Nye markører for å oppdage tidlig progresjon av glaukom

Endringer i overflaten av det overfladiske optiske nervehodet (ONH) og tap av tykkelsen av retinal nervefiberlag (RNFL) oppdaget med klinisk avbildning er prediktive for fremtidig synsfelttap. Avbildning av den dype ONH, den sannsynlige opprinnelsen til glaukomskade, representerer det neste logiske neste trinnet, men har unngått klinikere på grunn av mangelen på dyktig teknologi.

Nye fremskritt innen optisk koherenstomografi (OCT)-avbildning gir nå en spennende mulighet til å lukke gapet mellom den histomorfometriske kunnskapen om dype ONH-endringer oppnådd med forskning på eksperimentell apeglaukom og avbildning ved klinisk glaukom.

Det er overbevisende bevis på at grove ONH og retinale hemodynamiske endringer er funksjonelle indikatorer på glaukomprogresjon. Nøyaktig sporing av blodstrømmen i ONH er et logisk skritt, men har unngått forskere av flere grunner, inkludert det svært reflekterende ONH-vevet som variabelt hemmer signalpenetrasjon, noe som gjør den komplekse naturen til retinale og bakre ciliære bidrag til ONH-strømmen vanskelig å separere. Selv om glaukomskade har sin opprinnelse i ONH, kan retinale ganglioncelle (RGC) aksoner vise de tidligste funksjonelle endringene ettersom de har høy metabolsk etterspørsel og sårbarhet for skade. Derfor kan sporing av blodstrøm i RNFL, som er svært segmentert og oppløselig, være en bedre og mer følsom tilnærming sammenlignet med den i ONH. Guleflekken inneholder nesten 50 % av hele RGC-befolkningen; på samme måte vil overvåking av blodstrømmen i den makulære indre vaskulære plexus som tilsvarer ganglioncellelaget (GCL) sannsynligvis være svært informativ for progresjon av glaukom. OCT-basert angiografi (OCTA), som kartlegger kartetthet i forskjellige vaskulære netthinnesenger med uovertruffen aksial oppløsning, vil endelig tillate oss å kvantifisere svært lokaliserte parametere relatert til blodstrøm og identifisere pasienter med høyere progresjonsrisiko. Gjeldende dataanalyse av progresjonsdeteksjon basert på inter-subjekt eller populasjonsbaserte variasjonsmodeller er ineffektive, noe som fører til falskt positive og falskt negative resultater. Innovative dataanalyseteknikker som bygger nøyaktige modeller for variabilitet mellom individer vil legge til kumulativ verdi til de nye avbildningsmarkørene for progresjon.