Glaucoma Diagnostics

Författare

Summary, in Swedish

Popular Abstract in Swedish

Bakgrund

Den kroniska ögonsjukdomen grön starr (glaukom) skadar ögats synnerv och påverkar den perifera synen (synfältet) hos de som drabbas. I västvärlden är grön starr den näst vanligaste orsaken till blindhet enligt Världshälsoorganisationen WHO. I Sverige räknar man med att cirka 70 000 personer över 70 år har grön starr, men att endast hälften av dessa är kända för sjukvården. Sjukdomen kommer smygande och är svår att upptäcka själv för den som drabbas. Det går tyvärr inte att upptäcka sjukdomen genom ett vanligt syntest hos optikern eftersom ett sådant enbart undersöker den centrala synen, vilken oftast är normal hos drabbade personer, även vid sena stadier av sjukdomen.

Grön starr går att bromsa med olika typer av ögontrycksänkande behandling. Både ögondroppar, olika laserbehandlingar och operativa ingrepp används inom dagens ögonsjukvård. Man vet att det är bra att påbörja behandling tidigt eftersom man genom att bromsa sjukdomsförloppet kan spara mer av den perifera synen och kanske också förhindra synhandikapp.

Idag sker diagnostiken av grön starr främst genom mätning av den perifera synen med en synfältsapparat i kombination med att ögonläkaren undersöker synnervshuvudet. Även ögontrycket mäts, men har ingen egentlig roll i själva diagnostiken utan är mer viktigt för behandling och uppföljning av sjukdomen. Eftersom synnervshuvudet varierar mycket i utseende mellan individer så är det ibland svårt att upptäcka grön starr även för erfarna ögonläkare. För att förbättra och underlätta diagnostiken av grön starr har flera instrument utvecklats. En del av dessa testar den perifera synen genom att mäta ljuskänsligheten i olika delar av synfältet, andra undersöker synnervshuvudets utseende eller analyserar nervfiberlagret. Några av dessa metoder har föreslagits vara till nytta vid diagnostik av grön starr på ögonklinik, medan andra skulle kunna användas för att upptäcka grön starr hos personer i samhället som är ovetande om sin sjukdom, så kallad screeningundersökning.

Syfte

Syftet med denna avhandling var i stora drag att undersöka förmågan att identifiera grön starr hos några instrument och jämföra den med förmågan hos ögonläkare med olika erfarenhet, samt att utvärdera hur väl några olika metoder kan fungera vid screeningundersökning för grön starr.

Projektbeskrivning och resultat

Ett av de instrument vi undersökte var HRT. Det är en fotografisk teknik som gör det möjligt att få fram olika mätvärden från synnervshuvudet. Den har två olika mätmetoder som kallas MRA och GPS, vilka båda kan hjälpa oss att ställa diagnosen grön starr. I projektet jämfördes HRT-apparatens och fyrtiofem frivilliga läkares förmåga att upptäcka grön starr. Läkarna var antingen experter på grön starr, allmänna ögonläkare, experter inom annat område av ögonsjukdomar eller blivande ögonläkare. Läkarna fick bedöma fotografier på synnervshuvuden från friska individer och från patienter med grön starr. HRT-instrumentets MRA-metod var bättre jämfört med den genomsnittlige läkaren och var dessutom likvärdig med experterna på att identifiera grön starr. Synnervshuvuden som är små till storleken är ofta svåra att bedöma och här var MRA lite bättre än experterna på grön starr, men skillnaden var inte betydande. MRA var också den enda metod som korrekt kunde identifiera alla de personer som hade allvarlig påverkan av grön starr. Förmågan att urskilja friska personer var ungefär likvärdig hos båda HRT-metoderna och den genomsnittlige läkaren.

I nästa projekt fick ögonläkare med olika erfarenhet bedöma fotografier på synnervshuvuden från friska individer och från personer med grön starr, både före och efter en utbildning i grön starr-diagnostik. Vi fann att alla grupper med bedömare, även experter på grön starr, blev bättre på att identifiera sjukdomen efter utbildningen. Även antalet osäkra bedömningar blev betydligt färre hos alla grupper efter utbildningen.

I de apparater som idag används vid synfältsundersökning för grön starr, finns det redan datoriserade hjälpmedel som underlättar ögonläkares tolkning av resultaten. Även om dessa hjälpmedel ger ett bra stöd för bedömning, så kan det ibland ändå vara svårt att tolka synfältsresultaten. Vi har tidigare utvecklat ett avancerat datorprogram baserat på artificiell intelligens och ville undersöka hur bra detta kunde tolka synfält från friska individer och från personer med grön starr jämfört med ögonläkare med olika erfarenhet. Vi fann att datorprogrammet var bättre på att upptäcka grön starr jämfört med den genomsnittlige ögonläkaren medan förmågan att urskilja friska individer var ganska likvärdig.

I ett annat projekt bjöd vi in slumpvis utvalda personer från Anderslöv och Skurup, som är två närliggande primärvårdsområden till Malmö, samt personer med känd grön starr från Ögonkliniken i Malmö. Alla fick genomgå en noggrann ögonundersökning med flera olika instrument för grön starr-diagnostik. Genom att undersöka de slumpvalda personerna från Skurup och Anderslöv kunde vi utvärdera hur bra de olika instrumenten skulle fungera i en screening-situation, medan vi bättre kunde mäta de olika metodernas känslighet för olika sjukdomsstadium genom att undersöka personer med känd grön starr.

Vi testade FDT, en liten synfältsapparat med ett snabbt och enkelt synfältstest som har föreslagits kunna fungera vid screeningundersökning. FDT var ganska bra på att hitta grön starr, men den missade några enstaka patienter med stor synfältspåverkan av sin sjukdom. Instrumentet bedömdes därför inte lämpligt som diagnostiskt verktyg i en screeningundersökning.

En annan apparat vi undersökte i projektet var GDx VCC. Den använder en fotografisk teknik som mäter tjockleken på nervfiberlagret runt synnervshuvudet och värderar om detta är friskt eller kan vara skadat av grön starr. GDx VCC var mindre bra på att upptäcka grön starr jämfört med FDT och hade också en del tekniska problem som gjorde att många undersökningar fick dålig kvalitet.

Två olika OCT-instrument testades också, Stratus OCT och Cirrus OCT, båda är fotografiska metoder som mäter tjockleken på nervfiberlagret, men med en annorlunda teknik än GDx VCC. Båda OCT instrumenten gav bra resultat med hög känslighet för att urskilja friska från dem med grön starr, bättre än någon av de andra testade metoderna. Det fanns skillnader i resultaten mellan de båda instrumenten, även om de inte var betydande. Stratus OCT var lite bättre på att korrekt urskilja friska och Cirrus OCT var lite bättre på att upptäcka grön starr.

Slutsats

Även om bedömning av synnervshuvudet för grön starr många gånger är svårt och att denna förmåga dessutom varierar även hos erfarna ögonläkare, så är denna granskning ändå viktig eftersom det ibland är just ett misstänkt utseende på synnervshuvudet som leder till att utredning för grön starr genomförs. Det är troligt att en fortgående utbildning i bedömning av synnervshuvud för grön starr kan förbättra denna förmåga och bör eftersträvas. Även bedömning av synfältsresultat kan förbättras med stöd av avancerade datorprogram som tolkningshjälpmedel. MRA-metoden i HRT-apparaten var ganska bra på att identifiera grön starr, oftast i nivå med experterna. Båda OCT-instrumenten uppvisade bättre förmåga att identifiera grön starr jämfört med de övriga testade metoderna. Cirrus OCT med sin höga känslighet skulle passa bra att använda vid undersökning av misstänkt grön starr på en ögonklinik.

Ingen av de undersökta metoderna var optimal för screeningundersökning av grön starr. Både FDT och GDx VCC hade för låg känslighet i att urskilja friska och misslyckades ibland med att upptäcka allvarlig grön starr. Däremot var Stratus OCT nära perfekt i sin förmåga att identifiera friska och var dessutom bra på att hitta de med grön starr, men instrumentet är dyrt och komplicerat att använda, varför det inte passar för screening. Om utvecklingen av OCT går mot mindre, billigare och enklare instrument, så skulle det kunna bli en passande metod för screening av grön starr, om sådan screening skulle bli aktuell.

Ämne

  • Medical and Health Sciences

Nyckelord

  • POAG – glaucoma – diagnostic accuracy – screening – subjective assessment – population-based – GDx VCC – OCT – HRT – FDT – ONH assessment – CME – ANN – artificial neural network – visual field assessment

Status

Published

Research group

  • Ophthalmology (Malmö)

ISBN/ISSN/Övrigt

  • ISSN: 1652-8220
  • ISBN: 978-91-87189-90-6

Försvarsdatum

15 mars 2013

Försvarstid

09:15

Försvarsplats

Jubileumsaulan, Jan Waldenströms gata 1, Skånes Universitetssjukhus, Malmö.