Detection of Disease Progression in Advanced Glaucoma

青光眼诊断领域中迫切的未满足的需求是找到客观检测青光眼的方法。 疾病恶化或预测患有晚期疾病的眼睛的视野（VF）进展。 眼 晚期青光眼有丧失剩余视力和失明的高风险。 视网膜神经纤维层 （RNFL）和视神经乳头测量达到其测量下限，因为青光眼进展超过 早期阶段因此，中央VF的功能评估是目前监测晚期VF的主要工具， 青光眼 我们的中心假设是黄斑视网膜神经节细胞（RGC）/轴突的评估， 复合物可以导致自最后一个RGC消失以来改善疾病进展的检测或预测 在青光眼中存在于中央视网膜（黄斑）。 我们将在一组青光眼患者中检验这一假设 受试者刚刚达到5年的随访，并在不同的青光眼队列中验证我们的方法， 名正常人 目标1。 黄斑厚度测量是否能够更早地检测到变化， 晚期青光眼中RNFL指标的信号比较？我们将测量全球和全球范围内的进展率， 贝叶斯分级框架内的局部黄斑和RNFL测量。 我们将比较 黄斑和RNFL测量的进展眼/区域/扇区与正常眼的比率和比例 并解释了不同的规模，年龄相关的衰变，和治疗。 目标2A。 黄斑OCT厚度 改变证实并预测晚期青光眼中央VF的改变？ 我们估计 纵向/时间结构-贝叶斯联合分层纵向建模的功能关系 黄斑OCT和中心10° VF测量。这些模型将决定是否存在同时期的 或OCT和VF的滞后恶化。 我们将评估基线疾病严重程度、治疗的影响 和其他的协变量。 我们还将比较联合黄斑/中央VF 联合RNFL和24° VF模型，并开发1至4年的功能预测模型 吧 目标2B 为了验证预测模型的性能，我们将前瞻性地启动第二个 符合相似入选标准并按年龄、性别 种族和基线青光眼严重程度。 我们将比较VF点预测（例如， 一次或两次访视步骤 前）到观察到的VF数据。目标3。开发用于结合黄斑结构和功能数据的软件 真实的实时地作为检测或预测进展的临床工具。 它将为临床医生提供 结构/功能变化率和相对于基线的结构“阶跃”变化，以及 预测功能变化的分布应用程序提供的信息可以在 临床经验，以作出关于青光眼持续管理的决定。 广泛的真实的实时使用 我们的软件将显着改善疾病监测和进行性疾病的及时治疗 青光眼通过先进的阶段，并将有助于减少视力残疾青光眼。

A pressing unmet need in the field of glaucoma diagnostics is to find methods for objective detection of  disease  worsening  or  prediction  of  visual  field  (VF)  progression  in  eyes  with  advanced  disease.  Eyes  with  advanced  glaucoma  are  at  high  risk  of  losing  the  remaining  vision  and  blindness.  Retinal  nerve  fiber  layer  (RNFL)  and  optic  nerve  head  measures  reach  their  measurement  floor  as  glaucoma  progresses  beyond  the  early stages. Hence, functional assessment of the central VF is currently the main tool for monitoring advanced  glaucoma.  Our  central  hypothesis  is  that  assessment  of  the  macular  retinal  ganglion  cell  (RGC)/axonal  complex can lead to improved detection or prediction of disease progression since the last RGCs to disappear  in  glaucoma  reside  in  the  central  retina  (the  macula).  We  will  test  this  hypothesis  in  a  cohort  of  glaucoma  subjects  just  reaching  5  years  of  follow-­up  and  validate  our  methods  in  separate  cohorts  of  glaucoma  and  normal  subjects.  Aim  1.  Are  macular  thickness  measures  able  to  detect  change  earlier  and  with  a  stronger  signal compared to RNFL measures in advanced glaucoma? We will measure progression rates for global and  local  macular  and  RNFL  measures  within  a  Bayesian  hierarchical  framework.  We  will  compare  progression  rates  and  the  proportion  of  progressing  eyes/regions/sectors  for  macular  and  RNFL  measures  to  normal  eyes  and  account  for  differing  scales,  age-­related  decay,  and  treatment.  Aim  2A.  Can  macular  OCT  thickness  changes  confirm  and  predict  changes  in  central  VFs  for  advanced  glaucoma?  We  will  estimate  longitudinal/temporal  structure-­function  relationships  with  Bayesian  joint  hierarchical  longitudinal  modeling  of  macular OCT and central 10° VF measures. These models will determine whether there is a contemporaneous  or  lagged  deterioration  of  OCT  and  VF.  We  will  assess  the  influence  of  baseline  disease  severity,  treatment  and  other  covariates  on  these  joint  longitudinal  models.  We  will  also  compare  the  joint  macular/central  VF  models  to  joint  models  of  RNFL  and  24°  VFs  and  develop  functional  prediction  models  from  1  to  4  years  ahead.  Aim  2B.  To  validate  the  performance  of  prediction  models,  we  will  initiate  a  second  prospectively  enrolled cohort of patients meeting similar inclusion criteria and matched to the original cohort by age, gender,  ethnicity  and  baseline  glaucoma  severity.  We  will  compare  VF  point  predictions  (e.g.,  one-­  or  two-­visit  step  ahead) to the observed VF data. Aim  3. Develop software for combining macular structural and functional data  in  real  time  as  a  clinical  tool  for  detection  or  prediction  of  progression.  It  will  provide  clinicians  with  structural/functional  rates  of  change  and  structural  ‘step’  changes  from  baseline,  and  the  probability  and  distribution of  predicted  functional  changes  The  information provided  by  the application  can  be  used  during a  clinical  encounter  to  make  decisions  regarding  ongoing  management  of  glaucoma.  Widespread  real-­time  use  of our software will result in significant improvements in disease monitoring and timely treatment of progressive  glaucoma through advanced stages and will help reduce visual disability from glaucoma.