Análisis de patrones de mapas retinales para el diagnóstico de enfermedades del nervio óptico por tomografía de coherencia óptica.

Un método para calcular parámetros de diagnóstico utilizable para ayudar en la determinación del diagnóstico de neuropatía óptica en un sujeto,

en que dichos parámetros de diagnóstico se seleccionan entre volumen de pérdida focal (FLV), volumen de pérdida global (GLV) o ambos, en que dicho método comprende:

(1) generar un mapa inicial seleccionado entre el grupo que consiste en un mapa macular centrado en la fóvea y un mapa peripapilar centrado en la cabeza del nervio óptico utilizando una tomografía de coherencia óptica (OCT), en el que dicho mapa inicial consiste en un patrón de escaneo de trama o de rejilla, y en que dicho mapa macular cubre un área de al menos aproximadamente 6 mm x 6 mm, y dicho mapa peripapilar cubre un área de al menos aproximadamente 4 mm x 4 mm;

(2) construir de un mapa de grosor del complejo de células ganglionares basado en dicho mapa inicial;

caracterizado porque el método también comprende las fases de

(3) calcular un mapa derivado del mapa de dicho grosor del complejo de células ganglionares;

(4) aplicar un método de análisis de patrón que es un método estadístico para dicho mapa derivado para detectar áreas anormales, en que dicho método estadístico comprende una comparación de desviación estándar de una comparación punto por punto en la cual se identifica como anormal un punto de datos que tiene un valor porcentual predeterminado por encima o por debajo de lo normal, en que dicho valor porcentual predeterminado se selecciona a partir de un intervalo de entre aproximadamente un 0.5% a aproximadamente un 5%; y

(5) calcular un valor para uno o más parámetro(s) de diagnóstico basado(s) en el análisis del mapa derivado; en que dicho(s) parámetro(s) de diagnóstico incluye(n) al menos uno seleccionado entre el volumen de pérdida focal (FLV), el volumen de pérdida global (GLV), el volumen de pérdida focal de desviación fraccional (FD_FLV) y el volumen de pérdida focal de desviación de patrón (PD_FLV) de la pérdida de tejido retinal.

CAMPO DE LA INVENCIÓN

La invención se refiere al campo de la oftalmología. Más particularmente, la invención se refiere a métodos para la adquisición y análisis de imágenes de tomografía de coherencia óptica para detectar enfermedades del nervio óptico.

ANTECEDENTES DE LA INVENCIÓN

Todas las neuropatías ópticas afectan principalmente a las capas internas de la retina. En particular, la capa de fibras nerviosas (NFL), la capa de células ganglionares (GCL) y la capa plexiforme interna (IPL) son las más afectadas. En contraste, la capa nuclear interna (INL) se ve menos afectada y las capas externas no se ven afectadas [1], Debido a que cada una de las 3 capas internas de la retina contiene diferentes partes de las células ganglionares de la retina (la NFL contiene los axones, la GCL contiene los cuerpos celulares, y la IPL contiene las dendritas), los métodos de diagnóstico que tienen en cuenta esta variación anatómica local tendrán generalmente una mejor especificidad de diagnóstico. Por ejemplo, aunque las mediciones del grosor global de la retina proporcionarán información de diagnóstico en general, las mediciones que se centran alrededor de la zona de la cabeza del nervio óptico (ONFI, también llamada disco óptico) proporcionarán mucha más información de diagnóstico porque la NFL es más gruesa en esta área. En la mácula (área alrededor de la fóvea), las 3 capas internas aportan información de diagnóstico, por lo tanto, lo mejor es medir las capas de la retina interna combinadas que incluyen la NFL, la GCL y la IPL.

Aunque este principio es simple en teoría, no resulta fácil en la práctica. Tomemos el diagnóstico del glaucoma, por ejemplo. La neuropatía óptica glaucomatosa es el resultado de varias alteraciones progresivas en la anatomía ocular: pérdida de células ganglionares de la retina (RGC), adelgazamiento de la capa de fibras nerviosas de la retina (NFL) y ahuecamiento de la papila. Por lo tanto, es lógico pensar que estos cambios anatómicos pueden ser utilizados como indicadores de diagnóstico para el glaucoma. Desafortunadamente, en la práctica, este conocimiento no puede utilizarse con facilidad en métodos de diagnóstico. La pérdida de RGC no puede apreciarse en los exámenes oftálmicos de lámpara de hendidura convencionales. Del mismo modo, los defectos de conjunto de la NFL son difíciles de detectar en el examen clínico. Aunque la fotografía del fondo sin rojo es capaz de detectar cambios en el sistema vascular y en las fibras nerviosas de la retina, la técnica se utiliza muy poco en la práctica clínica. Por lo tanto, el diagnóstico clínico de glaucoma se basa en la actualidad solamente en el ahuecamiento del nervio óptico característico, conjuntamente con pruebas de los déficits del campo visual correspondientes en el paciente.

Sin embargo, dado que puede producirse una pérdida significativa de población de RGC antes de que se produzcan déficits detectables del campo visual, y dado que esta pérdida estructural puede preceder a la pérdida de función detectable en hasta 5 años, los métodos actuales para el diagnóstico clínico de glaucoma no son adecuados para la detección temprana de la enfermedad. Aunque se han producido avances, particularmente en aquellos que emplean técnicas de formación de imagen de coherencia óptica, los métodos para conseguir imágenes adecuadas y para analizar las imágenes con el fin de alcanzar información útil desde el punto de vista del diagnóstico todavía resultan inadecuadas. Por ejemplo, Schuman et al. (Ophtalmology, 1996 Nov.: 13(11): 1889-1898) describen un método que establece la tomografía de coherencia óptica como un medio fiable para determinar el grosor de la capa de la fibra del nervio. Sin embargo, Schuman no consiguió mostrar ningún método fiable de parámetros de diagnóstico por ordenador a partir de los datos de formación de imágenes. Por lo tanto, actualmente existe una necesidad no satisfecha de métodos de detección y pronóstico que sean capaces de identificar y cuantificar los cambios en la población de RGC que también sean fáciles de administrar en entornos clínicos.

El documento US-A-25/18133 se refiere a métodos y sistemas para medir una característica de la subcapa retinal de un ojo. En este documento, se construye el grosor del mapa de la capa de las células ganglionares y pueden utilizarse parámetros de diagnóstico para caracterizar la pérdida de tejido neural en el ojo.

De acuerdo con la presente invención, se proporciona un método para calcular parámetros de diagnóstico por ordenador utilizables para ayudar en la determinación del diagnóstico de neuropatía óptica en un sujeto.

BREVE DESCRIPCIÓN DE LOS DIBUJOS

La Figura 1 ilustra el patrón de escaneo Mapa Macular de 7 mm (MM7) de acuerdo con realizaciones de la presente invención. El escaneo de ejemplo mostrado en la figura escaneó 14,944 puntos en un área cuadrada de 7 mm en un intervalo de.58 segundos.

La Figura 2 muestra una imagen OCT ejemplar de una sección transversal de la retina en la región macular. El complejo de células ganglionares (GCC), también llamado capa retiniana interna (IRL), consiste en la capa de fibras nerviosas (NFL), la capa de células ganglionares (GCL) y la capa plexiforme interna (IPL). La retina es más delgada en la depresión foveal, que sirve como punto de referencia para localizar el centro foveal.

La Figura 3 muestra un mapa de grosor de GCC ejemplar de acuerdo con las realizaciones de la presente invención. La unidad es pm. El área foveal central (círculo negro), donde el GCC no se puede medir con fiabilidad se elimina del análisis.

La Figura 4 muestra un conjunto de mapas de grosor de GCC de ejemplo y mapas derivados de acuerdo con realizaciones de la presente invención. Parte superior izquierda: mapa de grosor de GCC del ojo que se está probando, unidad: pm. Parte superior derecha: mapa grosor GCC normal medio, unidad: pm. Parte inferior izquierda: mapa de desviación (D), unidad: pm. Parte inferior derecha: mapa de desviación fraccional (FD), unidad: %.

La Figura 5 muestra un mapa de GCC FD de ejemplo de un ojo glaucomatoso con áreas de pérdida focal estadísticamente significativa marcadas por el patrón de sombreado. La unidad es %.

La Figura 6 muestra un conjunto de mapas de grosor de GCC de ejemplo y mapas derivados. Parte superior izquierda: mapa de grosor de GCC del ojo que está siendo sometido a prueba, unidad: pm. Parte superior derecha: patrón de mapa del ojo que está siendo sometido a prueba, unidad %. Parte inferior izquierda: patrón de mapa del ojo normal medio, unidad %. Parte inferior derecha: mapa de desviación del patrón (PD), unidad %.

La Figura 7 muestra un mapa de GCC PD de ejemplo de un ojo glaucomatoso con áreas de adelgazamiento focal estadísticamente significativo marcadas por el patrón de sombreado. La

unidad es %.

La Figura 8 muestra un conjunto de mapas PD característicos de ejemplo para diversas neuropatías ópticas. Parte superior izquierda: glaucoma inferior (IG), 35 ojos, parte superior derecha: glaucoma uniforme (EG), 41 ojos. Medio izquierda: glaucoma superior (SG), 18 ojos, Medio derecha: neuritis óptica (ON), 22 ojos. Parte inferior izquierda: AION superior (SAION), 11 ojos. Parte inferior derecha: AION Inferior (IANON), 7 ojos. Las unidades son en %.

La Figura 9 muestra un mapa de desviación ejemplar del grosor total de la retina en la mácula obtenida de un ojo glaucomatoso. La unidad es pm.

La Figura 1 muestra un ejemplo de mapa de desviación fraccional de la relación de la reflexión GCC / ORC calculada obtenida a partir de un ojo glaucomatoso. La unidad es %.

La Figura 11 muestra un mapa de grosor de NFL peripapilar normal de ejemplo.

La Figura 12 muestra un conjunto de mapas para un caso de glaucoma perimétrico de ejemplo. Todos los parámetros de grosor de GCC macular (mGCCT) fueron anormales (media = 71 pm, p <.5%; volumen de pérdida focal = 12.6%, p <.5%, volumen de la pérdida global = 26.5%, p <.5%; coeficiente de patrón de variación = 21%, p <.5%; diferencia superior-inferior = 17. pm, p <.5%). (A) muestra un mapa de mGCCT de ejemplo. (B) muestra un mapa de desviación fraccional de ejemplo con áreas de pérdida focal significativa marcados por el patrón de sombreado. (C) muestra un mapa de desviación del patrón de ejemplo. (D) muestra una foto del disco de ejemplo que muestra la pérdida del borde inferotemporal. (E) muestra un mapa (PD) de desviación del patrón del campo visual (VF) de ejemplo. El VF fue anormal (desviación del patrón estándar = 16.5dB, p <.5%; la prueba del hemicampo del glaucoma se encontraba fuera de los límites normales. La línea discontinua elíptica muestra... [Seguir leyendo]

1. Un método para calcular parámetros de diagnóstico utilizable para ayudar en la determinación del diagnóstico de neuropatía óptica en un sujeto, en que dichos parámetros de diagnóstico se seleccionan entre volumen de pérdida focal (FLV), volumen de pérdida global (GLV) o ambos, en que dicho método

comprende:

(1) generar un mapa inicial seleccionado entre el grupo que consiste en un mapa macular centrado en la fóvea y un mapa peripapilar centrado en la cabeza del nervio óptico utilizando una tomografía de coherencia óptica (OCT), en el que dicho mapa inicial consiste en un patrón de escaneo de trama o de rejilla, y en que dicho mapa macular cubre un área de al menos aproximadamente 6 mm x 6 mm, y dicho mapa peripapilar cubre un área de al menos aproximadamente 4 mm x 4 mm;

(2) construir de un mapa de grosor del complejo de células ganglionares basado en dicho mapa

inicial;

caracterizado porque el método también comprende las fases de

(3) calcular un mapa derivado del mapa de dicho grosor del complejo de células ganglionares;

(4) aplicar un método de análisis de patrón que es un método estadístico para dicho mapa derivado para detectar áreas anormales, en que dicho método estadístico comprende una comparación de desviación estándar de una comparación punto por punto en la cual se identifica como anormal un punto de datos que tiene un valor porcentual predeterminado por encima o por debajo de lo normal, en que dicho valor porcentual predeterminado se selecciona a partir de un intervalo de entre aproximadamente un.5% a aproximadamente un 5%; y

(5) calcular un valor para uno o más parámetro(s) de diagnóstico basado(s) en el análisis del mapa derivado; en que dicho(s) parámetro(s) de diagnóstico ¡ncluye(n) al menos uno seleccionado entre el volumen de pérdida focal (FLV), el volumen de pérdida global (GLV), el volumen de pérdida focal de desviación fraccional (FD_FLV) y el volumen de pérdida focal de desviación de patrón (PD_FLV) de la pérdida de tejido retinal.

2. El método de la Reivindicación 1, en que dicha OCT es una seleccionada entre tomografía de coherencia óptica de dominio Fourier (FD-OCT) o tomografía de coherencia óptica de dominio temporal (TD-OCT).

3. El método de la Reivindicación 1, en que dicho patrón de escaneo es un mapa macular de 7mm (MM7).

4. El método de la Reivindicación 1, en que la fase de construir un mapa del grosor del complejo de células ganglionares comprende interpolar entre las líneas de escaneo del mapa inicial para formar un modelo tridimensional de la zona escaneada.

5. El método de la Reivindicación 1, en que el mapa derivado es uno seleccionado entre un mapa de desviación (D), un mapa de desviación fraccionada (FD), o un mapa de desviación de patrón (PD)

6. El método de la Reivindicación 1, en el que dicho valor de porcentaje predeterminado es de aproximadamente un 5 por ciento.