten festzustellen29.

Zusammenfassend lässt sich sagen, dass Segmentierungsfehler bei der NRR-Messung unabhängig von der Achsenlänge, dem Ausmaß der Myopie oder dem Vorhandensein einer peripapillären Atrophie auftreten können, wenn Cirrus HD-OCT verwendet wird. Um eine genaue NRR-Messung zu erhalten, könnte eine gute Erfassung ausreichen, sofern die Erfassung frei von Segmentierungsfehlern ist.

Die während der aktuellen Studie verwendeten und/oder analysierten Datensätze sind auf begründete Anfrage beim entsprechenden Autor erhältlich.

Mwanza, JC et al. Reproduzierbarkeit der Dicke der peripapillären Nervenfaserschicht der Netzhaut und der Parameter des Sehnervenkopfes, gemessen mit Cirrus HD-OCT in glaukomatösen Augen. Investig. Ophthalmol. Vis. Wissenschaft. 51, 5724–5730. https://doi.org/10.1167/iovs.10-5222 (2010).

Artikel Google Scholar

Mwanza, JC, Oakley, JD, Budenz, DL & Anderson, DR Fähigkeit der Cirrus-HD-OCT-Optiknervenkopfparameter, normale von glaukomatösen Augen zu unterscheiden. Ophthalmologie 118, 241–248. https://doi.org/10.1016/j.ophtha.2010.06.036 (2011).

Artikel PubMed Google Scholar

Hwang, YH & Kim, YY Glaukom-Diagnosefähigkeit der quadranten- und stündlichen Beurteilung des neuroretinalen Randes mittels optischer Cirrus-HD-Kohärenztomographie. Investig. Ophthalmol. Vis. Wissenschaft. 53, 2226–2234. https://doi.org/10.1167/iovs.11-8689 (2012).

Artikel Google Scholar

Kim, YW & Park, KH Diagnostische Genauigkeit der dreidimensionalen Dicke des neuroretinalen Saums zur Unterscheidung eines kurzsichtigen Glaukoms von einer Kurzsichtigkeit. Investig. Ophthalmol. Vis. Wissenschaft. 59, 3655–3666. https://doi.org/10.1167/iovs.18-24283 (2018).

Artikel Google Scholar

Tai, TY, Ko, YC, Chang, YF, Liu, CJ & Chen, MJ Diagnostischer Nutzen der neuroretinalen Saumdicke, gemessen in Stundenabschnitten mit optischer HD-Kohärenztomographie, bei präperimetrischem Glaukom. J. Chin. Med. Assoc. 83, 307–312. https://doi.org/10.1097/jcma.0000000000000257 (2020).

Artikel PubMed Google Scholar

Reis, AS et al. Einfluss der klinisch unsichtbaren, aber durch optische Kohärenztomographie erkannten Anatomie des Sehnervenpapillenrandes auf die Beurteilung des neuroretinalen Randsaums. Investig. Ophthalmol. Vis. Wissenschaft. 53, 1852–1860. https://doi.org/10.1167/iovs.11-9309 (2012).

Artikel Google Scholar

Hwang, YH, Kim, MK & Ahn, SI Konsistenz der Öffnungsdetektion der Bruch-Membran, bestimmt durch optische Kohärenztomographie. J. Glaucoma 25, 873–878. https://doi.org/10.1097/ijg.0000000000000448 (2016).

Artikel PubMed Google Scholar

Hwang, YH, Yoo, C. & Kim, YY Kurzsichtige Neigung des Sehnervenkopfes und die Eigenschaften der Dicke der peripapillären Nervenfaserschicht der Netzhaut, gemessen durch optische Kohärenztomographie im Spektralbereich. J. Glaucoma 21, 260–265. https://doi.org/10.1097/IJG.0b013e31820719e1 (2012).

Artikel PubMed Google Scholar

Carkeet, A. Eine Überprüfung der Verwendung von Konfidenzintervallen für Bland-Altman-Übereinstimmungsgrenzen in der Optometrie und Sehwissenschaft. Optom. Vis. Wissenschaft. 97, 3–8. https://doi.org/10.1097/opx.0000000000001465 (2020).

Artikel PubMed Google Scholar

Hwang, YH et al. Fehler bei der Messung des neuroretinalen Randsaums mittels hochauflösender optischer Kohärenztomographie von Cirrus bei kurzsichtigen Augen. Br. J. Ophthalmol. 96, 1386–1390. https://doi.org/10.1136/bjophthalmol-2012-301713 (2012).

Artikel PubMed Google Scholar

Jonas, JB, Fernández, MC & Stürmer, J. Muster des glaukomatösen neuroretinalen Randrandverlusts. Ophthalmologie 100, 63–68. https://doi.org/10.1016/s0161-6420(13)31694-7 (1993).

Artikel CAS PubMed Google Scholar

Nam, KY, Kim, BJ, Lee, WH & Han, YS Wiederholbarkeit von Messungen der optischen Kohärenztomographie im Spektralbereich der Bruchschen Membranöffnung – minimale Randbreite bei Patienten mit epiretinaler Membran mit peripapillärer Beteiligung. J. Clin. Med. 10, 12240. https://doi.org/10.3390/jcm10112240 (2021).

Artikel Google Scholar

Sastre-Ibañez, M. et al. Nutzen von Parametern des Sehnervenkopfes, die auf der Öffnung der Bruch-Membran basieren, bei kurzsichtigen Personen. EUR. J. Ophthalmol. 28, 42–46. https://doi.org/10.5301/ejo.5001022 (2018).

Artikel PubMed Google Scholar

Rebolleda, G., Casado, A., Oblanca, N. & Muñoz-Negrete, FJ Die neue Bruchsche Membranöffnung – Klassifizierung der minimalen Randbreite verbessert die Spezifität der optischen Kohärenztomographie bei geneigten Bandscheiben. Klin. Ophthalmol. 10, 2417–2425. https://doi.org/10.2147/opth.S120237 (2016).

Artikel PubMed PubMed Central Google Scholar

Cho, HK & Kee, C. Änderungsrate der Bruch-Membranöffnung – minimale Randbreite und peripapilläre RNFL bei frühem Normaldruckglaukom. J. Clin. Med. 9, 2321. https://doi.org/10.3390/jcm9082321 (2020).

Artikel CAS PubMed PubMed Central Google Scholar

Pollet-Villard, F., Chiquet, C., Romanet, JP, Noel, C. & Aptel, F. Struktur-Funktionsbeziehungen mit optischer Kohärenztomographie im Spektralbereich, Messungen der retinalen Nervenfaserschicht und des Sehnervenkopfes. Investig. Ophthalmol. Vis. Wissenschaft. 55, 2953–2962. https://doi.org/10.1167/iovs.13-13482 (2014).

Artikel Google Scholar

Enders, P. et al. Der minimale Öffnungsrandbereich der neuartigen Bruch-Membran gleicht die Abhängigkeit von der Bandscheibengröße aus und bietet eine hohe diagnostische Aussagekraft für Glaukom. Investig. Ophthalmol. Vis. Wissenschaft. 57, 6596–6603. https://doi.org/10.1167/iovs.16-20561 (2016).

Artikel Google Scholar

Park, EA, Budenz, DL, Lee, RK & Chen, TC Atlas of Optical Coherence Tomography for Glaucoma 127–174 (Springer, 2020).

Buchen Sie Google Scholar

Sayed, MS, Margolis, M. & Lee, RK Green-Krankheit in der optischen Kohärenztomographie-Diagnose des Glaukoms. Curr. Meinung. Ophthalmol. 28, 139–153. https://doi.org/10.1097/icu.0000000000000353 (2017).

Artikel PubMed Google Scholar

Zheng, F., Wu, Z. & Leung, CKS Nachweis der Öffnung der Bruchschen Membran bei gesunden Personen und Glaukompatienten mit und ohne hoher Myopie. Augenheilkunde 125, 1537–1546. https://doi.org/10.1016/j.ophtha.2018.04.031 (2018).

Artikel PubMed Google Scholar

Hwang, YH & Kim, YY Anwendung der ISNT-Regel auf die Dicke des neuroretinalen Saums, bestimmt mithilfe der optischen Kohärenztomographie des Cirrus HD. J. Glaucoma 24, 503–507. https://doi.org/10.1097/ijg.0000000000000015 (2015).

Artikel PubMed Google Scholar

Poon, LY et al. Die ISNT-Regel: Wie oft gilt sie für Bandscheibenfotos und Messungen der retinalen Nervenfaserschicht in der Normalbevölkerung? Bin. J. Ophthalmol. 184, 19–27. https://doi.org/10.1016/j.ajo.2017.09.018 (2017).

Artikel PubMed PubMed Central Google Scholar

Park, DY, Lee, EJ, Han, JC & Kee, C. Anwendbarkeit der ISNT-Regel unter Verwendung von BMO-MRW zur Unterscheidung zwischen gesunden und glaukomatösen Augen. J. Glaucoma 27, 610–616. https://doi.org/10.1097/ijg.0000000000000970 (2018).

Artikel PubMed Google Scholar

Qiu, K. et al. Anwendung der ISNT-Regeln auf die Dicke der retinalen Nervenfaserschicht und den neuroretinalen Randbereich bei gesunden kurzsichtigen Augen. Acta Ophthalmol. 96, 161–167. https://doi.org/10.1111/aos.13586 (2018).

Artikel CAS PubMed Google Scholar

Morgan, JE et al. Die Genauigkeit der Regel des unteren > oberen > nasalen > temporalen neuroretinalen Randbereichs zur Diagnose einer glaukomatösen Papille-Schädigung. Ophthalmologie 119, 723–730. https://doi.org/10.1016/j.ophtha.2011.10.004 (2012).

Artikel PubMed Google Scholar

Iwase, A., Sawaguchi, S., Tanaka, K., Tsutsumi, T. & Araie, M. Das untere, obere, zeitliche Randbreitenmuster (IST-Regel) erkennt Glaukom in einer japanischen Bevölkerung. J. Glaucoma 31, 228–234. https://doi.org/10.1097/ijg.0000000000001960 (2022).

Artikel PubMed Google Scholar

Milston, R., Madigan, MC & Sebag, J. Glaskörperschwimmer: Ätiologie, Diagnostik und Management. Überleben. Ophthalmol. 61, 211–227. https://doi.org/10.1016/j.survophthal.2015.11.008 (2016).

Artikel PubMed Google Scholar

Khan, HM, Gentle, A., Armitage, JA, To, CH & Lam, AKC Mittelung mehrerer Scans zur Erzielung einer genauen quantitativen Analyse von Angiogrammen der optischen Kohärenztomographie. Wissenschaft. Rep. 10, 6194. https://doi.org/10.1038/s41598-020-62956-2 (2020).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Yu, BS & Lam, AK Technischer Hinweis: Wie viele Messwerte sind für eine akzeptable Genauigkeit bei der Beurteilung des pulsierenden Augenblutflusses erforderlich? Augenphysiol. Opt. 27, 213–219. https://doi.org/10.1111/j.1475-1313.2006.00463.x (2007).

Artikel PubMed Google Scholar

Referenzen herunterladen

Die Autoren möchten der School of Optometry für die Unterstützung von YK Sung durch ein Sommer-Forschungsstipendium sowie der InnoHK-Initiative und der Regierung der Sonderverwaltungsregion Hongkong für diese Studie danken. Editage lieferte die englische Bearbeitung.

Schule für Optometrie, Hong Kong Polytechnic University, Kowloon, Sonderverwaltungszone Hongkong, China

Andrew KC Lam, HC Lai, YK Sung, WH Lam und CM Tiu

School of Optometry, Zentrum für Myopieforschung, Hong Kong Polytechnic University, Kowloon, Sonderverwaltungszone Hongkong, China

Andrew KC Lam

Zentrum für Augen- und Sehforschung (CEVR), 17W Hong Kong Science Park, Shatin, Sonderverwaltungszone Hongkong, China

Andrew KC Lam

Forschungszentrum für SHARP Vision (RCSV), The Hong Kong Polytechnic University, Kowloon, Sonderverwaltungszone Hongkong, China

Andrew KC Lam

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

AKCL, HCL, WHL und CMT haben die klinische Studie entworfen. YKS, HCL, WHL und CMT führten die Datenerfassung durch. AKCL, YKS, HCL, WHL und CMT analysierten Daten. AKCL hat das Manuskript geschrieben. AKCL, HCL, WHL und CMT überprüften das Manuskript.

Korrespondenz mit Andrew KC Lam.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Lam, AKC, Lai, HC, Sung, YK et al. Durchführung der Messung der neuroretinalen Randsaumdicke mittels hochauflösender optischer Kohärenztomographie von Cirrus bei kurzsichtigen Augen. Sci Rep 13, 12714 (2023). https://doi.org/10.1038/s41598-023-39701-6

Zitat herunterladen

Eingegangen: 06. Januar 2023

Angenommen: 29. Juli 2023

Veröffentlicht: 05. August 2023

DOI: https://doi.org/10.1038/s41598-023-39701-6

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.