Sensibilidad de los parámetros morfológicos de la tomografía de coherencia óptica de dominio espectral y correlación con el campo visual en pacientes glaucomatosos y sanos

Resum

OBJETIVOS Evaluar la capacidad diagnóstica de los parámetros morfológicos, medidos con el tomógrafo de coherencia óptica de dominio espectral (OCT-SD) Spectralis, para diferenciar entre pacientes sanos y glaucomatosos, conocer si el uso de redes neuronales evidencia resultados similares a la estadística clásica y desarrollar una calculadora de riesgo de padecer glaucoma. MATERIAL Y MÉTODOS Estudio observacional prospectivo transversal donde se han incluido 92 ojos de pacientes normales y 80 ojos con glaucoma de ángulo abierto (primario, pigmentario o pseudoexfoliativo). A cada sujeto de estudio se le realizaron pruebas morfológicas utilizando el OCT-SD Spectralis (Spectralis, Heidelberg Engineering, Carlsbad, CA) con el Glaucoma Module Premium Edition (GMPE) y pruebas funcionales utilizando el perímetro Octopus (Haag-Streit AG, Suiza) con dos estrategias: una periférica de 30 grados y otra macular de 12 grados. Los parámetros funcionales que se evaluaron fueron: sensibilidad media (MS), defecto medio (MD) y varianza de la pérdida (sLV) y los morfológicos fueron: capa de fibras nerviosas peripapilares con sistema de posicionamiento anatómico (pRNFL-APS) y sin él (pRNFL-E), mínimo grosor del anillo neurorretiniano tomando como referencia la membrana de Bruch (MRW-BMO) y capas retinianas a nivel macular: capa de fibras nerviosas a nivel macular (mRNFL), capa de células ganglionares (GCL), capa plexiforme interna (IPL), capa nuclear interna (INL), capa plexiforme externa (OPL), capa nuclear externa (ONL), epitelio pigmentario (EPR), fotorreceptores (Pho), capas retinianas internas (IRL) y grosor total (RETINA). Para el análisis macular se utilizó un cubo de 8 x 8 y para el resto de los parámetros la división en 7 sectores: global (G), temporal (T), temporal inferior (TI), temporal superior (TS), nasal (N), nasal inferior (NI) y nasal superior (NS). Se estudiaron las correlaciones entre los diferentes parámetros usando el coeficiente de correlación de Pearson, se determinaron las sensibilidades de cada uno de ellos, para una especificidad del 95 %, y se compararon sus áreas ROC (AUC) mediante el test de Delong. Por último, se analizaron los datos utilizando el aprendizaje supervisado con redes neuronales y se desarrolló, utilizando la combinación de los parámetros más sensibles, una calculadora de riesgo de padecer glaucoma. RESULTADOS El parámetro más sensible para diferenciar entre pacientes normales y glaucomatosos fue el MRWBMO TI con una sensibilidad del 87,34 % y un AUC de 96,02 (IC: 99,14-92,91) seguido de pRNFL-APS G y pRNFL-E TI. MRW-BMO tuvo diferencias significativas con todos los demás parámetros salvo con pRNFL-APS. Dentro de los parámetros maculares, el más sensible fue mRNFL seguido de GCL. No hubo diferencias estadísticamente significativas entre pRNFL-APS, pRNFL-E y mRNFL. Los resultados obtenidos por redes neuronales fueron similares a los obtenidos por la estadística clásica. Usando la combinación de MRW-BMO TI y MD de 30º se obtuvo una muy buena capacidad discriminativa entre pacientes sanos y glaucomatosos con un promedio, entre sensibilidad y especificidad, del 92,83 %. La mayor correlación entre parámetros morfológicos y el MD, la tuvo pRNFL-APS. CONCLUSIONES Aunque los parámetros maculares han obtenido buenos resultados de sensibilidad diagnóstica, no han sido superiores a pRNFL ni MRW-BMO. La calculadora de riesgo de padecer glaucoma es una herramienta sencilla que puede ser útil en el diagnóstico del glaucoma.