新型青光眼进展分析方法的建立及临床应用研究

Glaucoma progression is one of the most important and challenging aspects of glaucoma management. Visual field is the most common clinic assessment of the glaucoma progression, but its stability and sensitivity at early stage are not satisfactory. However, due to the technical deficiency, the optic disk and retinal nerve fiber layer analysis still cannot substitute the visual field in the assessment of the glaucoma progression. Thus, how to choose a suitable assessment of glaucoma is still one of the clinic challenges. This study attempts to associate the optic structure with its functional changes through the computer simulation. Based on the GSS 2 analytical system, as well as the combination of the visual field inspection and diagnosis of the optic structural damage, a clinic assessment system and its computer application are developed. This application offers the automatic assessment for the primary glaucoma and makes the assessment of glaucoma easy, practical, and reliable. Meanwhile, with the comparisons of this new diagnostic method with the traditional MD linear regression analysis, AGIS scoring, and clinic judgments in terms of the sensitivity, specificity and consistency, this research evaluates the new diagnostic method and its clinic value. It aims to find the best way to the analysis of the glaucoma progression. And, the successive follow-up and evaluations show the structural figures of the different types and/or stages of glaucomatous optic nerve damages and functional changes.

青光眼进展分析是是青光眼诊疗评估和随访的核心。视野是临床上最常用的青光眼进展评估方法，但稳定性和早期敏感性不足。而视盘和神经纤维层分析由于技术上的缺点，还不足以替代视野在青光眼进展评估中的作用。如何选用合适的分析方法去判断青光眼进展是临床的一大难题。本研究探索通过计算机模拟模型将视神经结构与功能变化对应起来，在原有GSS 2分析系统基础上，建立一种临床实用的整合了视野和视神经结构损害的分析方法，并设计成软件，对原发性青光眼的进展进行自动评估，使青光眼进展分析变的简便、可靠、易行。同时，将新的分析方法与传统的视野MD线性回归分析、AGIS评分、专家经验判断等进行敏感性、特异性和相互间的一致性对比，评估新方法的有效性和临床应用价值，探索青光眼进展分析的最佳途径。同时通过连续随访、评估，了解不同类型青光眼视神经损伤时结构与功能变化的时间和空间特点。

视野作为临床上最常用的青光眼进展评估方法，但存在稳定性和早期敏感性不足的特点。为了探索更简便、可靠的青光眼进展分析方法，本研究以视野随访分析结合视神经结构检测为出发点，在现有方法的基础上，进行改良和进一步的数据整合分析，为临床实践提供指导。首先收集病例建立了适合青光眼专业研究的临床研究数据库(EDC)，并研发了收集青光眼病例的信息采集登记APP，用于临床门诊诊断、随访青光眼提供了便捷的电子化数据库。在GSS基础上，将 GSS 2和OCT GSS 进行青光眼进展分析研究；建立一种临床实用的整合了视野和视神经结构损害的分析方法，对原发性青光眼的进展进行自动评估，使青光眼进展分析变的简便、可靠、易行。利用整合了结构与功能参数的eRGC作为青光眼分级和进展分析的指标，得出结论用eRGC丢失率发现青光眼进展率高于单独用视野或OCT所得的青光眼进展率。eRGC测得无进展的青光眼患眼eRGC丢失率仍高于正常人，开发了可用于临床新的检测青光眼进展分析的工具。与传统的视野MD线性回归分析、AGIS评分、专家经验判断等进行敏感性、特异性和相互间的一致性对比后得出结论，GSS 2和OCT GSS以及eRGC用于青光眼进展分析都具有一定的临床应用价值。同时，我们在前面青光眼视野分析的工作基础上，通过自行采用深层卷积神经网络 (CNN)，让机器能够学习并做出准确的诊断，首先通过识别青光眼和非青光眼的视野报告，并将眼科医生和机器识别的结果进行比较，结果显示基于深层神经网络的青光眼视野分析与青光眼医生和传统GSS、AGIS相比都达到了较高的准确性；同时进一步利用CNN和深度学习对青光眼进展分析也进行了研究，得到了较好的初步结果，并为进一步的研究打下了坚实的基础。以上研究结果为临床实践提供了指导，减少对专家经验和高级设备的依赖，增强青光眼进展分析的一致性，缩短基层医生的学习曲线，为提高我国青光眼诊断和随访分析水平奠定基础。