La evolución en el examen de campo visual portátil

Autor: Dr. Robert Chang, MD, Palo Alto, California

(Este artículo fue traducido, adaptado e impreso con autorización exclusiva del grupo de revistas de Review de Jobson Medical Information. Su reproducción está prohibida).

Innovadora tecnología está facilitando la revisión de la función visual en casa, utilizando métodos portátiles y virtuales.

La idea de examinar los campos visuales fuera del consultorio no es nueva. Sin embargo, la novedosa tecnología está haciendo que sea más fácil controlar la función visual de manera más fiable en casa. Idealmente, esto facilitaría la vigilancia de presuntos pacientes o sospechosos con glaucoma estable o controlado, para reducir el número total de visitas al consultorio por año. Las soluciones innovadoras se han desplazado desde el Internet y las pruebas basadas en las de escritorio, hacia métodos más portátiles y virtuales que ayudan a reducir las pérdidas de fijación, mejorar la participación y posiblemente ayudar a reestructurar el paradigma del examen de campo visual repetible, especialmente en entornos de bajos recursos. Aquí damos un vistazo al estado actual de las pruebas de campo visual “en casa”.

Figura 1. Melbourne Rapid Fields es una aplicación para iPad que usa un objetivo de fijación móvil para examinar hasta 30 grados de campo.

Las ventajas
Mientras que los campos visuales siguen siendo el estándar de oro para el monitoreo de la función visual, la máquina de perimetría es un gran tazón cuidadosamente calibrado que se usa mayormente en un entorno de consultorio y normalmente es administrado por un perimetrista para ayudar a los pacientes a mantener la atención. Por desgracia, esta prueba estándar de oro, que es altamente subjetiva, no puede repetirse tan a menudo como los médicos quisieran. Hay problemas con la atención del paciente, fatiga, comprensión, aburrimiento, etc., y normalmente, los pacientes solo realizan uno o dos campos por año en el consultorio (o incluso menos si perdieron el seguimiento). Por lo tanto, sería bueno tener una forma para que los pacientes se examinen a sí mismos, según su propia conveniencia, para llenar los vacíos.   

Los datos adicionales serían útiles en dos situaciones principales: 

Para asegurar que un sospechoso de glaucoma todavía es normal y,

Para evaluar si un paciente con glaucoma está progresando. 

Por supuesto, el examen en el consultorio podría seguir siendo necesario para pruebas confirmatorias y recomendaciones de tratamiento, pero una forma más rápida y más sencilla de prueba autoadministrada fuera del consultorio, puede ser usada como un método de chequeo, para ayudar a determinar si los pacientes necesitan volver al especialista.

Muchos pacientes con glaucoma rutinariamente ven al doctor en una programación, de cada tres, seis o doce meses, dependiendo del nivel de riesgo o de la etapa de la enfermedad. Las pruebas en el hogar ofrecen la posibilidad de monitoreo remoto y habilitan el cuidado por tele-glaucoma. (Ver figura 1)

¿Una posible desventaja?

Los campos visuales por sí mismos, ya sea en el consultorio o en la casa, normalmente no proporcionan suficientes datos clínicos como para gestionar pacientes con glaucoma, a pesar de que actúan como un punto final clínico. Los especialistas también revisan los factores de riesgo del glaucoma, apariencia del nervio óptico, la presión intraocular, imagen macular estructural y de la capa de fibra nerviosa y un examen completo de los ojos. Si los datos del campo visual portátil fueron confiables, como para hacer el diagnóstico de la progresión, el diagnóstico podría llegar demasiado tarde, ya que el glaucoma es irreversible e identificar la progresión antes de las pérdidas en el campo es primordial. Sabiendo esto, es imperativo seguir examinando a un paciente de glaucoma en intervalos programados regularmente en el consultorio. Además, a veces demasiados datos adicionales producen ruido, crean trabajo adicional al interpretar los resultados de las pruebas, e incluso pueden ser más costosos, si hay pruebas excesivas.

Figura 2. Una limitación del uso de dispositivos portátiles para realizar pruebas de campo visual, es la imposibilidad de controlar la fijación y la distancia desde el ojo hasta la pantalla. Los dispositivos de realidad virtual pueden resolver esos problemas a través de la fijación ajustable mediante el seguimiento de la mirada.

La inteligencia artificial

Los investigadores están estudiando cómo aplicar algoritmos de inteligencia artificial para todo tipo de resultados de pruebas oftálmicas con la mayor parte del reciente entusiasmo centrado en el aprendizaje profundo (Deep Learning). Varias publicaciones han analizado la automatización de la interpretación del campo visual para la detección de glaucoma.1-4

Si bien los médicos actualmente planean el análisis de la progresión del glaucoma de campo visual, usando un índice de función visual basado en el análisis de eventos y tendencias relativo a una base de datos normativa, uno se puede imaginar que, con más datos, los algoritmos pudieran optimizar la comparación entre pacientes de similar gravedad, o con el mismo punto de partida, disponiendo así de una mejor analítica predictiva. Adicionalmente, cuando algunos factores de riesgo cambian, las pruebas auto dirigidas y por fuera del consultorio, permiten realizar pruebas repetidas adicionales y concentradas en ese momento, para tomar una decisión más informada sobre el tiempo o la tasa de riesgo/ventaja acerca de una intervención terapéutica acordada.

Por último, aun en el caso de que un sencillo test portátil y de baja resolución no sea tan preciso como un examen estándar de oro de alta resolución, en el consultorio, todavía hay valor en la recopilación de un gran volumen de datos de baja resolución. Agregar más datos durante un largo periodo de tiempo puede ser realmente más predictivo que la menor cantidad de datos de alta calidad que sólo se adquirieron durante la visita anual o semestral en el consultorio. (Ver figura 2)

Pruebas portátiles

Los campos visuales portátiles continúan evolucionando con la llegada de las tabletas, teléfonos inteligentes y dispositivos de realidad virtual. Algunas de las pruebas más notables, tanto en el pasado como en el presente, son las siguientes:

La prueba de desplazamiento de movimiento de Moorfields. Uno de los primeros exámenes portátiles del campo visual fue la “prueba de desplazamiento de movimiento de Moorfields”. Desarrollada en un computador portátil, la prueba de Moorfields fue diseñada para la velocidad y facilidad de uso del paciente. En la prueba, los pacientes vieron 32 líneas blancas sobre un fondo gris mientras se fijaban en el centro. Cuando cualquiera de las líneas se movía o “serpenteaba”, el paciente podía hacer click en un botón. La prueba de dos minutos podía completarse sin gafas e incluso estando presente una catarata. Aunque la prueba de Moorfields ya no está disponible, representó el esfuerzo inicial para alejarse de un perímetro basado en el consultorio y en las pantallas de las computadoras existentes, una prueba que podía ser administrada tanto en línea como offline. (Otras estrategias perimétricas computarizadas similares incluyen perimetría Rarebit, Peristat y campimetría).

Prueba rápida de campos Melbourne. El Dr. George Kong creó el Visual Field Easy (https://itunes.apple.com/us/app/visualfields-easy/id495389227), una aplicación gratuita para iPad, ahora conocida como prueba  Melbourne Rapid Fields. La prueba Melbourne aprovecha un objetivo de fijación móvil para aumentar efectivamente el área de superficie de la tableta para examinar hasta 30 grados de campo. Varios estudios publicados han validado el dispositivo como una herramienta de examen similar a un perímetro tangente.5-7 

La prueba Melbourne denota un cambio hacia la portabilidad de las pruebas de campo visual, gracias a la llegada de los iPads que volvieron el software más portátil. Es fácil de usar, de bajo costo y puede utilizarse en cualquier lugar, lo cual es una gran ventaja en ubicaciones remotas. A lo largo del tiempo, el umbral de la estrategia de pruebas, el tamaño del estímulo y el contraste de la pantalla han sido normalizados a través de las tabletas.

Figura 3. Con la realidad virtual, no importa a dónde mire el paciente, el estímulo puede ser mostrado en relación a la fijación de ese momento. Los giróscopos pueden ser tenidos en cuenta para el movimiento de la cabeza y el entorno inmersivo puede mejorar la participación del usuario.

Un estudio reciente realizado por el australiano, Selwyn Prea, BOptom, Mphil, y sus colegas incluyó 60 pacientes; se realizó para comparar la repetibilidad de la prueba Melbourne vs. el analizador de campo Humphrey y los programas SITA Standar y SITA Fast. Los investigadores descubrieron que la prueba Melbourne tenía buena reproducibilidad, la prueba y su repetición se correlacionaron fuertemente con la prueba de Humphrey en cuatro visitas durante seis meses.6 

En términos de velocidad, Melbourne fue similar a SITA-fast y fue, significativamente, más rápido que SITA-standard (MRF 4,6 ±0,1 minutos vs. SITA-fast de 4,3 ±0,2 minutos vs. SITA estándar de 6,2 ±0,1 minutos, p<0,001).6 La prueba Melbourne resultó ser muy repetible, con coeficientes de correlación intraclase (con un valor de 1 siendo una correlación perfecta) para la base de referencia y la visita de seis meses siendo 0,98, frente a 0,95 y 0,93 para la SITA-fast y SITA-standar, respectivamente.6

Prueba de visión periférica de realidad virtual. Una de las principales limitaciones en el uso de dispositivos portátiles para realizar pruebas de campo visual, es la imposibilidad de controlar la fijación y la distancia desde el ojo hasta la pantalla. Los dispositivos de realidad virtual pueden resolver esos problemas a través de la fijación ajustable mediante el seguimiento de la mirada. Con la realidad virtual, no importa a dónde mire el paciente, el estímulo puede ser mostrado en relación a la fijación en ese momento. Los giróscopos pueden ser tenidos en cuenta para el movimiento de la cabeza y el entorno inmersivo puede mejorar la participación del usuario. Los auriculares de realidad virtual pueden aprovechar los teléfonos inteligentes y probar fácilmente cada ojo sin necesidad de tapar el otro.

Hay múltiples aplicaciones móviles de realidad virtual baratas y ligeras y plataformas de software, que están disponibles o en desarrollo, tales como Vivid Vision, VirtualEye Perimeter, MicroMedical Devices’ PalmScan VF2000 (https://micromedinc.com/our-devices/palmscan-vf2000-visual-field-perimeter/) y Elisar eCloud Perimeter (https://www.elisar.com/). Estas aplicaciones pueden ser utilizadas con una variedad de controles para la introducción de datos. (Ver figura 3)

Uno de los primeros estudios de realidad virtual realizado por  Stylianos Tsapakis y colegas en Atenas, encontraron una alta correlación entre la fiabilidad de las pruebas de campo visual utilizando un sistema de prueba de realidad virtual que ellos mismos desarrollaron y la prueba de Humphrey.8 Los 24 grados centrales del campo visual se probaron en 20 ojos de 10 pacientes que usaban anteojos de realidad virtual, un teléfono inteligente con pantalla de 6 pulgadas y un software que implementó un algoritmo de escalera escalonada de 3 dB de umbral rápido. Los resultados fueron comparados con aquellos que usaron la prueba de perímetro de Humphrey en el mismo grupo de pacientes, lo cual resultó en un coeficiente de correlación r=0.808 (p<0.0001).8

El siguiente nivel de mejora sobre la prueba de campo visual de realidad virtual sería eliminar el aspecto subjetivo del click para indicar cuándo se ve un estímulo visual. ¿Podría existir una forma para detectar la respuesta de un paciente a un determinado estímulo a través del cerebro, sin ningún aporte? Este es el objetivo de nGoggle, una interfaz cerebro-ordenador portátil (como un electroencefalograma) que detecta la función visual a través de las respuestas eléctricas grabadas directamente desde la corteza visual. 

En un estudio con nGoggle, los investigadores (algunos de los cuales tienen un interés financiero en nGoggle Inc.) buscaron evaluar objetivamente la pérdida de la función visual en 62 ojos de 33 pacientes con glaucoma. Cada sujeto se sometió a una prueba de campo visual usando el nGoggle y una prueba de perimetría automatizada estándar durante el transcurso de tres meses. El nGoggle pudo distinguir entre ojos sanos y aquellos con neuropatía glaucomatosa.9 Los investigadores midieron valores como las curvas características operativas del receptor que resumen la precisión diagnóstica, los coeficientes de correlación intraclase y los coeficientes de variación para evaluar la repetibilidad. El área de la curva ROC para el mfSSVEP de nGoggle (Potencial Visual Multifocal Evocado) fue de 0.924 (95% CI: 0.863-0.964), que fue mayor que SAP MD (AUC=0,813; IC del 95%: 0.716-0.896), SAP MS (AUC=0.797; 95% CI: 0.687-0.880; p=0.030) y SAP PSD (AUC=0.768; 95% CI: 0.657-0.858; p=0.012).9

A medida que el incipiente campo de pruebas del campo visual portátil continúa desarrollándose, nos hace recordar el importante papel que los avances tecnológicos juegan en la activación de nuevos diagnósticos y que no deben limitarse al consultorio médico. Estas nuevas mejoras pueden hacer que los exámenes del campo visual sean más interesantes, rápidos y  fiables. Avanzar mientras se generan datos visuales más funcionales va a ser útil para cuantificar las tasas de progresión con mayor precisión, para que coincidan con intervenciones planeadas de forma óptima. Los algoritmos automatizados continuarán mejorando a medida que nos adentramos en la era de los grandes datos, impulsados por dispositivos portátiles conectados a Internet.   

El Dr. Robert Chang, es oftalmólogo del Byers Eye Institute, en Stanford Eye Institute. 


Referencias

Kucur S, Holló G, Sznitman R. A deep learning approach to automatic detection of early glaucoma from visual fields. PLoS One 2018;13:11:e0206081. doi: 10.1371/journal.pone.0206081. eCollection 2018.

Ting DSW, Pasquale LR, Peng L, Campbell JP, Lee AY, Raman R, Tan GSW, Schmetterer L, Keane PA, Wong TY. Artificial intelligence and deep learning in ophthalmology. Br J Ophthalmol 2019;96:103:167-175. 

Li F, Wang Z, Qu G, Song D, Yuan Y, Xu Y, Gao K, Luo G, Xiao Z, Lam DSC, Zhong H, Qiao Y, Zhang X. Automatic differentiation of glaucoma visual field from non-glaucoma visual filed using deepconvolutional neural network. BMC Med Imaging 2018;18:1:35. 

Asaoka R, Murata H, Iwase A, Araie M. Detecting preperimetric glaucoma with standard automated perimetry using a deep learning cassifier. Ophthalmology 2016;123:1974-80. 

Johnson CA, Thapa S, George Kong YX, Robin AL. Performance of an iPad application to detect moderate and advanced visual field loss in Nepal. Am J Ophthalmol 2017;141:182:147-154. 

Prea SM, Kong YXG, Mehta A, He M, Crowston JG, Gupta V, Martin KR, Vingrys AJ. Six-month longitudinal comparison of a portable tablet perimeter with the Humphrey Field Analyzer. Am J Ophthalmol 2018;190:9-16. 

Vingrys AJ, Healey JK, Liew S, Saharinen V, Tran M, Wu W, Kong GY. Validation of a tablet as a tangent perimeter. Transl Vis Sci Technol 2016;5:4:3. eCollection 2016 Jul.

Tsapakis S, Papaconstantinou D, Diagourtas A, Droutsas K, Andreanos K, Moschos MM, Brouzas D. Visual field examination method using virtual reality glasses compared with the Humphrey perimeter. Clin Ophthalmol 2017;11:1431-1443

Nakanishi M, Wang YT, Jung TP, Zao JK, Chien YY, Diniz-Filho A, Daga FB, Lin YP, Wang Y, Medeiros FA. Detecting glaucoma with a portable brain-computer interface for objective assessment of visual function loss. JAMA Ophthalmol 2017;135:6:550-557.

0 Comments

Leave a Comment

veinte − 19 =

Login

Welcome! Login in to your account

Remember me Lost your password?

Lost Password