доктор медицинских наук, профессор, заведующая кафедрой офтальмологии
394036, г. Воронеж, ул. Студенческая, 10, Россия
Dr. Sc. (Med.), Professor, Head of the Ophthalmology Department
аспирант кафедры офтальмологии; врач-офтальмолог
394036, г. Воронеж, ул. Студенческая, 10, Россия
123098, г. Москва, ул. Маршала Новикова, 23, Россия
Postgraduate at the Ophthalmology Department; Ophthalmologist
Studencheskaya str. 10, Voronezh 394036, Russian Federation
Marshala Novikova str. 23, Moscow 123098, Russian Federation
В экономически развитых странах возрастная макулярная дегенерация (ВМД) – лидирующая причина инвалидности по зрению среди населения старшей возрастной группы. Основным критерием для назначения анти-VEGF (vascular endothelial grow factor) терапии при неоваскулярно й ВМД является активность хориоидальной неоваскуляризации (ХНВ), которая определяется её конфигурацией. Продолжаются поиски оптимальных критериев для количественной оценки состояния макулярной области для решения вопроса о назначении анти-VEGF терапии.Цель: повышение эффективности диагностики и лечения ВМД на основе оценки конфигурации сосудистых сетей на платформе «Ключ к диагнозу II».Материал и методы. В исследование включён 341 пациент: 64 % (218 пациентов, 267 глаз) – с сухой формой ВМД; 36 % (123 пациента, 174 глаза) – с влажной. У 56 пациентов (58 глаз) была отмечена активная ХНВ I типа. Группа 1А – активные ХНВ до лечения (9 пациентов, 9 глаз), группа 1Б – неактивные ХНВ после лечения анти-VEGF препаратами (9 пациентов, 9 глаз); контроль – 10 пациентов (10 глаз) без ВМД. Анализ ОКТ-ангио-изображений хориокапилляров включал выделение ХНВ, расчёт её площади, Df, сложности сосудистой сети (ССС).Результаты. Группа 1А: Df – 1,5871 ± 0,05, ССС – 2,29 ± 0,29, площадь – 11734 ± 4866; группа 1Б: Df – 1,6462 ± 0,08, ССС – 1,65 ± 0,18, площадь – 6797 ± 3818; контроль: Df – 1,9167 ± 0,06, ССС – 1, площадь – 0. Статистически значимые различия были выявлены только для ССС (р = 0,0003). Df коррелирует с площадью ХНВ (р = 0,7), вероятно является недостоверным параметром в связи с неполной визуализацией активных ХНВ.Выводы. ССС является количественным биомаркером для определения активности ХНВ 1-го типа у пациентов с ВМД и может служить параметром для обучения свёрточных нейронных сетей для автоматизированного анализа изображений ОКТ-ангиографии на базе платформы «Ключ к диагнозу II».
Background. In economically developed countries, age-related macular degeneration (AMD) is the leading cause of visual disability among the population of the older age group. The main criterion for the anti-VEGF treatment of neovascular AMD is the activity of choroidal neovascularization (CNV), which is determined by its confi guration. The search for optimal criteria for quantifying the state of the macular region in order to decide on the appointment of anti-VEGF therapy continues.Aim: improving the effi ciency of diagnosis and treatment of AMD based on the assessment of the configuration of vascular system on the “Key to Diagnosis II” platform.Material and methods. The study included 341 patients: 64 % (218 patients, 267 eyes) with non-neovascular AMD, 36 % (123 patients, 174 eyes) – with neovascular AMD. 56 patients (58 eyes) had active type I CNV. Group 1A – active CNV before treatment (9 patients, 9 eyes), group 1B – non-active CNV after treatment with antiVEGF (9 patients, 9 eyes); control group – 10 patients (10 eyes) without AMD. Analysis of OCT-angio images of choriocapillaries included the isolation of CNV, its area, fractal dimension (Df) and the complexity of the vascular system (CVS) counting.Results. Group 1A: Df – 1.5871 ± 0.05, CVS – 2.29 ± 0.29, area – 11734 ± 4866; group 1B: Df – 1.6462 ± 0.08, CVS – 1.65 ± 0.18, area – 6797 ± 3818; control: Df – 1.9167 ± 0.06, CVS – 1, area – 0. Significant differences were found for CVS (p = 0.0003). Df correlates with the CNV area (p = 0.7) and is probably an unreliable parameter due to incomplete visualization of active CNV.Conclusions. CVS is a quantitative biomarker for determining the activity of type 1 CNV in patients with AMD and can serve as a parameter for convolutional neural networks training for automated analysis of OCT angiography images based on the “Key to Diagnosis II” platform
The authors declare that there are no conflicts of interest present.