Nye markører til påvisning af tidlig progression af glaukom

Ændringer i overfladen af ​​det overfladiske optiske nervehoved (ONH) og tab af retinal nervefiberlag (RNFL) tykkelse påvist med klinisk billeddannelse er forudsigelige for fremtidigt synsfelttab. Billeddannelse af den dybe ONH, den sandsynlige årsag til glaukomskade, repræsenterer det næste logiske næste skridt, men har unddraget sig klinikere på grund af manglen på dygtig teknologi.

Nye fremskridt inden for optisk kohærenstomografi (OCT)-billeddannelse giver nu en spændende mulighed for at lukke kløften mellem den histomorfometriske viden om dybe ONH-ændringer opnået med forskning i eksperimentel abe-grøn stær og billeddannelse i klinisk glaukom.

Der er overbevisende beviser for, at grove ONH og retinale hæmodynamiske ændringer er funktionelle indikatorer for glaukom-progression. Nøjagtig sporing af blodgennemstrømning i ONH er et logisk trin, men har undgået forskere af flere årsager, herunder det stærkt reflekterende ONH-væv, som variabelt hæmmer signalgennemtrængning, hvilket gør den komplekse karakter af retinale og posteriore ciliære bidrag til ONH-flowet vanskeligt at adskille. Selvom glaukomskader stammer fra ONH, kan retinale ganglioncelle (RGC) axoner vise de tidligste funktionelle ændringer, da de har høj metabolisk efterspørgsel og sårbarhed over for skade. Derfor kunne sporing af blodgennemstrømning i RNFL, som er meget segmenteret og opløselig, være en bedre og mere følsom tilgang sammenlignet med den i ONH. Makulaen indeholder næsten 50% af hele RGC-befolkningen; ligeledes vil overvågning af blodgennemstrømningen i den makulære indre vaskulære plexus svarende til ganglioncellelaget (GCL) sandsynligvis være yderst informativ for glaukomprogression. OCT-baseret angiografi (OCTA), som kortlægger kartæthed i forskellige retinale vaskulære senge med uovertruffen aksial opløsning, vil endelig give os mulighed for at kvantificere meget lokaliserede parametre relateret til blodgennemstrømning og identificere patienter med højere progressionsrisiko. Nuværende dataanalyse af progressionsdetektion baseret på inter-fag eller populationsbaserede variabilitetsmodeller er ineffektive, hvilket fører til falsk-positive og falsk-negative resultater. Innovative dataanalyseteknikker, der bygger nøjagtige modeller af intra-subjekt-variabilitet, vil tilføje kumulativ værdi til de nye billeddannelsesmarkører for progression.