Objetivo: Desarrollar un método para automatizar la detección de queratocono subclínico basada en una clasificación en árbol.

Métodos: Se trata de un estudio de casos-controles retrospectivo en la que se incluyeron 372 ojos de 197 pacientes: 177 ojos normales de 95 pacientes, 47 ojos de 47 pacientes con forma frustra de queratocono y 148 ojos de 102 pacientes con queratocono. En todos los ojos se realizó una topografía con analizador Scheimpflug dual y se analizaron 55 parámetros de medidas de la cara anterior y posterior de la córnea que se introdujeron en un programa de algoritmos, el árbol de regresión y clasificación, que clasificó los ojos en las tres condiciones ya comentadas. Se estudió la capacidad del algoritmo para clasificar la situación del ojo y se analizaron y compararon en cada grupo parámetros de curvatura, elevación, paquimétricos y de frente de onda.

Resultados: Las reglas de discriminación generadas con el árbol de decisión permitieron diferenciar ojos normales de ojos con queratocono con una sensibilidad del 100% y una especificidad del 99,5%, y entre normales y forma frustra con una sensibilidad del 93,6% y una especificidad del 97,2%. El algoritmo seleccionó como las variables más discriminantes parámetros relativos a asimetría de cara posterior y distribución del grosor espacial.

Conclusiones: El árbol de decisión mostró muy buen resultado para discriminar córneas normales y formas frustras de queratocono y proporciona una herramienta cercana a un razonamiento médico automatizado. Esto podría ayudar en la decisión quirúrgica previa a cirugía refractiva proporcionando buena sensibilidad para detectar córneas susceptibles de sufrir ectasia.

No cabe duda que identificar aquellos pacientes con riesgo de ectasia antes de una cirugía querato-refractiva es una de las principales preocupaciones hoy en día de cualquier cirujano refractivo . Así, numerosos estudios tratan de aprovechar los últimos instrumentos de imagen corneal para obtener índices u otros sistemas que permitan identificar ojos con predisposición a la ectasia corneal (Belin-Ambrosio en Pentacam, por ejemplo). El presente estudio desarrolla un árbol de decisión basado en la imagen por el sistema Galileo (tecnología Dual Scheimpflug-Plácido) que obtiene una buena sensibilidad y especificidad discriminando ojos normales y ojos con forma frustra de queratocono.

Los ojos con forma frustra incluidos en este estudio fueron ojos adelfos de ojos con diagnóstico de queratocono sin signos clínicos ni alteraciones topográficas. Se trata del también llamado “queratocono subclínico”, que si bien no está definido, suele reservarse para ojos adelfos de ojos con queratocono, cuya posibilidad de desarrollar queratocono es de hasta el 50%, con más frecuencia en los primeros seis años tras el diagnóstico.

El programa de algoritmos determinó dos parámetros como los más discriminantes entre ojos normales y ojos con forma frustra: un índice de asimetría de asfericidad de cara posterior y el volumen corneal. Estos resultados concuerdan con hallazgos recientes que corroboran la hipótesis de que las primeras manifestaciones detectables mediante técnicas de imagen corneal en formas frustras son el adelgazamiento corneal y ligeras modificaciones en la superficie posterior de la córnea. Así, en este estudio había diferencia significativa en ambos parámetros entre los ojos normales y aquellos con forma frustra.

Los arboles de decisión presentados (una que toma en consideración las dos variables ya referidas y otro que añade otras cuatro) deben ser probados en una nueva muestra, para así poder generalizar sus resultados.

Mediante el árbol de decisión automático desarrollado en este estudio contaremos con una nueva herramienta en el topógrafo Dual Galileo para discriminar formas frustras de queratocono, lo que será de tremenda ayuda para cirujanos refractivos.

AUTOR:
Pedro Arriola Villalobos.
Hospital Clínico San Carlos. Madrid.