Fusión de fenotipos estructurales con datos funcionales para la predicción temprana de la progresión del glaucoma de...

Área de la Ciencia:

• Oftalmología
• Tecnología médica
• Inteligencia artificial en la medicina

Sus antecedentes:

• El glaucoma primario de ángulo cerrado (PACG) es una de las principales causas de ceguera irreversible en todo el mundo.
• La clasificación precisa de la progresión del glaucoma es crucial para la intervención y el tratamiento oportunos.
• Los métodos actuales para evaluar la progresión del glaucoma a menudo carecen de integración de parámetros estructurales y funcionales.

Objetivo del estudio:

• Desarrollar y validar un enfoque integrado para clasificar los ojos como de progresión lenta o rápida en pacientes con PACG.
• Combinar las características estructurales de la cabeza del nervio óptico (ONH) con los parámetros funcionales del campo visual basado en el sector (VF) para una clasificación mejorada.
• Identificar los predictores clave de la progresión del glaucoma mediante el aprendizaje automático.

Principales métodos:

• Un estudio longitudinal retrospectivo incluyó pacientes con PACG con al menos 5 años de seguimiento y 5 pruebas confiables de FV.
• La inteligencia artificial (IA) segmentó los volúmenes de los PTU para extraer 31 parámetros de la ONH.
• Los datos VF basados en sectores (sensibilidad media por región) se combinaron con parámetros estructurales para entrenar clasificadores de aprendizaje automático (ML), con análisis SHAP para la identificación de predictores.

Principales resultados:

• El estudio analizó 451 ojos de 299 pacientes con PACG. La progresión media de la IVF fue de -0,92% por año.
• Un modelo de Bosque Aleatorio que integraba características estructurales y funcionales logró el mayor rendimiento de clasificación (AUC = 0,87±0,02).
• Los predictores clave incluyeron características de ONH inferiores (MRW, grosor de RNFL), curvatura de la LC nasal temporal y sensibilidad superior a la FV nasal.

Conclusiones:

• La combinación de parámetros estructurales y funcionales de la ONH mejora significativamente la clasificación del riesgo de progresión del glaucoma en el PACG.
• Las características inferiores de la ONH, específicamente el espesor de MRW y RNFL, se identificaron como los parámetros más predictivos.
• Este enfoque integrado pone de relieve el papel fundamental de la morfología de la ONH en el seguimiento de la progresión de la enfermedad por PACG.