Article
Die Morphologie von makulären Neovaskularisationen bei der altersbedingten Makuladegeneration beeinflusst den Therapiebedarf innerhalb der ersten 3 Jahre
Search Medline for
Authors
Published: | June 13, 2025 |
---|
Outline
Text
Ziel: Analyse morphologischer Charakteristika von makulären Neovaskularisationen (MNV) in der Optischen Kohärenztomographie Angiographie (OCTA) bei der neovaskulären altersbedingten Makuladegeneration (nAMD) und ihr Einfluss auf den Therapiebedarf während der ersten 3 Jahre Therapie.
Methode: Bei allen Patienten erfolgte die Diagnosestellung einer nAMD mittels Optischer Kohärenztomographie (OCT), Fluoreszenzangiographie (FA) und OCTA. MNV, die in der OCTA dargestellt werden konnten, wurden einer weiteren quantitativen Analyse unterzogen, bei der Fläche, Gesamtlänge der Gefäße (sumL), fraktale Dimension (FD) und Flussdichte erhoben wurden. Diese Parameter wurden mit der Anzahl an verabreichten intravitrealen Injektionen (IVI) mit Anti-Vascular-Endothelial-Growth-Factor (Anti-VEGF) innerhalb der ersten 3 Jahre nach Diagnosestellung korreliert. Zudem wurde der Einfluss auf den bestkorrigierten Visus (BCVA) nach 3 Jahren untersucht.
Ergebnis: Insgesamt wurden 68 unbehandelte Augen in diese Studie eingeschlossen. Die durchschnittliche MNV-Fläche betrug 1,11 mm² ± 1,18 mm², die mittlere Gefäß-Gesamtlänge der MNV 12,95 mm ± 14,24 mm. Die mittlere fraktale Dimension betrug 1,26 ± 0,14 und die mittlere Flussdichte 41,19 ± 5,87. Die Augen erhielten durchschnittlich 19,8 ± 8,5 IVI innerhalb der ersten 3 Jahre Therapie. Es zeigte sich eine signifikante Korrelation zwischen der Anzahl der verabreichten Injektionen und der MNV-Fläche (p<0,005), sumL (p<0,005) und FD (p<0,05), während die Flussdichte nicht signifikant korrelierte. Darüber hinaus bestand keine Assoziation zwischen morphologischen MNV-Parametern und dem Visus nach 3 Jahren.
Schlussfolgerung: Morphologische Charakteristika unbehandelter MNV in der OCTA könnten als Prädiktoren des langfristigen Therapiebedarfs bei der nAMD dienen. Weitere Studien und insbesondere der Einsatz von Deep-Learning-Modellen sind notwendig, um die Verwendung im klinischen Alltag zu evaluieren.