Хронический ринит (ХР) — это неспецифический воспалительный процесс, развивающийся в слизистой оболочке полости носа в результате воздействия различных факторов, протекающий длительно и проявляющийся как минимум двумя назальными симптомами из нижеперечисленных: заложенностью носа, передней или задней ринореей, ощущением стянутости и сухости в носу, образованием корок, чиханьем и (или) зудом в носу, носовым кровотечением, неприятным запахом. Кроме того, для ХР характерна общая симптоматика: головная боль, нарушение когнитивных функций, расстройства сна, сонливость, вялость, утомляемость [1, 2]. ХР провоцирует развитие патологических процессов верхних и нижних дыхательных путей и отрицательно влияет на функции других органов и систем организма, значительно нарушая качество жизни пациентов [3, 4]. Несмотря на ограниченные эпидемиологические данные (ввиду отсутствия единого определения и международного консенсуса по диагностическим критериям некоторых форм ХР), рассматриваемое заболевание является одним из наиболее распространенных в популяции, охватывая до 30% от общей численности населения [5, 6]. К тому же лечение лиц, страдающих ХР, требует существенных экономических затрат [7].
Понимание основного этиологического фактора развития заболевания позволяет разделить пациентов с ХР на четыре основные клинические подгруппы: с аллергическим, инфекционным, неаллергическим неинфекционным и смешанным ринитом [1]. Большая часть пациентов относятся к последней группе [8]. В работах отечественных и зарубежных авторов отмечена тенденция к увеличению количества смешанных форм и преобладанию латентного течения патологии [9—11]. Многообразие клинических форм, морфологических вариантов, полиморфная макроскопическая картина изменений слизистой оболочки полости носа, а также латентное течение заболевания значительно затрудняют диагностику и дифференциальную диагностику ХР [12, 13].
Тщательно собранный анамнез, стандартная риноскопия и эндоскопическое исследование являются опорными пунктами диагностики Х.Р. Для дифференциальной диагностики дополнительно применяют методы функциональной оценки носового дыхания (передняя активная риноманометрия, акустическая риноманометрия) и обоняния (ольфактометрия); допплерографические методы для оценки кровоснабжения и состояния тонуса сосудов; цитологическое и микробиологическое исследование отделяемого из полости носа и др. [14]. Однако указанные методы имеют ряд недостатков, таких как невысокая информативность, субъективность, технические сложности при выполнении, невозможность морфологической верификации патологического процесса. Очевидно, что рациональный выбор лечебной тактики возможен при глубоком понимании и идентификации этиопатогенетических и морфологических особенностей различных форм ХР.
В литературе предложены методы морфологической оценки мягкотканных структур полости носа и показана их достоверность. Однако эти методы несовершенны ввиду визуализации поверхностных слоев эпителия, не позволяющей оценить состояние собственной пластинки (контактная микроэндоскопия), инвазивности и травматичности, нарушающих функцию слизистой оболочки (внутрислизистая щадящая биопсия) [15—17]. Таким образом, необходимо усовершенствовать имеющиеся диагностические методы и разрабатывать новые, наиболее оптимальные.
Оптическая когерентная томография (ОКТ) — современный многообещающий способ для диагностики различной патологии, в том числе ЛОР-органов. Метод основан на регистрации отраженного сигнала, полученного при сканировании поверхностных слоев биологической ткани оптическим излучением ближнего инфракрасного диапазона от низкокогерентного источника. Традиционно ОКТ в оториноларингологии применяется в целях диагностики опухолевой патологии гортани на ранних стадиях и определения границ опухоли при хирургическом лечении [18]. Необходимость неинвазивного изучения структуры слизистой оболочки обусловила интерес исследователей к использованию ОКТ, в том числе и для диагностики неопухолевой патологии. Ранее нами была продемонстрирована принципиальная возможность ОКТ для диагностики воспалительной патологии различной локализации [19].
Цель исследования — показать возможность ОКТ в дифференциальной диагностике различных форм ХР.
Клиническое исследование
Научная работа выполнена на базе ЛОР-отделения ГБУЗ, НО «Нижегородская областная клиническая больница им. Н.А. Семашко», одобрена локальным этическим комитетом ГБОУ ВО «Приволжский исследовательский медицинский университет» Минздрава России (протокол № 8 от 03.11.09). Все участники исследования подписали добровольное информированное согласие на проведение процедуры ОКТ. В протокол обследования был включен 51 (21 женщина и 30 мужчин) пациент в возрасте 32—74 лет. Не включались в исследование лица, перенесшие ОРЗ (за последние 3 мес) и оперативные вмешательства в полости носа.
На основании анамнеза, жалоб, данных риноскопии и эндоскопического обследования 37 пациентам был установлен диагноз ХР, причем при визуальной оценке у 24 из них преобладали гипертрофические проявления, у 13 — атрофические. Остальные (n=14) пациенты не имели назальных жалоб и по результатам стандартного обследования были отнесены в группу «относительная норма».
ОКТ-исследование проводилось при передней риноскопии. Использована стандартная установка ОКТ-1300У (ФГБНУ «Федеральный исследовательский центр Институт прикладной физики» Российской академии наук (ИПФ РАН) Министерства науки и высшего образования РФ; ООО «Биомедтех», Нижний Новгород) со следующими техническими характеристиками: длина волны излучения — 1280 нм, глубина зондирования — 1,4 мм, разрешение латеральное — 20 мкм, по глубине — 15 мкм, диаметр эндоскопического сменного зонда — 2,4 мм, время получения изображения — 8 кадров в 1 с. Режим видеокадра позволял регистрировать функциональные изменения биологической ткани.
ОКТ-зонд легким прижатием контактировал со слизистой оболочкой нижней носовой раковины последовательно в трех точках справа и слева.
Полученные ОКТ-изображения были интерпретированы на основе критериев, сформулированных нами в предыдущих исследованиях [20, 21]. Интерпретация ОКТ-изображений, как и иных методов визуализации, достаточно субъективна. Кроме того, необходимо владеть информацией о гистологическом строении слизистой оболочки полости носа и понимать патоморфологию патологического процесса. Данные обстоятельства обусловили выполнение следующего этапа исследования.
Численный анализ ОКТ-изображений
Для объективизации оценки диагностических изображений часто применяются методы численного анализа изображений. Одним из основных подходов является анализ текстуры ОКТ-изображений, основанный на построении гистограммы всего изображения или его части [20, 22]. Гистограмма представляет собой распределение пикселей изображения по величине ОКТ-сигнала (яркости пиксела). Следует отметить, что при представлении ОКТ-сигнала на изображении используется логарифмическая шкала, поэтому гистограмма представляет собой распределение пикселей по логарифму сигнала. Типичные гистограммы ОКТ-изображений слизистой оболочки полости носа показаны на рис. 1.
Типичная гистограмма (см. рис. 1) отображает зависимость с двумя выраженными компонентами, из которых левая описывает пикселы с малой яркостью (включая шум), а правая — пикселы с высокой яркостью, формирующие только информативное изображение. Таким образом, при численном анализе необходимо уделять внимание второй компоненте. При численном анализе гистограмма ОКТ-изображения аппроксимировалась двухкомпонентной шестипараметрической функцией вида:
где I(k) — количество пикселей заданной яркости на ОКТ-изображении; k — яркость пиксела; a1, b1, c1 и a2, b2, c2 — параметры аппроксимации соответственно первой и второй компоненты, отвечающие за высоту, положение и ширину пика.
В рамках выполнения исследования обработано 51 изображение (в соответствии с количеством пациентов).
Результаты и обсуждение
В ходе исследования было получено 306 ОКТ-изображений, отнесенных при интерпретации к 1-й (норма), 2-й (гипертрофия) и 3-й (атрофия) группам.
На большинстве изображений 1-й группы четко визуализировались два слоя: умеренно рассеивающий верхний слой соответствует эпителию, далее слой собственной пластинки, компактный, с более высокой интенсивностью сигнала. Гипоинтенсивные округлые зоны соответствуют железам. Граница между эпителием и собственной пластинкой достаточно четкая, соответствует базальной мембране (рис. 2).
На рис. 3 представлены томограммы нормальной слизистой оболочки нижних носовых раковин.
На большинстве изображений 2-й группы верхний слой утолщен (по сравнению с группой «норма»), граница между эпителиальным слоем и собственной пластинкой размыта, линейные зоны гипоинтенсивного сигнала характеризуют наличие отека тканей, яркие зоны с повышенной интенсивностью сигнала говорят о развитии склеротического процесса (рис. 4).
На большинстве изображений 3-й группы не удавалось визуализировать эпителий как отдельный оптический слой. Слой собственной пластинки оказался практически однородным, почти невозможно было детектировать железы. Границы между слоями не определялись. Регистрировалось быстрое затухание сигнала (рис. 5).
В целях разработки критериев автоматизированного распознавания патологии слизистой оболочки полости носа по ОКТ-изображениям были проанализированы значения параметров аппроксимации для аналитической функции (1) для всех групп пациентов (рис. 6). Как можно видеть, величина b2, отвечающая за положение второго пика, практически не различается для различных групп, тогда как величина a2, характеризующая величину второго пика, имеет существенный разброс для всех групп. В связи с этим наиболее логичным выглядит использование величины c2 как критерия для отнесения ОКТ-изображения к одному из классов.
Для определения численного критерия отнесения изображения к определенному классу при анализе величины с2 применялся метод k-средних (k-means) в реализации программного пакета MATLAB. Данный метод позволяет осуществить разбиение множества элементов векторного пространства на заданное число кластеров. Действие алгоритма основано на итеграционном пересчете центра масс каждого кластера посредством минимизации среднеквадратичного отклонения точек от центров кластеров.
С помощью данного метода набор величин с2 разбивался на два кластера для двух задач классификации: дифференцировка нормы и патологии, дифференцировка атрофии и других случаев (норма +гипертрофия).
В случае «норма/патология» чувствительность и специфичность составили 89 и 65% соответственно, в случае «атрофия/(норма + гипертрофия)» — 87 и 80% соответственно.
Заключение
В настоящем исследовании показано, что ОКТ позволяет не только неинвазивно в режиме реального времени оценить внутреннюю структуру слизистой оболочки нижней носовой раковины, но и дифференцировать патоморфологические особенности различных форм Х.Р. Использование численной обработки изображений, основанной на анализе гистограмм, объективизирует получаемую информацию, тем самым повышая чувствительность метода. Выполнение ОКТ-исследования комплементарно стандартным диагностическим процедурам даст возможность улучшить дифференциальную диагностику различных форм изучаемой патологии и оптимизировать выбор лечебной тактики.
На наш взгляд, необходимо продолжить разговор о дальнейшем развитии метода. Учитывая различные морфологические варианты гипертрофического ринита, мы надеемся найти ОКТ-критерии не только гипертрофии, но и ее форм. Что же касается продемонстрированной нами возможности ОКТ «видеть» различные патологические состояния, то данный метод явно уместно использовать в ринологии — как в диагностике, так и для мониторинга лечения.
Благодарность
Работа выполнена при поддержке Российского научного фонда (проект 17−15−01264).
Авторы заявляют об отсутствии конфликта интересов.
The authors declare no conflicts of interest.
Участие авторов:
Концепция и дизайн исследования: М.Ш., М.К., А.Ш.
Сбор и обработка материала: М.Ш., А.М., М.К., Д.К., Н.С.
Статистическая обработка: Д.К., Н.С.
Написание текста: М.Ш., М.К.
Редактирование: А.Т., А.Ш.
Сведения об авторах
Шахова М.А. — SPIN РИНЦ 3133-5958; Author ID: 893652; e-mail: maha-shakh@yandex.ru
Меллер А.Е. — SPIN РИНЦ: 3753-6194; Author ID: 938293; e-mail: mellalina@mail.ru
Соловьев Н.А. — e-mail: unn@unn.ru
Терентьева А.Б. — SPIN РИНЦ 8238-1253; Author ID: 180307; e-mail: anna-t-nn@mail.ru
Шахов А.В. — Author ID: 139853; e-mail: shakhovav54@yandex.ru
Куракина Д.А. — SPIN РИНЦ: 1709-3759; Author ID: 1000685
Кириллин М.Ю. — SPIN РИНЦ: 1353-1787; Author ID: 153037; e-mail: kirillin@ufp.appl.sci-nnov.ru
Автор, ответственный за переписку: Шахова М.А. — e-mail: maha-shakh@yandex.ru
Шахова М.А., Меллер А.Е., Соловьев Н.А., Терентьева А.Б., Шахов А.В., Куракина Д.А., Кириллин М.Ю. Дифференциальная диагностика различных форм хронического ринита на основе данных оптической когерентной томографии. Российская ринология. 2019;27(3):127-133. https://doi.org/10.17116/rosrino201927031