Прогрессирование глаукомы, являющейся одной из ведущих причин слепоты, часто протекает бессимптомно. Это диктует необходимость ранней диагностики с прогнозированием скорости прогрессирования глаукомной оптической нейропатии (ГОН).

ЦЕЛЬ ИССЛЕДОВАНИЯ

Разработать с помощью методов машинного обучения модель классификации для прогнозирования скорости прогрессирования ГОН и определить наиболее значимые предикторы прогрессирования у пациентов с впервые выявленной первичной открытоугольной глаукомой (ПОУГ) в начальной стадии.

МАТЕРИАЛ И МЕТОДЫ

В исследование включены 59 пациентов (59 глаз) с начальной ПОУГ, распределенных на три группы по скорости прогрессирования ГОН на основании экспертной оценки данных динамического морфофункционального обследования в течение 36 мес. Для построения модели, включающей 35 клинических показателей (в том числе основанных на результатах оптической когерентной томографии (ОКТ) и ОКТ-ангиографии (ОКТ-А)), использовался дискриминантный анализ на основе частичных наименьших квадратов PLS-DA (Partial Least Squares — Discriminant Analysis).

РЕЗУЛЬТАТЫ

В течение 36 мес наблюдения медленное прогрессирование ГОН зарегистрировано у 21 пациента, умеренное — у 18 и быстрое — у 20. Средняя скорость прогрессирования по полям зрения составила −0,77±1,27%/год, по толщине слоя нервных волокон сетчатки (СНВС) — −1,21±1,48 мкм/год, по толщине ганглиозного комплекса сетчатки (ГКС) — −1,23±1,77 мкм/год. Модель показала чувствительность, равную 90%, специфичность 95% и эффективность 92%. Выявлены наиболее значимые предикторы прогрессирования ГОН: средняя плотность сосудов в глубоком сосудистом сплетении макулярной зоны (vessel density, wiVD_Deep), выпадение хориокапилляров в нижненосовом квадранте перипапиллярной зоны, толщина хориоидеи в фовеа и толщина решетчатой мембраны склеры.

ЗАКЛЮЧЕНИЕ

Разработанная модель позволяет эффективно классифицировать пациентов по прогнозируемой скорости прогрессирования ГОН, что важно для планирования индивидуального лечения.