The World Health Organization estimates that there are 285 million people suffering from visual impairment worldwide. The top two causes of uncorrectable vision loss are glaucoma and age-related macular degeneration (AMD), with 112 million people anticipated to be impacted by glaucoma by 2040 and nearly 15% of U.S. adults aged 43-86 predicted to be diagnosed with AMD over the next 15 years. To slow the progression of these ophthalmic diseases, the most valuable preventive action is timely detection and treatment by an ophthalmologist. However, over 50% of glaucoma cases go undetected due to lack of timely assessment by a medical expert. This thesis seeks to transform artificial intelligence (AI) into a trustworthy partner to clinicians, aiding in expediting diagnostic screening for obvious cases and serving as corroboration/a ‘second opinion’ in ambiguous cases. In order to develop AI algorithms that can be trusted as team-mates in the clinic, the AI must be robust to data collected at various sites/from various patient populations, its decision-making mechanisms must be explainable, and to benefit the broadest population (for whom expensive imaging equipment and/or specialist time may not be available), it must be portable. This thesis addresses these three challenges (1) by developing and evaluating robust deep learning (DL) algorithms for detection of glaucoma and AMD from data collected at multiple sites or using multiple imaging modalities, (2) by making AI interpretable, through: (a) comparison of image concepts used by DL systems for decision-making with image regions fixated upon by human experts during glaucoma diagnosis, and (b) through odds ratio ranking of clinical biomarkers most indicative of AMD risk used by both experts and AI, and (3) by enhancing theimage quality of data collected via a portable OCT device using deep-learning based super-resolution generative adversarial network (GAN) approaches. The resulting robust deep learning algorithms achieve accuracy as high as 95% at detection of glaucoma and AMD from optical coherence tomography (OCT) and OCT angiography images/volumes. The interpretable AI-concept/expert-eye-movement comparison showed the importance of three OCT-report sub-regions used by both AI and human experts for glaucoma detection. The pipeline described here for evaluating AI robustness and validating interpretable image concepts used by deep learning systems in conjunction with expert eye movements has the potential to help standardize the acceptance of new AI tools for use in the clinic. Furthermore, the eye movement collection protocols introduced in this thesis may also help to train current medical residents and fellows regarding key features employed by expert specialists for accurate and efficient eye disease diagnosis. The odds ratio ranking of AMD biomarkers distinguished the top two clinical features (choroidal neovascularization and geographic atrophy) most indicative of AMD risk that are agreed upon by both AI and experts. Lastly, GAN-based super-resolution of portable OCT images boosted performance of downstream deep learning systems for AMD detection, facilitating future work toward embedding AI algorithms within portable OCT systems, in order for a larger population to gain access to potentially sight-saving technology. By enhancing AI robustness, interpretability, and portability, this work paves the way for ophthalmologist-AI teams to achieve augmented performance compared to human experts or AI alone, leading to expedited eye disease detection, treatment, and thus better patient outcomes.

Glaucoma é uma neuropatia óptica cuja progressão gera comprometimento no campo visual e cegueira. Devido aos danos irreversíveis, a identicação precoce e correta é vital para o controle da progressão da doença. Para diagnóstico de glaucoma , oftalmologistas analisam dados de campo visual e da anatomia ocular obtidos através de testes. Para reduzir a quantidade de resultados falso negativos e falso positivos, diversas técnicas tem sido desenvolvidas para incrementar a sensibilidade e especicidade dos testes diagnósticos de glaucoma. Para aplicações médicas, existem estudos que indicam como uma abordagem promissora o uso de classicadores de aprendizagem de máquina baseados em diferentes conceitos como Árvores de Decisão, Redes Neurais Articiais e abordagem Bayesiana. Apesar da disponibilidade de sosticados algoritmos para desenvolvimento de classicadores, o sucesso do treinamento destes classicadores é altamente dependente de dados de qualidade. Dados de qualidade signicam que os exemplos fornecidos para treinamento devem representar a maior quantidade possível de situações encontradas no mundo real. Estes requisitos são normalmente atendidos se dados de uma grande quantidade de pacientes estiver disponível. Entretanto, diversos fatores como o perl da população avaliada, a duração das tarefas de coleta de dados, disponibilidade de equipamentos e de prossionais de saúde, além do comprometimento dos pacientes com o programa de pesquisa, restringem o tamanho do conjunto de dados. Uma possível estratégia para resolver o problema da escassez de dados para a tarefa de treinamento dos classicadores é o emprego de dados articiais que representam populações reais. Estes dados articiais serão adequados ao treinamento dos classicadores se possuírem características estatísticas de populações reais. O uso de populações articiais possibilitará a criação de conjuntos de dados com número adequado de pacientes, sem gastar anos coletando dados. Neste trabalho é apresentado um gerador de dados articiais denominado GLOR, baseado em um método de Monte Carlo, que é adequado ao treinamento de classicadores para o diagnóstico de glaucoma. A população gerada é caracterizada por dados funcionais e estruturais fornecidos pelos instrumentos de perimetria computadorizada padrão ou Standard Automated Perimetry (SAP) e tomograa de coerência óptica de alta denição ou High Denition Optical Coherence Tomography (HD-OCT). Os resultados experimentais, obtidos após o treinamento de uma Rede Neural Articial empregando população gerada pelo GLOR contendo 4500 indivíduos normais e 500 glaucomatosos e avaliação com dados de uma população real formada por 44 indivíduos normais e 26 glaucomatosos, foram: acurácia total de 87,1%, sensibilidade de 80,8%, especicidade de 90,9% e área sob curva ROC de 0,941. Tais resultados indicam que o GLOR pode ser empregado satisfatoriamente no desenvolvimento de novos métodos que possam elevar a sensibilidade e especicidade no diagnóstico de glaucoma. / Glaucoma is an optical neuropathy, whose progression results in visual eld impairments and blindness. Due to its irreversible damages, early and correct identication is very important to control glaucoma\'s progression. For glaucoma diagnosis, ophthalmologists analyze patient\'s visual eld and eyes structural data obtained by using eyes\' test equipments. In order to reduce the quantity of false-negative and false-positive results, several new techniques have been developed to increment the sensitivity and specicity of glaucoma diagnostic tests. A promising approach is the use of machine learning classiers. Classiers based on dierent concepts like Decision Trees, Articial Neural Networks, and Bayesian approach, have been developed for medical applications. Despite the availability of sophisticated algorithms for classiers development, successful training of classiers is highly dependent of good training data. Good data means that examples provided for classier training should represent the many dierent situations found in real world. These requirements are usually accomplished if data from a large number of patients is available. However, several factors like prole of evaluated population, duration of the data acquisition activities, existence of healthcare professionals, and equipment availability, and people\'s commitment to the research program, restrict the size of patient\'s dataset. A possible approach to overcome the lack of patient\'s data to perform the classier\'s training task is to use articial data that represent a real population. This articial data would be suitable for classiers training if it has similar statistical properties of a real population. The use of articial population will enable the creation of datasets with required number of patients, and without spending years measuring patients. It will also be possible to simulate scenarios and strategies before a long term research program starts. In this work is presented an articial data generator named GLOR, based on a Monte Carlo method, and suitable for the training of classiers for glaucoma diagnosis. The generated population is characterized by eyes\'functional and structural data provided by Standard Automated Perimetry (SAP) and High Denition Optical Coherence Tomography (HD-OCT) instruments. The experimental results, obtained after an Articial Neural Network training employing a population generated by GLOR comprising of 4500 normal and 500 glaucomatous individuals and evaluated by using real population data from 44 normal and 26 glaucomatous subjects, were: 87.1% for overall accuracy, 80.8% for sensitivity, 90.9% for specicity and 0.941 for the area under ROC curve. These results show that GLOR can be used as a promising approach to accelerate the development of new methods to increment sensitivity and specicity of glaucoma diagnosis.

Glaucoma é uma neuropatia óptica cuja progressão gera comprometimento no campo visual e cegueira. Devido aos danos irreversíveis, a identicação precoce e correta é vital para o controle da progressão da doença. Para diagnóstico de glaucoma , oftalmologistas analisam dados de campo visual e da anatomia ocular obtidos através de testes. Para reduzir a quantidade de resultados falso negativos e falso positivos, diversas técnicas tem sido desenvolvidas para incrementar a sensibilidade e especicidade dos testes diagnósticos de glaucoma. Para aplicações médicas, existem estudos que indicam como uma abordagem promissora o uso de classicadores de aprendizagem de máquina baseados em diferentes conceitos como Árvores de Decisão, Redes Neurais Articiais e abordagem Bayesiana. Apesar da disponibilidade de sosticados algoritmos para desenvolvimento de classicadores, o sucesso do treinamento destes classicadores é altamente dependente de dados de qualidade. Dados de qualidade signicam que os exemplos fornecidos para treinamento devem representar a maior quantidade possível de situações encontradas no mundo real. Estes requisitos são normalmente atendidos se dados de uma grande quantidade de pacientes estiver disponível. Entretanto, diversos fatores como o perl da população avaliada, a duração das tarefas de coleta de dados, disponibilidade de equipamentos e de prossionais de saúde, além do comprometimento dos pacientes com o programa de pesquisa, restringem o tamanho do conjunto de dados. Uma possível estratégia para resolver o problema da escassez de dados para a tarefa de treinamento dos classicadores é o emprego de dados articiais que representam populações reais. Estes dados articiais serão adequados ao treinamento dos classicadores se possuírem características estatísticas de populações reais. O uso de populações articiais possibilitará a criação de conjuntos de dados com número adequado de pacientes, sem gastar anos coletando dados. Neste trabalho é apresentado um gerador de dados articiais denominado GLOR, baseado em um método de Monte Carlo, que é adequado ao treinamento de classicadores para o diagnóstico de glaucoma. A população gerada é caracterizada por dados funcionais e estruturais fornecidos pelos instrumentos de perimetria computadorizada padrão ou Standard Automated Perimetry (SAP) e tomograa de coerência óptica de alta denição ou High Denition Optical Coherence Tomography (HD-OCT). Os resultados experimentais, obtidos após o treinamento de uma Rede Neural Articial empregando população gerada pelo GLOR contendo 4500 indivíduos normais e 500 glaucomatosos e avaliação com dados de uma população real formada por 44 indivíduos normais e 26 glaucomatosos, foram: acurácia total de 87,1%, sensibilidade de 80,8%, especicidade de 90,9% e área sob curva ROC de 0,941. Tais resultados indicam que o GLOR pode ser empregado satisfatoriamente no desenvolvimento de novos métodos que possam elevar a sensibilidade e especicidade no diagnóstico de glaucoma. / Glaucoma is an optical neuropathy, whose progression results in visual eld impairments and blindness. Due to its irreversible damages, early and correct identication is very important to control glaucoma\'s progression. For glaucoma diagnosis, ophthalmologists analyze patient\'s visual eld and eyes structural data obtained by using eyes\' test equipments. In order to reduce the quantity of false-negative and false-positive results, several new techniques have been developed to increment the sensitivity and specicity of glaucoma diagnostic tests. A promising approach is the use of machine learning classiers. Classiers based on dierent concepts like Decision Trees, Articial Neural Networks, and Bayesian approach, have been developed for medical applications. Despite the availability of sophisticated algorithms for classiers development, successful training of classiers is highly dependent of good training data. Good data means that examples provided for classier training should represent the many dierent situations found in real world. These requirements are usually accomplished if data from a large number of patients is available. However, several factors like prole of evaluated population, duration of the data acquisition activities, existence of healthcare professionals, and equipment availability, and people\'s commitment to the research program, restrict the size of patient\'s dataset. A possible approach to overcome the lack of patient\'s data to perform the classier\'s training task is to use articial data that represent a real population. This articial data would be suitable for classiers training if it has similar statistical properties of a real population. The use of articial population will enable the creation of datasets with required number of patients, and without spending years measuring patients. It will also be possible to simulate scenarios and strategies before a long term research program starts. In this work is presented an articial data generator named GLOR, based on a Monte Carlo method, and suitable for the training of classiers for glaucoma diagnosis. The generated population is characterized by eyes\'functional and structural data provided by Standard Automated Perimetry (SAP) and High Denition Optical Coherence Tomography (HD-OCT) instruments. The experimental results, obtained after an Articial Neural Network training employing a population generated by GLOR comprising of 4500 normal and 500 glaucomatous individuals and evaluated by using real population data from 44 normal and 26 glaucomatous subjects, were: 87.1% for overall accuracy, 80.8% for sensitivity, 90.9% for specicity and 0.941 for the area under ROC curve. These results show that GLOR can be used as a promising approach to accelerate the development of new methods to increment sensitivity and specicity of glaucoma diagnosis.

Alterações no aspecto do disco óptico e da camada de fibras nervosas da retina (CFN) freqüentemente precedem o aparecimento de defeitos de campo visual no glaucoma, o que faz com que a avaliação destas estruturas seja essencial para o diagnóstico precoce e prevenção da perda visual nesta doença. A polarimetria de varredura a laser (GDx VCC), a oftalmoscopia confocal de varredura a laser (HRT II [Heidelberg Retina Tomograph]) e a tomografia de coerência óptica (Stratus OCT) são tecnologias que permitem a avaliação objetiva e quantitativa do disco óptico e da CFN. No presente estudo, estas tecnologias foram comparadas em sua habilidade para diferenciar pacientes glaucomatosos de indivíduos normais. Pacientes com glaucoma foram selecionados com base na presença de defeitos reprodutíveis de campo visual na perimetria acromática automatizada (glaucoma perimétrico), ou com base na evidência documentada de progressão do dano glaucomatoso ao disco óptico, sem presença de defeitos de campo visual (glaucoma pré-perimétrico). Indivíduos normais apresentaram campos visuais e exame clínico dentro da normalidade. Todos os indivíduos foram submetidos a exames com o GDx VCC, HRT II, Stratus OCT e campo visual dentro de um período de três meses. Diversas medidas foram utilizadas para avaliação da acurácia diagnóstica, incluindo áreas sob as curvas receiver operating characteristic (AROC), sensibilidades para especificidades fixas, e razões de probabilidade. Modelos estatísticos foram utilizados para avaliação da influência da severidade do glaucoma e tamanho do disco óptico na performance diagnóstica dos diferentes instrumentos. Um olho de cada indivíduo foi utilizado para análise. Dos 258 sujeitos inicialmente avaliados, 33 (13%) foram posteriormente excluídos por apresentarem imagens de baixa qualidade em pelo menos um dos aparelhos, restando 225 indivíduos (133 glaucomatosos e 92 normais) para análise. Na comparação entre os parâmetros de cada instrumento com maiores valores de AROC, o parâmetro do GDx VCC, Nerve Fiber Indicator (NFI; AROC = 0,91), e o parâmetro do Stratus OCT, Espessura Média (AROC = 0,90), apresentaram áreas sob as curvas ROC significativamente superiores à do parâmetro do HRT II, função discriminante de Bathija (AROC = 0,84). A severidade do defeito de campo visual exerceu influência significativa sob a acurácia diagnóstica dos três instrumentos, com melhora no poder diagnóstico em casos mais avançados da doença. Para o GDx VCC e Stratus OCT, o aumento no tamanho do disco óptico foi associado à diminuição na sensibilidade para detecção do glaucoma; enquanto que, para o HRT II, diminuição no tamanho do disco óptico foi associada à diminuição na sensibilidade. Razões de probabilidade para resultados anormais nas xxv classificações finais de cada instrumento foram associadas a grandes efeitos de mudança na probabilidade pós-teste em relação à probabilidade préteste, sugerindo que o encontro de um resultado anormal em qualquer um destes testes, durante a avaliação de um paciente com suspeita de glaucoma, tem impacto significativo em aumentar a probabilidade de que a doença esteja presente. Além disso, os resultados obtidos na avaliação de pacientes com glaucoma pré-perimétrico sugerem que todos os três instrumentos sejam capazes de detectar alterações estruturais precoces no glaucoma, antes do aparecimento de defeitos de campo visual na perimetria acromática / Changes in the structural appearance of the optic nerve head (ONH) and retinal nerve fiber layer (RNFL) have been reported to precede the development of visual field loss in glaucoma. Detection of ONH and RNFL damage is therefore crucial for early diagnosis of glaucoma and prevention of functional loss from the disease. Scanning laser polarimetry (GDx VCC), confocal scanning laser ophthalmoscopy (HRT II [Heidelberg Retina Tomograph]) and optical coherence tomography (Stratus OCT) are different technologies capable of providing objective and quantitative information related to these structures. The purpose of the present study was to compare, in a single population, the diagnostic abilities of these technologies in the discrimination of glaucomatous patients from healthy subjects. Glaucoma patients were selected based on the presence of repeatable visual field defects, as identified by standard automated perimetry (perimetric glaucoma), or documented evidence of progressive damage to the optic disc, in the absence of detectable visual field loss (preperimetric glaucoma). Normal subjects had normal visual fields and normal clinical examination. All subjects underwent imaging with the GDx VCC, HRT II and Stratus OCT within a 3-month period. Several measures were used for evaluation of diagnostic accuracy, including the area under the receiver operating characteristic curve (AROC), sensitivities at fixed specifities, and likelihood ratios. Statistical models were used to evaluate the influence of glaucoma severity and optic disc size on the diagnostic performance of the different instruments. One eye of each individual was randomly selected for statistical analysis. From an initial group of 258 eligible subjects, 33 (13%) had images of unacceptable quality, leaving 133 glaucoma patients and 92 healthy subjects for further analysis. In the comparison of the parameters with highest values of AROC from each instrument, the GDx VCC Nerve Fiber Indicator (AROC = 0.91) and the Stratus OCT Average Thickness (AROC = 0.90) perfomed significanlty better than the HRT II Bathija discriminant function (AROC = 0.84). For all instruments, the diagnostic accuracy increased with increasing severity of visual field defects. For the GDx VCC and Stratus OCT parameters, an increase in the size of the optic disc was related to a decrease in the sensitivity for glaucoma detection. An opposite effect was observed with the HRT II: a decrease in the size of the optic disc was related to a decrease in the sensitivity for glaucoma diagnosis. Abnormal results for each of the instruments were associated with strong positive likelihood ratios, indicating a large change from prestest to posttest probability of glaucoma. These results suggest that the finding of an abnormal result in any of these tests, when assessing a patient suspect of having glaucoma, would substantially raise the probability of disease. Results of the evaluation of patients with preperimetric glaucoma also suggest that all three instruments are able to detect early glaucomatous structural damage in the absence of visual field loss

O objetivo desse estudo foi comparar a habilidade da avaliação subjetiva do disco óptico e da camada de fibras nervosas (CFN) por oftalmologistas generalistas e por um glaucomatólogo com medidas objetivas pela tomografia de coerência óptica (Stratus OCT), oftalmoscopia confocal de varredura a laser (HRTIII), e a polarimetria de varredura a laser (GDxECC) para discriminar olhos glaucomatosos de olhos normais. 61 olhos glaucomatosos e 57 olhos normais de 118 indivíduos foram incluídos nesse estudo. Três oftalmologistas generalistas independentes e um glaucomatólogo avaliaram fotografias estereoscópicas do disco óptico. Curvas ROC (Receiver Operator Characteristic) foram construídas para cada técnica de imagem e a sensibilidade a uma especificidade fixa foi determinada. Comparações das áreas sob essas curvas (AROC) e a concordância (k) foram determinadas entre a graduação das fotografias estereoscópicas e o melhor parâmetro de cada exame de imagem computadorizado. O melhor parâmetro de cada técnica de imagem computadorizada (CFN temporal inferior do Stratus OCT = 0,92; área integrada vertical da topografia do disco óptico pelo Stratus OCT = 0,86; espessura macular do setor inferior externo fornecido pelo Stratus OCT = 0,82; NFI do GDxECC = 0,91; razão área E/D do HRT3 = 0,83) mostrou AROC maior do que a graduação das fotografias estereoscópicas por oftalmologistas generalistas (0,80) para separar olhos glaucomatosos de olhos normais. A graduação por glaucomatólogo forneceu AROC igual ou maior (0,92) do que o melhor parâmetro de exame computadorizado de imagem. A avaliação das fotografias estereoscópicas por glaucomatólogo mostrou melhor concordância com o melhor parâmetro de cada técnica de imagem quantitativa na classificação de olhos como glaucomatosos ou normais comparadas à avaliação de fotografias estereoscópicas por oftalmologistas generalistas. A combinação da avaliação subjetiva do disco óptico por oftalmologistas generalistas com parâmetros objetivos da CFN melhorou a identificação de olhos com glaucoma em uma proporção maior do que a combinação desses parâmetros objetivos com a avaliação do disco óptico por um glaucomatólogo (29,5% versus 19,7%, respectivamente). Os resultados sugerem que a habilidade diagnóstica de todos os exames de imagem computadorizados estudados mostrou melhor desempenho que a avaliação subjetiva do disco óptico por oftalmologistas generalistas, mas não por um glaucomatólogo. Medidas objetivas da CFN podem permitir um aperfeiçoamento na detecção de glaucoma quando combinados com a avaliação subjetiva do disco óptico por oftalmologistas generalistas ou por um glaucomatólogo. / The purpose of this study was to compare the ability of subjective assessment of optic nerve head and retinal nerve fiber layer by general ophthalmologists and by a glaucoma expert with objective measurements by optical coherence tomography (Stratus OCT, Carl Zeiss Meditec, Inc.), confocal scanning laser ophthalmoscope (HRT III; Heidelberg Engineering, Heidelberg, Germany), and scanning laser polarimetry (GDx ECC; Carl Zeiss Meditec, Inc., Dublin, CA) in discriminating glaucomatous and normal eyes. 61 glaucomatous and 57 normal eyes of 118 subjects were included in the study. Three independent general ophthalmologists and one glaucoma expert evaluated ONH stereophotographs. Receiver operating characteristic curves were constructed for each imaging technique and sensitivity at fixed specificity was estimated. Comparisons of areas under these curves (aROC) and agreement (k) were determined between stereophoto grading and best parameter from each technique. Best parameter from each technique showed larger aROC (StratusOCT RNFL = 0.92; StratusOCT ONH vertical integrated area = 0.86; StratusOCT macular thickness = 0.82; GDxECC = 0.91; HRT3 global cup-to-disc area ratio = 0.83) compared to stereophotograph grading by general ophthalmologists (0.80) in separating glaucomatous and normal eyes. Glaucoma expert stereophoto grading provided equal or larger aROC (0.92) than best parameter of each computerized imaging device. Stereophoto evaluated by a glaucoma expert showed better agreement with best parameter of each quantitative imaging technique in classifying eyes either as glaucomatous or normal compared to stereophoto grading by general ophthalmologists. The combination of subjective assessment of the optic disc by general ophthalmologists with RNFL objective parameters improved identification of glaucoma patients in a larger proportion than the combination of these objective parameters with subjective assessment of the optic disc by a glaucoma expert (29.5% versus 19.7%, respectively). The results suggests that the diagnostic ability of all imaging techniques showed better performance than subjective assessment of the ONH by general ophthalmologists, but not by a glaucoma expert. Objective RNFL measurements may provide improvement in glaucoma detection when combined with subjective assessment of the optic disc by general ophthalmologists or by a glaucoma expert.

Alterações no aspecto do disco óptico e da camada de fibras nervosas da retina (CFN) freqüentemente precedem o aparecimento de defeitos de campo visual no glaucoma, o que faz com que a avaliação destas estruturas seja essencial para o diagnóstico precoce e prevenção da perda visual nesta doença. A polarimetria de varredura a laser (GDx VCC), a oftalmoscopia confocal de varredura a laser (HRT II [Heidelberg Retina Tomograph]) e a tomografia de coerência óptica (Stratus OCT) são tecnologias que permitem a avaliação objetiva e quantitativa do disco óptico e da CFN. No presente estudo, estas tecnologias foram comparadas em sua habilidade para diferenciar pacientes glaucomatosos de indivíduos normais. Pacientes com glaucoma foram selecionados com base na presença de defeitos reprodutíveis de campo visual na perimetria acromática automatizada (glaucoma perimétrico), ou com base na evidência documentada de progressão do dano glaucomatoso ao disco óptico, sem presença de defeitos de campo visual (glaucoma pré-perimétrico). Indivíduos normais apresentaram campos visuais e exame clínico dentro da normalidade. Todos os indivíduos foram submetidos a exames com o GDx VCC, HRT II, Stratus OCT e campo visual dentro de um período de três meses. Diversas medidas foram utilizadas para avaliação da acurácia diagnóstica, incluindo áreas sob as curvas receiver operating characteristic (AROC), sensibilidades para especificidades fixas, e razões de probabilidade. Modelos estatísticos foram utilizados para avaliação da influência da severidade do glaucoma e tamanho do disco óptico na performance diagnóstica dos diferentes instrumentos. Um olho de cada indivíduo foi utilizado para análise. Dos 258 sujeitos inicialmente avaliados, 33 (13%) foram posteriormente excluídos por apresentarem imagens de baixa qualidade em pelo menos um dos aparelhos, restando 225 indivíduos (133 glaucomatosos e 92 normais) para análise. Na comparação entre os parâmetros de cada instrumento com maiores valores de AROC, o parâmetro do GDx VCC, Nerve Fiber Indicator (NFI; AROC = 0,91), e o parâmetro do Stratus OCT, Espessura Média (AROC = 0,90), apresentaram áreas sob as curvas ROC significativamente superiores à do parâmetro do HRT II, função discriminante de Bathija (AROC = 0,84). A severidade do defeito de campo visual exerceu influência significativa sob a acurácia diagnóstica dos três instrumentos, com melhora no poder diagnóstico em casos mais avançados da doença. Para o GDx VCC e Stratus OCT, o aumento no tamanho do disco óptico foi associado à diminuição na sensibilidade para detecção do glaucoma; enquanto que, para o HRT II, diminuição no tamanho do disco óptico foi associada à diminuição na sensibilidade. Razões de probabilidade para resultados anormais nas xxv classificações finais de cada instrumento foram associadas a grandes efeitos de mudança na probabilidade pós-teste em relação à probabilidade préteste, sugerindo que o encontro de um resultado anormal em qualquer um destes testes, durante a avaliação de um paciente com suspeita de glaucoma, tem impacto significativo em aumentar a probabilidade de que a doença esteja presente. Além disso, os resultados obtidos na avaliação de pacientes com glaucoma pré-perimétrico sugerem que todos os três instrumentos sejam capazes de detectar alterações estruturais precoces no glaucoma, antes do aparecimento de defeitos de campo visual na perimetria acromática / Changes in the structural appearance of the optic nerve head (ONH) and retinal nerve fiber layer (RNFL) have been reported to precede the development of visual field loss in glaucoma. Detection of ONH and RNFL damage is therefore crucial for early diagnosis of glaucoma and prevention of functional loss from the disease. Scanning laser polarimetry (GDx VCC), confocal scanning laser ophthalmoscopy (HRT II [Heidelberg Retina Tomograph]) and optical coherence tomography (Stratus OCT) are different technologies capable of providing objective and quantitative information related to these structures. The purpose of the present study was to compare, in a single population, the diagnostic abilities of these technologies in the discrimination of glaucomatous patients from healthy subjects. Glaucoma patients were selected based on the presence of repeatable visual field defects, as identified by standard automated perimetry (perimetric glaucoma), or documented evidence of progressive damage to the optic disc, in the absence of detectable visual field loss (preperimetric glaucoma). Normal subjects had normal visual fields and normal clinical examination. All subjects underwent imaging with the GDx VCC, HRT II and Stratus OCT within a 3-month period. Several measures were used for evaluation of diagnostic accuracy, including the area under the receiver operating characteristic curve (AROC), sensitivities at fixed specifities, and likelihood ratios. Statistical models were used to evaluate the influence of glaucoma severity and optic disc size on the diagnostic performance of the different instruments. One eye of each individual was randomly selected for statistical analysis. From an initial group of 258 eligible subjects, 33 (13%) had images of unacceptable quality, leaving 133 glaucoma patients and 92 healthy subjects for further analysis. In the comparison of the parameters with highest values of AROC from each instrument, the GDx VCC Nerve Fiber Indicator (AROC = 0.91) and the Stratus OCT Average Thickness (AROC = 0.90) perfomed significanlty better than the HRT II Bathija discriminant function (AROC = 0.84). For all instruments, the diagnostic accuracy increased with increasing severity of visual field defects. For the GDx VCC and Stratus OCT parameters, an increase in the size of the optic disc was related to a decrease in the sensitivity for glaucoma detection. An opposite effect was observed with the HRT II: a decrease in the size of the optic disc was related to a decrease in the sensitivity for glaucoma diagnosis. Abnormal results for each of the instruments were associated with strong positive likelihood ratios, indicating a large change from prestest to posttest probability of glaucoma. These results suggest that the finding of an abnormal result in any of these tests, when assessing a patient suspect of having glaucoma, would substantially raise the probability of disease. Results of the evaluation of patients with preperimetric glaucoma also suggest that all three instruments are able to detect early glaucomatous structural damage in the absence of visual field loss

O objetivo desse estudo foi comparar a habilidade da avaliação subjetiva do disco óptico e da camada de fibras nervosas (CFN) por oftalmologistas generalistas e por um glaucomatólogo com medidas objetivas pela tomografia de coerência óptica (Stratus OCT), oftalmoscopia confocal de varredura a laser (HRTIII), e a polarimetria de varredura a laser (GDxECC) para discriminar olhos glaucomatosos de olhos normais. 61 olhos glaucomatosos e 57 olhos normais de 118 indivíduos foram incluídos nesse estudo. Três oftalmologistas generalistas independentes e um glaucomatólogo avaliaram fotografias estereoscópicas do disco óptico. Curvas ROC (Receiver Operator Characteristic) foram construídas para cada técnica de imagem e a sensibilidade a uma especificidade fixa foi determinada. Comparações das áreas sob essas curvas (AROC) e a concordância (k) foram determinadas entre a graduação das fotografias estereoscópicas e o melhor parâmetro de cada exame de imagem computadorizado. O melhor parâmetro de cada técnica de imagem computadorizada (CFN temporal inferior do Stratus OCT = 0,92; área integrada vertical da topografia do disco óptico pelo Stratus OCT = 0,86; espessura macular do setor inferior externo fornecido pelo Stratus OCT = 0,82; NFI do GDxECC = 0,91; razão área E/D do HRT3 = 0,83) mostrou AROC maior do que a graduação das fotografias estereoscópicas por oftalmologistas generalistas (0,80) para separar olhos glaucomatosos de olhos normais. A graduação por glaucomatólogo forneceu AROC igual ou maior (0,92) do que o melhor parâmetro de exame computadorizado de imagem. A avaliação das fotografias estereoscópicas por glaucomatólogo mostrou melhor concordância com o melhor parâmetro de cada técnica de imagem quantitativa na classificação de olhos como glaucomatosos ou normais comparadas à avaliação de fotografias estereoscópicas por oftalmologistas generalistas. A combinação da avaliação subjetiva do disco óptico por oftalmologistas generalistas com parâmetros objetivos da CFN melhorou a identificação de olhos com glaucoma em uma proporção maior do que a combinação desses parâmetros objetivos com a avaliação do disco óptico por um glaucomatólogo (29,5% versus 19,7%, respectivamente). Os resultados sugerem que a habilidade diagnóstica de todos os exames de imagem computadorizados estudados mostrou melhor desempenho que a avaliação subjetiva do disco óptico por oftalmologistas generalistas, mas não por um glaucomatólogo. Medidas objetivas da CFN podem permitir um aperfeiçoamento na detecção de glaucoma quando combinados com a avaliação subjetiva do disco óptico por oftalmologistas generalistas ou por um glaucomatólogo. / The purpose of this study was to compare the ability of subjective assessment of optic nerve head and retinal nerve fiber layer by general ophthalmologists and by a glaucoma expert with objective measurements by optical coherence tomography (Stratus OCT, Carl Zeiss Meditec, Inc.), confocal scanning laser ophthalmoscope (HRT III; Heidelberg Engineering, Heidelberg, Germany), and scanning laser polarimetry (GDx ECC; Carl Zeiss Meditec, Inc., Dublin, CA) in discriminating glaucomatous and normal eyes. 61 glaucomatous and 57 normal eyes of 118 subjects were included in the study. Three independent general ophthalmologists and one glaucoma expert evaluated ONH stereophotographs. Receiver operating characteristic curves were constructed for each imaging technique and sensitivity at fixed specificity was estimated. Comparisons of areas under these curves (aROC) and agreement (k) were determined between stereophoto grading and best parameter from each technique. Best parameter from each technique showed larger aROC (StratusOCT RNFL = 0.92; StratusOCT ONH vertical integrated area = 0.86; StratusOCT macular thickness = 0.82; GDxECC = 0.91; HRT3 global cup-to-disc area ratio = 0.83) compared to stereophotograph grading by general ophthalmologists (0.80) in separating glaucomatous and normal eyes. Glaucoma expert stereophoto grading provided equal or larger aROC (0.92) than best parameter of each computerized imaging device. Stereophoto evaluated by a glaucoma expert showed better agreement with best parameter of each quantitative imaging technique in classifying eyes either as glaucomatous or normal compared to stereophoto grading by general ophthalmologists. The combination of subjective assessment of the optic disc by general ophthalmologists with RNFL objective parameters improved identification of glaucoma patients in a larger proportion than the combination of these objective parameters with subjective assessment of the optic disc by a glaucoma expert (29.5% versus 19.7%, respectively). The results suggests that the diagnostic ability of all imaging techniques showed better performance than subjective assessment of the ONH by general ophthalmologists, but not by a glaucoma expert. Objective RNFL measurements may provide improvement in glaucoma detection when combined with subjective assessment of the optic disc by general ophthalmologists or by a glaucoma expert.

Objetivos: Determinar o efeito da panfotocoagulação retiniana (PFC) nos parâmetros topográficos do disco óptico e na camada de fibras nervosas da retina (CFNR) peripapilar em pacientes com retinopatia diabética proliferativa (RDP). Métodos: Este é um estudo observacional prospectivo, de centro único. Trinta e oito olhos de 26 pacientes diabéticos foram submetidos a PFC para retinopatia diabética proliferativa. As estereofotografias (EFs) e os parâmetros do disco óptico foram avaliados usando o retinógrafo Visucam da Zeiss e a Tomografia de varredura a laser (TVL), respectivamente. A espessura da CFNR peripapilar foi medida por tomografia de coerência óptica (OCT) e polarimetria de varredura a laser (PVL). Todas as medições foram realizadas no início e 12 meses após a conclusão da PFC. Resultados: Trinta e oito olhos de 26 pacientes (15 mulheres) com média de idade de 53,7 anos (faixa etária de 26 a 74 anos) foram recrutados. Nenhuma diferença significativa foi encontrada entre a média horizontal e vertical para relação escavação/disco óptico (E/D) determinadas pelas EFs antes e após o tratamento com PFC (P = 0,461 e 0,839, respectivamente). Os valores globais dos parâmetros do disco óptico analisados com a TVL não mostraram nenhuma mudança significativa entre o baseline e 12 meses após o tratamento (área do disco, área da escavação, área da rima, volume da escavação, volume da rima, relação área da escavação/área do disco, relação linear do tamanho da escavação/disco, profundidade média da escavação, profundidade máxima da escavação, medida do formato da escavação, variação na altura do contorno, espessura média da CFNR e área transversal da CFNR). O OCT e o PVL não encontraram diferença significativa entre a CFNR peripapilar antes e após a PFC (P = 0,114 e P = 0,813, respectivamente). Conclusões: Nossos resultados sugerem que a PFC nos padrões realizados no presente estudo não causa significantes alterações morfológicas no disco óptico em pacientes diabéticos com RDP após um ano de acompanhamento / Purpose: To determine the effect of panretinal photocoagulation (PRP) on optic disc topographic parameters and peripapillary retinal nerve fiber layer (RNFL) in nonglaucomatous patients with proliferative diabetic retinopathy (PDR). Methods: This is a prospective, single center, observational study. Thirty-eight eyes of 26 diabetic patients underwent PRP for proliferative diabetic retinopathy. Stereoscopic disc photographs and optic nerve head (ONH) parameters were evaluated using the Zeiss fundus camera and the confocal scanning laser ophthalmoscopy (CSLO), respectively. The peripapillary RNFL thickness was measured by optical coherence tomography (OCT) and scanning laser polarimetry (SLP). All measurements were performed at baseline and 12 months after completion of PRP. Results: Thirty-eight eyes of 26 patients (15 female) with a mean age of 53.7 years (range 26 to 74 years) were recruited. No significant difference was found between mean horizontal and vertical cup to disc (C/D) ratio determined by stereoscopic disc photographs before and after PRP treatment (P=0.461 and 0.839, respectively). The global values of ONH parameters analyzed with the CSLO showed no significant change from baseline to 12 months (disc area, cup area, rim area, cup volume, rim volume, C/D area ratio, linear C/D ratio, mean cup depth, maximum cup depth, cup shape measure, height variation contour, mean retinal nerve fiber layer thickness and cross-sectional area). The OCT and SLP did not find significant difference between peripapillary RNFL before and after PRP (P=0.114 and P=0.813, respectively). Conclusion: Our results suggest that PRP as performed in this study does not cause significant morphological optic disk changes in diabetic PDR patients after one year of follow-up