„Supervised Automated Kinetic Perimetry“ (SAKP) mit simulierten Gesichtsfelddaten – Vorstellung einer neuen Untersuchungstechnik

Zusammenfassung

Hintergrund Entwicklung, Optimierung, Training und Evaluation eines Algorithmus zur Durchführung der Supervised Automated Kinetic Perimetry (SAKP) unter Verwendung digitalisierter, simulierter perimetrischer Daten.

Methoden Der ursprüngliche SAKP-Algorithmus basierte auf den Ergebnissen einer multizentrischen Normwertstudie unter Verwendung der halbautomatischen kinetischen Perimetrie (SKP) und einer in Japan entwickelten automatisierten Untersuchungsmethode mit bewegten Messmarken („Program K“), welche die äußeren Winkel von Isopterensegmenten auswertete und auf Abweichungen von erwarteten Werten mit dort platzierten Untersuchungsvektoren zur Vermessung der GF-Außengrenzen (GF: Gesichtsfeld) reagierte. Diese Vorgehensweise wurde ergänzt durch spezielle Interpolationsverfahren zur Erstellung individueller 3-D-Sehhügel und sog. lokaler „Sondiervektoren“ zur Optimierung der Exzentrizität der Vektorursprünge. Dieser Algorithmus wurde iterativ für 7 repräsentative digitalisierte 3-dimensionale GF-Befunde aus 5 typischen Klassen trainiert und sukzessiv optimiert: (1) normales GF, (2) zentrales Skotom, (3) konzentrische GF-Konstriktion, (4) retinale nervenfaserbedingte GF-Defekte (= GFD) und (5) GFD mit Respektierung des vertikalen Meridians. Der optimierte SAKP-Algorithmus wurde anschließend auf einen neuen Satz von 20 3-dimensionalen GF-Befunden unterschiedlicher Herkunft und unterschiedlichen Schweregrades angewendet. Die primären Zielgrößen waren die Übereinstimmung zwischen dem tatsächlichen und dem bewerteten GF, ausgedrückt als Genauigkeit (A), d. h. das Verhältnis zwischen der Fläche der korrekten Vorhersagen und der gesamten (berücksichtigten) Fläche der Vorhersagen (von 0 = schlechteste bis 1 = beste) sowie die Untersuchungsdauer (T). Die Ergebnisse sind als Median (und Interquartilsbereich) angegeben. Die Robustheit der Prüfung wurde auch durch Variation der individuellen Fehlerquote (ER) und der Fehlergröße (EM) überprüft.

Ergebnisse Median und Interquartilsbereich (= IQR, in Klammern angegeben) für die Gesamtheit der 20 repräsentativen GF waren 0,93 (0,02) für A bzw. 7,0 min (5,2 min) für T. A war am besten im Fall altitudinaler GFD und GFD mit hemianopem Charakter mit makularer Aussparung jeweils 0,98) und am schlechtesten im Fall superiorer keilförmiger GFD (0,78); T war am kürzesten im Fall der Verschiebung des blinden Flecks (3,9 min) und am längsten im Fall der GFD mit hemianopem Charakter und makularer Aussparung bei erhaltener temporaler Sichel (12,1 min). Die ER und EM (jeweils bis zu 30%) hatten einen vergleichsweise geringen Einfluss auf A bzw. T.

Schlussfolgerung Der hier vorgestellte SAKP-Algorithmus erreicht – bei akzeptablen Untersuchungszeiten – einen vergleichsweise hohen Grad an Genauigkeit und Robustheit in Bezug auf die tatsächlichen, simulierten Gesichtsfelddaten. Die Anwendung dieses Algorithmus auf reale Patientenuntersuchungen unter klinischen Bedingungen ist derzeit in Vorbereitung.

 

MissingLinkText

Schlüsselwörter

kinetische Perimetrie - automatisierte kinetische Perimetrie - Automatisierung - Qualität - Genauigkeit - Untersuchungsdauer

Generelle Anmerkung: Aus Gründen der besseren Lesbarkeit wird in dieser Publikation das „generische Maskulinum“ verwendet. Die in diesem Artikel verwendeten Personenbezeichnungen beziehen sich grundsätzlich auf alle Geschlechter.

Einleitung

Mehr als 90% der menschlichen Sinneswahrnehmungen erfolgen über den Sehsinn [1], [2]. Der Beurteilung des visuellen Systems kommt somit eine herausragende Bedeutung in Bezug auf die (Topo-)Diagnostik von Sehbahnläsionen, deren Verlaufskontrolle sowie der gutachterlichen (Eignungs-)Beurteilung zu. Bei ca. 3 – 3,5% der Gesamtbevölkerung liegen Gesichtsfelddefekte vor, deren Prävalenz mit zunehmendem Lebensalter (auf ca. 13% jenseits des 65. Lebensjahrs) deutlich ansteigt [3]. Trotz großer Erfolge morphometrischer Verfahren (anatomische Strukturbeurteilung) zeigt sich immer deutlicher, dass die sinnesphysiologische Funktionsdiagnostik (speziell die Gesichtsfelduntersuchung = Perimetrie) als „2. Seite der Medaille“ unersetzlich bleibt. Morphometrische Verfahren dürften in der Frühdetektion eine wichtige Rolle spielen; aufgrund ihrer vergleichsweise geringen dynamischen Breite sind diese Methoden, speziell bei fortgeschrittenen Läsionen, den perimetrischen Verfahren deutlich unterlegen. Gerade im Hinblick auf gutachterliche Beurteilungen (Fahreignung/„Führerscheingutachten“, Feststellung des Grades der Behinderung, Blindengeld etc.) haben nach aktuellem Kenntnisstand funktionelle Untersuchungsergebnisse von Sehbahnläsionen letztentscheidende Bedeutung.

Das Gesichtsfeld beschreibt die Summe aller visuellen Sinneseindrücke, die beim Blick geradeaus wahrgenommen werden; hierbei dient als Messparameter meist die sog. Leuchtdichteunterschiedsempfindlichkeit (auch als Lichtunterschiedsempfindlichkeit, LUE bezeichnet) – also der Kontrast zwischen der Leuchtdichte der Messmarke (Stimulus) und dem umliegenden, homogenen Umfeld an definierten Gesichtsfeldlokalisationen.

Statische Perimetrieverfahren verwenden unbewegliche Lichtreize, die an – vorab festgelegten – Orten des Gesichtsfelds (dem sog. Untersuchungsraster) kurzfristig in bestimmten Leuchtdichtestufen „aufblitzen“. Dieses Verfahren wird heutzutage bevorzugt eingesetzt, weil es sich gut automatisieren und somit auch an vergleichsweise gering qualifiziertes Untersuchungspersonal delegieren lässt. Nachteilig ist die Tatsache, dass im Rahmen der statischen, schwellenbestimmenden Perimetrie ein großer Teil der dargebotenen Stimuli methodenbedingt aufgrund des erforderlichen Eingabelungsprozesses nicht wahrgenommen werden kann. Dieses – aus Patientensicht gleichermaßen frustrierende wie ermüdende – Phänomen tritt umso ausgeprägter auf, je schwerer der Gesichtsfeldschaden ist.

Kinetische Perimetriemethoden arbeiten mit bewegten Messmarken und dem zugrunde liegenden Ansatz einer Kantendetektion von Skotomrändern; sie funktionieren selbst bei großflächigen, tiefen Gesichtsfeldausfällen und sind somit deutlich effizienter und patientenfreundlicher als statische Techniken. Auch für wissenschaftliche Studien, z. B. zur Erfolgsbeurteilung molekular- oder gentherapeutischer Studien, dürften speziell kinetische standardisierte Verfahren eine herausragende Bedeutung erlangen – geht es doch hier i. d. R. um vergleichsweise große Defekte oder kleine Gesichtsfeld-Restinseln, deren Funktionserhalt im zeitlichen Verlauf wichtig ist und möglichst zuverlässig dokumentiert werden sollte. Zudem bilden bewegte Stimuli die klinische Relevanz von visuellen Funktionsausfällen erheblich besser ab als statische Reize: Von – relativ zum Verkehrsteilnehmer – unbewegten Objekten geht im alltäglichen Leben vergleichsweise selten eine unmittelbare Gefahr aus!

Die berufsständischen Organisationen (Deutsche Ophthalmologische Gesellschaft = DOG und Berufsverband der Augenärzte Deutschlands = BVA) empfehlen für gutachterliche Zwecke eine kinetische Untersuchung mit „manuell geführten“ bewegten Reizmarken am Goldmann-Perimeter (oder entsprechenden Nachbauten), mit den Goldmann-Eigenschaften III4e (Sehwinkel 26′, Leuchtdichte 320 cd/m²) [4], [5]. Bedauerlicherweise wird das Originalgerät seit Jahren nicht mehr hergestellt, zudem sind Personen mit hinreichender Expertise auf dem Gebiet der manuellen kinetischen Perimetrie heutzutage in unserer Region kaum noch anzutreffen.

Ziel dieses Projekts ist es, für handelsübliche Automatik-Halbkugelperimeter mit Kinetikfunktion einen Algorithmus (Supervised Automated Kinetic Perimetry = SAKP) für eine überwachte, vollautomatisierte und somit untersucherunabhängige Perimetrie mit konstanter Stimulus-Winkelgeschwindigkeit zu entwickeln, zu optimieren und zu validieren.

 

MissingLinkText

Methoden

Eigene Vorarbeiten

Seit über 30 Jahren besteht autorenseitig das Interesse an einer Optimierung statischer und kinetischer perimetrischer Untersuchungsverfahren: In dieser Zeit wurden u. a. für die statische Perimetrie beschleunigte schwellenbestimmende Verfahren mit individualisierter Rasterverdichtung in „Regions of Interest“ (SCotoma-Oriented PErimetry = SCOPE) entwickelt und in internationalen multizentrischen Normwertstudien sowie klinischen Studien, unter Training und Zertifizierung der partizipierenden Studienzentren, validiert [6], [7], [8], [9], [10], [11]. Basierend auf diesen Erkenntnissen konnten speziell für Nervenfaser-Verlaufsausfälle Struktur-Funktions-Interaktionen mithilfe eines mathematischen Modells belegt und visualisiert werden [12], [13], [14], [15]. Die Expertise eines perimetrischen Reading Centers (PerCent-A) wurde mehrfach im Rahmen multizentrischer Studien genutzt und soll auch im Rahmen der zukünftigen SAKP-Validierung zum Einsatz kommen [16], [17].

Die Gesichtsfelduntersuchung mit bewegten Messmarken standardisierte das Autorenteam durch die Einführung der vektorbasierten semiautomatisierten kinetischen Perimetrie (SKP) unter Berücksichtigung der individuellen Reaktionszeiten, für die ebenfalls multizentrische Normwertstudien und anschließend klinische Studien vorliegen [18], [19], [20], [21], [22].

Für die perimetrisch nachgewiesenen Gesichtsfeldausfälle wurde ein Klassifikationsschema sowie eine damit in Verbindung stehende topodiagnostische Kriterienübersicht entwickelt [18], [23], [24].

 

MissingLinkText

Kurze Charakterisierung des SAKP-Algorithmus

Die Entwicklung des hier eingesetzten Algorithmus „Supervised Automated Kinetic Perimetry“ (SAKP) baut auf den Grundlagen der selbst entwickelten vektorbasierten semiautomatisierten kinetischen Perimetrie (SKP) auf, die mittlerweile Eingang in kommerziell erhältliche Geräte gefunden hat und für die altersbezogene Normwerte vorliegen [20].

Der Algorithmus benutzt zudem Verfahrensschritte des von der Arbeitsgruppe um Matsumoto entwickelten „Program K“ [25]. Dieser Algorithmus bewertet Abweichungen der äußeren Winkel im Isopterenverlauf vom lokalen Erwartungswert und nutzt diese Erkenntnisse für die automatische Vektorplatzierung. Allerdings kann diese Vorgehensweise nur auf Isopteren angewendet werden, die ausschließlich die äußeren Begrenzungen des Gesichtsfelds charakterisieren; umschlossene („innen liegende“) Skotome können mit dieser Methodik nicht erfasst werden.

Der neuentwickelte SAKP-Algorithmus setzt primär automatisiert, mit konstanter Winkelgeschwindigkeit bewegte, gutachtenrelevante Stimuli (Goldmann III4e, entsprechend 26′, 320 cd/m²; Winkelgeschwindigkeit 4°/s) ein, deren Bewegungsrichtung so intendiert ist, dass die vermutete Skotomgrenze annähernd senkrecht geschnitten wird. Zur Erzeugung individueller, 3-dimensionaler Gesichtsfeldbefunde kommen radiale Basisfunktionen (RBF) zum Einsatz [26]. Die Ursprungspositionierung für kinetische Prüfmarken wird anhand sog. „Probe-(Sondierungs-)Vektoren“ bestimmt, deren Ursprung – je nach individuellem Antwortverhalten der untersuchen Person – zum Zentrum hin oder in die Peripherie verlagert wird. Durch eine derartige Vorgehensweise wird auch für eine möglichst äquidistante Verteilung der voreinstellbaren Anzahl (mindestens 3) der untersuchten Isopteren über den individuellen Gesichtsfeldberg angestrebt; das Programm wählt hierbei eine möglichst sinnvolle Kombination von Stimulusgröße und -leuchtdichte selbstständig aus [6], [7]. Hierbei wird intendiert, die innerste Isoptere innerhalb der Exzentrizität des blinden Flecks zu positionieren. Statische Stimuli kommen in umschriebenen „Regions of Interest“ zum Einsatz, und zwar routinemäßig im zentralen Gesichtsfeldbereich (< 30°), um kleinflächige Skotome in dieser Region zu detektieren sowie in Fällen, in denen atypische Isopterenverläufe vermuten lassen, dass der Isopterenverlauf mithilfe der automatisiert bewegten Stimuli nicht zweifelsfrei geklärt werden kann. Die vermutete Skotomausdehnung wird mithilfe eines Voronoi-Diagramms abgeschätzt und durch kinetische Vektoren nachuntersucht [27], [28].

Im Falle von Isopteren, bei denen der SAKP-Algorithmus einen Verlauf komplett innerhalb der 30°-Exzentrizität antizipiert, wird der Untersuchungsablauf sowohl für bewegte als auch für statische Messmarken unterbrochen, um dem supervidierenden/aufsichtführenden Untersuchungspersonal die Möglichkeit zu geben, ein adäquates Nah-Korrektionsglas vorzuschalten/einzuschwenken.

Die Lage des blinden Flecks wird mit einer modifizierten Heijl-Krakau-Methodik bestimmt [29], die so gestaltet ist, dass hiermit auch translationale und rotatorische Verschiebungen des blinden Flecks erfasst werden können. Für die Vermessung der Position des blinden Flecks mittels automatisiert bewegter Messmarken stellt der SAKP-Algorithmus auf die bestgeeignete Stimuluseigenschaft Goldmann I4e (entsprechend 6,5′, 320 cd/m²) und eine reduzierte Stimulus-Winkelgeschwindigkeit (2°/s) um. Sämtliche Untersuchungsschritte werden zeitcodiert abgespeichert, um erforderlichenfalls gezielte Optimierungsmaßnahmen vornehmen zu können.

Eine Interaktion des SAKP-Algorithmus mit dem Untersuchungspersonal erfolgt auch im Falle der Messung der individuellen Reaktionszeit der Untersuchungsperson (Motivation zur schnellstmöglichen Antwort unter exakter Beibehaltung der Fixation).

 

MissingLinkText

Initiales Training des SAKP-Algorithmus

Der neue Algorithmus wurde in der Initialphase seiner Entwicklung mithilfe von 7 hochaufgelösten, repräsentativen kinetischen Perimetriebefunden (Trainingsfälle) konfrontiert, die dem Perimetrie-Trainingsprogramm K-Train (s. [Abb. 1], linkes Drittel) entstammen: Hierzu gehörten ein perimetrischer Normalbefund, ein Zentralskotom, 2 verschiedene Formen von konzentrischen Gesichtsfeldausfällen (komplettes Ringskotom, konzentrische Gesichtsfeldeinschränkung mit erhaltenen peripheren Restinseln), 2 verschiedene Ausprägungsgrade von Nervenfaserverlaufsausfällen sowie ein repräsentativer Befund aus der Gruppe von Gesichtsfelddefekten mit Respektierung des vertikalen Meridians (nasal oberer Quadrantenausfall).

Abb. 1 Darstellung der initialen Trainingsfälle (n = 7, linkes Bilddrittel) sowie der konsekutiven Anwendungsfälle (n = 20, rechter Bildanteil); Klassifikationsschema perimetrischer Befunde bzw. Skotomformen, modifiziert nach [24]; bezüglich der Farbkodierung der Höhe des Gesichtsfeldbergs, s. Legende [Abb. 3].

In einer konsekutiven Phase erfolgte eine Applikation dieses Algorithmus auf insgesamt 20 Anwendungsfälle (s. [Abb. 1], rechter Bildanteil).

 

MissingLinkText

Qualitätsbeurteilung

Für die Qualitätsbeurteilung werden Quotienten aus den Schnittmengen und Vereinigungsmengen jeweils korrekt bestimmter Flächen berücksichtigt – d. h. (Skotom-)Flächen, die sowohl mittels SAKP erfasst werden als auch tatsächlich zugrunde liegende Skotomflächen (dargestellt in blau), dividiert durch die Flächen, die zumindest einem der beiden vorgenannten Flächenanteile zuzuordnen sind. Dazu addiert werden Flächen, die sowohl perimetrierten als auch tatsächlich zugrunde liegenden normalen Gesichtsfeldbereichen (dargestellt in grau) zuzurechnen sind, dividiert durch Flächen, die zumindest einem der beiden vorgenannten Flächenanteile zuzuordnen sind (siehe [Abb. 2]). Bei der vorgenannten Vorgehensweise nimmt der Quotient („Accuracy“ = A) im Falle einer komplett fehlenden räumlichen Koinzidenz einen Wert von 0,0 an – bei einer perfekten räumlichen Übereinstimmung beträgt dieser Quotient 1,0.

Abb. 2 Gütebeurteilung perimetrischer Untersuchungsbefunde: Die Summe der Quotienten (auch als „Accuracy“ = A bezeichnet) aus den Schnittmengen korrekt bestimmter Flächen (d. h. Flächen, die sowohl perimetrierten als auch dem tatsächlich zugrunde liegenden Skotombereichen, dargestellt jeweils in blau, zuzurechnen sind sowie Flächen, die sowohl perimetrierten als auch tatsächlich zugrunde liegende normalen Gesichtsfeldbereichen, dargestellt in grau, zuzurechnen sind) und der Vereinigungsmengen der vorgenannten Flächenanteile im zugrunde gelegten, technisch untersuchbaren Beobachtungsbereich (markiert durch den strichlierten violetten Linienzug) erfasst die lokalisatorische Übereinstimmung.

Prinzipiell können auf diese Weise auch exzentrizitätsbezogene Gesichtsfeldteilbereiche (z. B.: 10° – 30° oder 30° – 60°) analysiert werden.

Als weiteres Qualitätskriterium wird für jede der beiden Perimetriemethoden deren Reproduzierbarkeit in Gestalt einer erneuten Untersuchung überprüft (vergleiche auch [Abb. 6]).

[Abb. 3] zeigt exemplarisch eine Gegenüberstellung des originalen (3-dimensional rekonstruierten und hier 2-dimensional farbcodiert dargestellten) Gesichtsfeldbefundes (nahzentrales absolutes oberes Bogenskotom mit Anschluss an den blinden Fleck) des K-Train-Programms (rechte Bildhälfte) mit dem SAKP-Befundergebnis (linke Bildhälfte).

Abb. 3 Rechts: Semiautomatisierter kinetischer Perimetriebefund (SKP) eines absoluten glaukomatösen, nahzentralen bogenförmigen Gesichtsfelddefekts (weißes Areal parazentral oben); die Höhe des im Original 3-dimensionalen Gesichtsfeldbergs ist durch Farbwerte codiert: Violett entspricht dabei der maximalen Lichtunterschiedsempfindlichkeit (LUE) von 30 dB; weiß codiert absolute Defekte (LUE < 20 dB). Der Isopterenverlauf der gutachtenrelevanten Marke III4e wird durch eine gestrichelte blaue Line dargestellt. Links: Finales Ergebnis des Perimetriebefundes, erhoben mit dem SAKP-Algorithmus (SAKP: „Supervised Automated Kinetic Perimetry“; als Endresultat eines in Zeitrafferdarstellung visualisierten Untersuchungsvorgangs); das Übereinstimmungsmaß („Accuracy“ = A), sowohl für das Gesamtgesichtsfeld als auch für exzentrizitätsbezogene Teilbereiche ist im oberen Abschnitt dieses Abbildungsteils dargestellt; im unteren rechten Bereich dieser Teilabbildung sind die Anzahl der Stimuli, die Untersuchungsdauer, das Alter der untersuchten Person (in Jahren) sowie die (farbigen) Liniensymbole für die verschiedenen Goldmann-Reizmarken aufgeführt. Die beiden umrahmten kleinen Abbildungen unten rechts zeigen die im SAKP-Untersuchungsverlauf eingeblendeten „Icons“, die zum Entfernen bzw. Vorschalten von Nahkorrektionsgläsern auffordern; eine animierte Darstellung des Untersuchungsvorgangs kann unter nachfolgendem Link aufgerufen werden: https://www.vision-research.de/sakp/.

[Abb. 4] veranschaulicht den Einfluss der Fehlerrate (ER = Error Rate, von 10%, obere Zeile bis 30%, untere Zeile) und des Fehlerausmaßes (EM = Error Magnitude, von ± 5 s, linke Spalte, bis ± 20 s, rechte Spalte) auf das Übereinstimmungsmaß (AR = Agreement Ratio) der mittels SAKP erhobenen Gesichtsfeldergebnisse (rechter Bildanteil) – jeweils im Vergleich zum fehlerfreien Befund (große Darstellung, linke Bildhälfte): Selbst bei maximaler (randomisiert eingestreuter) Fehlerrate und maximalem (randomisiert eingestreuten) Fehlerausmaß (kleines Bild rechts unten) kann der Quadrantenausfall mit dieser automatisierten Untersuchungstechnik noch detektiert/dargestellt werden!

Abb. 4 Auswirkung von Fehlerrate (Error Rate = ER) und Fehlerausmaß (Error Magnitude = EM) auf den mittels SAKP ermittelten Gesichtsfeldbefund. Links (grüner Kasten) ist der Originalbefund (ohne jegliche Fehler) dargestellt: Grüne und graue Flächen zeigen übereinstimmende Areale zwischen simuliertem Gesichtsfeldbefund und SAKP-Ergebnis an; rote Flächen veranschaulichen Abweichungen. In der rechten Bildhälfte finden sich Perimetrieergebnisse mit von oben nach unten zunehmender Fehlerrate (ER = Error Rate: 10% → 20% → 30%) und von links nach rechts wachsendem Fehlerausmaß (EM = Error Magnitude: ± 5 s → ± 10 s → ± 20 s).

[Abb. 5 a] zeigt – zusammenfassend für die 20 SAKP-Anwendungsbefunde – die zugehörige Übereinstimmungsgüte („Accuracy“ = A), dargestellt als „Box- and Whisker-Plots“) in Abhängigkeit vom Fehlerausmaß: Es zeigt sich generell eine gute Übereinstimmung (Median > 0,8). Generell sinkt das Ausmaß der Übereinstimmung mit Zunahme von Fehlerquote und Fehlerausmaß nur vergleichsweise gering.

Abb. 5 a Auswirkung von zunehmender Fehlerrate und steigendem Fehlerausmaß (vgl. [Abb. 4]; ganz links finden sich die Originalergebnisse, gänzlich ohne Fehler; nach rechts nehmen Fehlerrate und Fehlerausmaß schrittweise zu) auf das Übereinstimmungsmaß („Accuracy“ = A) der mittels SAKP ermittelten Gesichtsfeldbefunde in Bezug auf 20 digitalisierte Gesichtsfeldbefunde (farbcodierte Empfindlichkeitsdarstellungen, rechter Bildanteil von [Abb. 1]). Die Darstellung erfolgt als „Box- and Whisker“-Plots: Die einzelnen Messwerte sind als schwarze Punkte dargestellt (und für Gesichtsfeldbefunde jeder einzelnen Versuchsperson durch dünne schwarze Linien verbunden), der Median ist durch eine rote horizontale Linie veranschaulicht; Ober- und Unterkante der „Box“ stellen als Streuungsmaß das 75. bzw. 25. Perzentil (und damit den Interquartilsabstand = IQA) dar. Die „Antennen“ (= „Whisker“) ragen um das 1,5-fache des IQR vom oberen und unteren Verteilungsende der Box heraus; wenn die Daten sich nicht bis zum Ende der „Whisker“ erstrecken, reichen die „Whiskers“ bis zu den minimalen und maximalen Datenwerten. Falls Werte über oder unter das Ende der Whiskers fallen, werden sie als Punkte („Ausreißer“) eingezeichnet. Für 3 Extremwerte werden die zugehörigen Gesichtsfeld-Befundüberlagerungen im rechten Bilddrittel exemplarisch dargestellt. b Auswirkung von zunehmender Fehlerrate und steigendem Fehlerausmaß (vgl. [Abb. 4]; ganz links finden sich die Originalergebnisse, gänzlich ohne Fehler; nach rechts nehmen Fehlerrate und Fehlerausmaß schrittweise zu) auf die Untersuchungsdauer (Exam. Time = T) der mittels SAKP ermittelten Gesichtsfeldbefunde in Bezug auf 20 digitalisierte Gesichtsfeldbefunde (für 4 Extremwerte werden die zugehörigen Gesichtsfeld-Befundüberlagerungen im rechten Bilddrittel exemplarisch dargestellt); bez. der Erläuterung der „Box- and Whisker“-Plots s. Abb. a.

[Abb. 5 b] zeigt, dass für die 20 SAKP-Anwendungsbefunde – auch bei zunehmendem Fehlerausmaß – die kritische Untersuchungsdauer von 15 min, bis auf wenige Ausnahmen, unterschritten wird. Der Median der Untersuchungsdauer liegt für alle Bedingungen unter 11 min.

[Abb. 6] veranschaulicht, im Vorgriff auf zukünftige Studienprojekte, exemplarisch die Gegenüberstellung von manuell am Goldmann-Perimeter (MGKP, obere Bildhälfte) und automatisiert (SAKP) erhobenen Gesichtsfeldbefunden (links: Initialbefund, rechts: Folgeuntersuchung) einer augengesunden Normalperson. Sämtliche Übereinstimmungsergebnisse („Accuracy“ = A) liegen oberhalb der kritischen Schwelle (A = 0,8). Bemerkenswert ist der deutliche Rückgang der Untersuchungsdauer T im Rahmen der manuell-kinetischen Goldmann-Untersuchungen von initial 31 min auf nachfolgend 17 min, was für einen deutlichen Lern-/Übungseffekt (der untersuchenden Person) spricht. Demgegenüber ist für die (zuvor durchgeführte) automatisierte kinetische Perimetrie (SAKP) kein ausgeprägter Lerneffekt zu verzeichnen (13 min vs. 12 min).

Abb. 6 Exemplarische Gegenüberstellung der Initial- (jeweils linke Bildhälfte) und Folge- (jeweils rechte Bildhälfte) Gesichtsfelduntersuchungen – zunächst mit dem SAKP-Algorithmus (SAKP 1 bzw. SAKP 2, untere Bildhälfte) und danach mit der klassischen manuell-kinetischen Perimetrie am Goldmann-Perimeter (MGKP 1 bzw. MGKP 2, obere Bildhälfte) bei Untersuchung einer augengesunden Normalperson. Die zugehörigen Übereinstimmungsergebnisse (in Bezug auf die „Accuracy“ [A], s. a. [Abb. 2]) sind in Bezug auf Vergleiche zwischen manuellen (MGKP) und automatisiert (SAKP) erhobenen Perimetrieergebnissen durch die Angaben in den grünen Ovalen und die methodenspezifischen Test-Retest-Reliabilitäts-Ergebnisse (Reproduzierbarkeitsergebnisse) in den orangefarbenen Ovalen sowie grafisch durch die grün und orange umrandeten Quadrate dargestellt; rot gefärbte Flächen symbolisieren hierbei Unterschiede zwischen den jeweils verglichenen Gesichtsfeldbefunden. Die jeweilige Untersuchungsdauer (T) wird jeweils in blauer Schrift, der zugehörige Untersuchungszeitpunkt (Beginn, zum Rückschluss auf die Untersuchungsreihenfolge) in grauer Schrift angegeben.

 

MissingLinkText

 

MissingLinkText

Diskussion

Funktionsdiagnostik vs. Morphometrie

Aktuell treten morphometrische Verfahren immer weiter in den Vordergrund: Sie sind vergleichsweise zeitsparend, gut delegierbar und benötigen keine wesentliche, langanhaltende Aufmerksamkeitsleistung des Patienten. Schon lange werden Versuche unternommen, auf ophthalmologischem Gebiet eine unmittelbare Wechselbeziehung zwischen Morphologie und Funktion herzustellen und zu quantifizieren [30]. Morphometrische Methoden erfassen allerdings überwiegend linear skalierte Messgrößen, wie z. B. Dicke oder Abstand/Entfernung; hier führt eine Reduktion z. B. um den Faktor 10 häufig bereits in den messtechnischen Grenzbereich der verwendeten Geräte. Die Ergebnisse sinnesphysiologischer Verfahren erlauben hingegen unmittelbare Rückschlüsse auf Einschränkungen von „Activities of Daily Living“ und sind durch einen vergleichsweise hohen dynamischen Bereich gekennzeichnet und daher – wie fast alle psychometrischen Funktionen – meist logarithmisch skaliert: So überstreicht eine Perimetrieuntersuchung üblicherweise einen Lichtunterschiedsempfindlichkeitsbereich von mindestens 30 dB, was – bezogen auf die zugehörigen Stimulus-Leuchtdichtewerte – einem Faktor von mindestens 1000 entspricht! Somit ist es nicht verwunderlich, dass u. a. für eignungsbezogene, gutachterliche, (sozial-)gerichtliche Fragestellungen funktionsbezogene Verfahren, zumindest im deutschsprachigen Raum, als letztentscheidend eingestuft werden. Auch in der englischsprachigen Literatur werden für die Beurteilung erblicher Netzhauterkrankungen perimetrische Untersuchungsverfahren mit bewegten Messmarken als Goldstandard eingestuft [31]. Diese Überlegungen werden für künftige, aufwendige ophthalmologische „Heilverfahren“ (u. a. Gentherapie, Biologika, Stammzellentherapie, chirurgische Verfahren) zunehmend an Bedeutung gewinnen – unter der Voraussetzung, dass derartige Perimetrien auch tatsächlich nachvollziehbar, gut standardisiert und dokumentiert sowie weitestgehend ohne untersucherseitige Einflüsse ablaufen. Dies ist eine wesentliche wissenschaftliche Motivation zur Entwicklung weitgehend automatisierter – nunmehr auch kinetischer – Perimetrieverfahren!

 

MissingLinkText

Nachteile der konventionellen kinetischer Goldmann-Perimetrie

Wie bereits eingangs erwähnt, wird dieses technisch aufwendige Originalinstrument seit Jahren nicht mehr gebaut. Es weist konstruktionsbedingt (Pantograf-/Storchschnabel-Mechanismus) eine vergleichsweise schlechte Ortsauflösung im besonders wichtigen zentralen Gesichtsfeldbereich auf und ermöglicht keine suffiziente Dokumentation des Untersuchungsgangs. Das Gerät ist mit konventionellen Glühlampen bestückt, die bauartbedingt eine Alterung und Verrußung im Betriebsablauf aufweisen und daher unbedingt einer regelmäßigen Kalibration bedürfen. Dieser Vorgang kann weder automatisiert noch verlässlich dokumentiert werden. Für den Untersuchungsvorgang gibt es zwar einen generellen Konsensus auf bestimmte Untersuchungsstandards – u. a.: Hintergrundleuchtdichte 10 cd/m², obligatorische Verwendung der (gutachtenrelevanten) Messmarke III4e (26′, Stimulus-Leuchtdichte 320 cd/m²) sowie mindestens 3 weiterer Messmarken, deren Isopteren möglichst äquidistant über das Gesichtsfeld verteilt sein sollten und von denen die innerste Messmarke innerhalb einer Exzentrizität von 15° liegen sollte. Die Stimuli sind stets von nicht sehenden in sehende Bereiche und jeweils möglichst senkrecht auf die zu erwartende Skotomgrenze mit konstanter Winkelgeschwindigkeit (minimal 2°/s bis maximal 5°/s) zu führen [31], [32]. Die Einhaltung der vorgenannten Vorgaben bzw. Standards kann am Goldmann-Perimeter nicht dokumentiert und somit nicht belegt werden. Ein an diesem Gerät erhobener Befund ist somit vollständig der Expertise, aber damit eben auch der Willkür des Untersuchungspersonals unterworfen! Das Untersuchungsresultat selbst liegt nur als Grafik vor und kann allenfalls durch einen Scan-Vorgang (als Bild) digital gespeichert werden. Dies ist auch in Bezug auf die ausdrückliche Forderung problematisch, dass derartige perimetrische Untersuchungen „gerichtsfest“ sein müssen (Bernhard Lachenmayr, Sprecher der Verkehrskommission von DOG und BVA; E-Mail-Korrespondenz vom 20. Juni 2023). Gut geschultes, erfahrenes Perimetriepersonal, das vorgenannten komplexen Anforderungen im klinischen Alltag auch bei der Untersuchung behinderter Menschen gewachsen ist, wird mittlerweile zunehmend rar!

 

MissingLinkText

Weiterentwicklung kinetischer Perimetrieverfahren

Schon in den 1980er-Jahren gab es erste Ansätze, den Pantograf-Arm des Goldmann-Perimeters mittels Roboteransteuerung motorisch/pneumatisch zu bewegen („Perikon Optikon“, OPTIKON 2000 S.p.A., Rom, Italien). Seit der Implementierung von kinetischen Untersuchungstechniken in automatische Computerperimeter können Stimuli definierter Reizstärke im Rahmen der sog. semiautomatisierten kinetischen Perimetrie (SKP) entlang vorgegebener oder individuell zu platzierender Vektoren mit konstanten Winkelgeschwindigkeiten standardisiert bewegt werden [20], [33]. Allerdings bedarf auch die SKP großer perimetrischer Expertise, und diese wird heutzutage immer seltener (s. o.). Die Fortführung derartiger Entwicklungen in Richtung eines weitgehend untersucherunabhängigen, automatisierten Perimetrieverfahrens mit bewegten Reizmarken erscheint somit essenziell.

 

MissingLinkText

Qualitätssicherung

Im Zusammenhang mit der Einführung eines interaktiven Trainingsprogramms („K-Train“) für SKP-Untersuchungen an virtuellen Patienten wurde seinerzeit ein Algorithmus zur Qualitätsbeurteilung und Zertifizierung der Trainees realisiert [34]. Als Gütekriterium kam das im Programm K-Train bereits eingeführte Übereinstimmungsmaß (AR = Agreement Ratio) zur Anwendung – also der Quotient von Skotom-Schnittmengen und -Vereinigungsmengen aus den vorgegebenen (K-Train-)Gesichtsfeldbefunden und den jeweiligen Perimetrie–Ergebnissen. Das Übereinstimmungsmaß bezog sich hier auf den Gesamt-Gesichtsfeldbefund und zusätzlich auch auf exzentrizitätsbezogene Teilbereiche.

Ein alleiniger Flächenvergleich von individuell perimetriertem und tatsächlich zugrunde liegendem Skotom ist nicht zielführend, weil in diesem Fall der Ortsbezug fehlt: Mit verschiedenen Methoden ermittelte Skotome könnten z. B. zwar durchaus kongruent, aber gegeneinander rotiert oder an völlig unterschiedlichen Stellen im Gesichtsfeld lokalisiert sein.

Stattdessen wurde in einer früheren Publikation der Autoren zur Qualitätsbeschreibung (für eine bestimmte Messmarkeneigenschaft) der Quotient aus der Schnittmenge und der Vereinigungsmenge der mit verschiedenen Methoden bestimmten Skotome gebildet und als Agreement Ratio (= AR) bezeichnet [34]. Diese Vorgehensweise ist insofern einseitig, als sie nur die Sensitivität eines Verfahrens – in diesem Fall also die Fähigkeit, Skotome als funktionelles Resultat einer Sehbahnaffektion zu detektieren – bewertet. Es fehlt somit ein weiteres, wichtiges Gütekriterium eines diagnostischen Verfahrens, nämlich dessen Spezifität, d. h. die Eigenschaft, Normalbefunde – also altersentsprechend regelrechte Gesichtsfeldareale – auch als solche auszuweisen. Erst die Kombination beider Kriterien, wie in dieser Veröffentlichung in Gestalt der „Accuracy“ (A) realisiert (vgl. auch [Abb. 2]), erlaubt eine adäquate Beurteilung der Qualität des SAKP-Algorithmus. Diese Vorgehensweise ermöglicht es, verschiedene Perimetriemethoden – unabhängig von Form, Ausdehnung und Lokalisation der jeweils methodenspezifisch detektierten Defekte – miteinander in unmittelbar nachvollziehbarer Form zu vergleichen und in einer Maßzahl quantitativ darzustellen. Dieses Prozedere dürfte auch für die anstehende Qualitätsbeurteilung künftiger, u. a. KI-gestützter, Perimetrieverfahren von großem Nutzen sein. Hierbei sollten erforderlichenfalls auch projektionsbedingte Unterschiede in der perimetrischen Befunddokumentation Berücksichtigung finden [31], [35].

 

MissingLinkText

Ausblick

In einer nachfolgenden Studienphase soll der SAKP-Algorithmus an insgesamt 48 Patientinnen bzw. Patienten mit Gesichtsfelddefekten unterschiedlicher Formen und Ausprägungsgrade unter klinischen Untersuchungsbedingungen getestet und den Ergebnissen einer konventionellen manuell-kinetischen Goldmann-Perimetrie gegenübergestellt werden. Der Begriff „Validierung“ wäre in diesem Zusammenhang euphemistisch, denn aufgrund der erheblichen Limitationen des Goldmann-Perimeters (s. a. einleitende Passage dieses Diskussionskapitels) erscheint es nicht gerechtfertigt, die an diesem Gerät erhobenen Gesichtsfeldbefunde als „Ground Truth“/„Gold Standard“ einzustufen. Erschwerend kommt hinzu, dass in die manuell-kinetische Perimetrie auch untersucherbedingte Fehler eingehen, die aufgrund der unzulänglichen Dokumentationsmöglichkeit an diesem Gerät nicht vollständig aufzudecken sind.

Wiederholungen sowohl der SAKP- als auch der konventionellen Goldmann-Untersuchungen erlauben zwar Rückschlüsse auf die Reproduzierbarkeit und damit die methodenbedingte Streuung der beiden Verfahren; aufgrund der vorgenannten methodischen Probleme der manuell-kinetischen Goldmann-Perimetrie (unzulängliche „Ground Truth“, und damit fehlendes exaktes Zielkriterium) kann dieser Ansatz jedoch keine Aussage zu deren Präzision liefern (vgl. DIN ISO 5725 – 1) [36].

Die Reihenfolge der Untersuchungspaare von Goldmann-Perimetrie bzw. SAKP soll randomisiert werden, um Sequenzeffekte (u. a. Lernen, Ermüdung) bestmöglich zu balancieren. Es wäre noch konsequenter, auch die „Paarbildung“ aufzulösen und alle 4 Untersuchungen komplett zu randomisieren. Diese Vorgehensweise wäre allerdings mit noch häufigeren, logistisch aufwendigen Gerätewechseln verbunden und würde zwangsläufig die Untersuchungsdauer verlängern, was sich negativ auf die Untersuchungsqualität auswirken könnte.

Eine weitere klinische Studie mit semiautomatisierter kinetischer Perimetrie (SKP) unter Verwendung moderner, selbstkalibrierender Automatikperimeter mit manuell positionierten Vektoren könnte die vorgenannte Problematik, zumindest im Hinblick auf ungenügende Dokumentation und Standardisierung, reduzieren [31], [37].

Bei allen bisher aufgelisteten (manuell-kinetischen) perimetrischen Referenzmethoden spielt – im Gegensatz zu einer vollautomatisierten kinetischen Perimetrie – die Qualifikation und Erfahrung des Untersuchungspersonals eine entscheidende Rolle. Dieser Umstand, ebenso wie unvermeidliche patientenbezogene Faktoren (u. a. Ermüdung, Lerneffekt, Aufmerksamkeits-, Konzentrationsdefizite) interferiert mit einem Versuchsdesign, das sich auf eine unangefochtene „Ground Truth“ bezieht.

Bei der (quantitativen) Bewertung der kinetischen Gesichtsfeldresultate an einem Automatikperimeter unter Verwendung des hier eingeführten SAKP-Algorithmus erscheint eine differenzierte Ergebnisbeurteilung in Bezug auf die primären Zielgrößen/Qualitätsparameter („Accuracy“ = A und Untersuchungsdauer = T) sinnvoll:

1. Resultate ohne jeglichen Untersuchereingriff (also Fully Automated Kinetic Perimetry = FAKP)

2. Resultate mit nachträglicher untersuchergestützter manueller Nachkorrektur ausschließlich des Isopterenverlaufs ohne perimetrische Nachuntersuchung (SAKP_I)

3. Resultate mit nachträglicher untersuchergestützter manueller lokaler Nachuntersuchung mittels kinetischer, vektorbasierter oder statischer Reizmarken („Supplementary Examination“, einschließlich der ggf. daraus resultierenden Nachkorrektur des Isopterenverlaufs): SAKP_S

Eine weiterentwickelte SAKP-Version könnte ggf. selbstständig lokale Zweideutigkeiten („Ambiguities“) bzw. Unsicherheiten in Bezug auf die Generierung durchlaufender, in sich geschlossener Isopteren anzeigen und dem supervidierenden Untersuchungspersonal die Möglichkeit geben, diese selbsttätig zu schließen (vgl. Pkt. 2.) oder durch manuelle Positionierung zusätzlicher Vektoren bzw. Stimuli die vorgenannten Zweideutigkeiten/Unsicherheiten aufzulösen (vgl. Pkt. 3.).

In einer weiteren Entwicklungsstufe soll die SAKP-Methodik für eine perimetrische Verlaufskontrolle ausgedehnter Gesichtsfelddefekte optimiert werden. Kontrollen könnten dadurch effizienter gestaltet werden, dass der Algorithmus im Falle von Folgeuntersuchungen nicht stets wieder von einem (alterskorrigierten) Normal-Gesichtsfeldberg ausgeht, sondern sich stattdessen an den individuellen (kinetischen und statischen sowie ggf. auch morphometrischen) Voruntersuchungsergebnissen in Bezug auf eine optimierte Vektorpositionierung orientiert.

Eine 3-dimensionale Betrachtungsweise der Gesichtsfeldergebnisse erscheint sinnvoll, weil – in Gestalt der Skotomvolumetrie – eine vergleichende, quantitative Analyse sowohl statischer als auch kinetischer Befunde zum aktuellen „Status quo“ als auch im zeitlichen Verlauf möglich ist [38]. Grundlagen für eine 3-dimensionale Betrachtungsweise wurden von Weleber et al. bereits 1986 gelegt [35]. Dort wird insbesondere darauf hingewiesen, dass die Betrachtung von Skotomflächen in der planaren Gesichtsfeldabbildung zu Verzerrungen im Vergleich zur entsprechenden Fläche auf der (Perimeter-)Halbkugel führt. Bei der Quantisierung der Übereinstimmung zwischen Goldmann- und automatisiert ermittelten Ergebnissen könnten daher zukünftig die dort beschriebenen „Solid Angles“ anstatt der planaren Flächeninhalte zum Einsatz kommen.

Der SAKP-Algorithmus sollte – unter Wahrung datenschutzrechtlicher und datensicherheitsbezogener Aspekte [39], [40] – möglichst viele im klinischen Alltag erhobene Gesichtsfeldbefunde zahlreicher Menschen nutzen, um auf diese Weise ein sich kontinuierlich verbesserndes, selbstlernendes/selbstoptimierendes System zu generieren.

Hierzu ist geplant – unter Voraussetzung der Zustimmung der untersuchten Patienten und der partizipierenden augenärztlichen Einrichtungen – die mit dieser Methode erhobenen SAKP-Befunde in anonymisierter Form in eine Datenbank zu transferieren. Auf diese Weise soll der Algorithmus selbst und auch die Befundauswertung sowie -visualisierung bzgl. Schwachstellen analysiert und optimiert werden. Um eine Rückverfolgung der übermittelten Datensätze zu unterbinden, soll bei diesem Prozess die E-Mail-Adresse der versendenden Einrichtung eliminiert werden. Darüber hinaus erfolgt eine „Verschleierung“ (in der englischsprachigen Literatur wird hier der Terminus „Data Minimization“ verwendet [40]) personenbezogener Daten durch eine möglichst weitgehende Vergröberung der „Granularität“ relevanter übermittelter Informationen: Unter anderem werden Refraktionsangaben von 0,25-dpt-Schritten (Original) in 1-dpt-Klassen, Zylinder-Achslagen von 1° Abstufung (Original) in 10°-Intervalle, Visusangaben in 3 dB-Intervalle (= 3 Visuszeilen-Intervalle), das exakte Untersuchungsdatum in Quartale und Altersangaben in 10-Jahres-Intervalle transformiert.

Als Motivationshilfe/„Incentive“ könnten den partizipierenden Patienten Informationsmaterial sowie die kommentierten Befundausdrucke mitgegeben und für die teilnehmenden augenärztlichen Einrichtungen die Lizenzgebühren für die SAKP-Software reduziert werden.

Mithilfe eines derart erweiterten Befunddatensatzes soll in einem weiteren Entwicklungsschritt eine automatische, KI-gestützte Skotomklassifizierung realisiert werden, welche die Zuordnungswahrscheinlichkeit zu (7) Skotomklassen (Normalbefund, nervenfaserbezogene Ausfälle, Zentral-/Zentrozoekalskotom, Veränderungen im Bereich des blinden Flecks, keil-/sektorförmige Defekte, konzentrische Einschränkung, Ausfälle mit Respektierung des vertikalen Meridians; vgl. auch [Abb. 1]) quantifiziert [41], [42]. Voraussetzung hierfür sind individuell adäquate Vektor-Positionierungen, welche die Skotomgrenzen möglichst senkrecht schneiden (s. o.) und nicht auf ausschließlich zentripetale Vektorausrichtungen beschränken [43], [44].

Eine Weiterentwicklung des Algorithmus könnte eine effiziente binokulare SAKP-Untersuchung, auf der Basis vorangegangener monokularer SAKP-Befunde, realisieren. Für die Vorbereitung einer sinnvollen automatisierten Vektorplatzierung wird die Vereinigungsmenge (ODER-Verknüpfung) der vorab ermittelten Gesichtsfeldaußengrenzen des rechten und linken Auges als Orientierungshilfe für die Positionierung der zum Zentrum hin verlaufenden Vektoren herangezogen. Für die Abschätzung der zu erwartenden Position umschriebener, innerhalb der Außengrenzen liegender binokularer Skotome wird die Schnittmenge (UND-Verknüpfung) der vorab ermittelten umschriebenen, innerhalb der Außengrenzen liegenden Skotome des rechten und linken Auges als Orientierungshilfe für die Positionierung der Vektorursprünge herangezogen, von denen aus sich die Stimuli aus den Skotomzonen herausbewegen.

 

MissingLinkText

 

MissingLinkText

Schlussfolgerung

Der hier vorgestellte SAKP-Algorithmus erreicht einen vergleichsweise hohen Grad an Genauigkeit und Robustheit in Bezug auf die tatsächlichen simulierten Gesichtsfelddaten bei akzeptablen Untersuchungszeiten. Die Anwendung dieses Algorithmus auf reale Patientenuntersuchungen unter klinischen Bedingungen ist derzeit in Vorbereitung.

Fazit

• Eine Automatisierung und damit Standardisierung kinetischer Perimetrieverfahren ist möglich und lässt sich erfolgreich auf repräsentative, simulierte Gesichtsfeldausfälle anwenden.

• Unter Verwendung von Schnitt- und Vereinigungsmengen von ermittelten und vorgegebenen/simulierten Gesichtsfeldbefunden lässt sich die Güte („Accuracy“) des Verfahrens nachvollziehbar quantifizieren.

• Ein Vergleich des automatisierten Perimetriealgorithmus unter klinischen Bedingungen mit konventionellen manuell-kinetischen Verfahren ist in Vorbereitung.

 

MissingLinkText

 

MissingLinkText

Interessenkonflikt/Conflict of Interest

Ulrich SCHIEFER agierte als „Consultant“/Berater der Firmen HAAG-STREIT, Köniz/CH und der Fa. SERVIER, Paris/FR. Das Forschungsteam von Ulrich SCHIEFER erhielt einen IIT (Investigator-initiated Trial/Unrestricted Research Grant) seitens der Fa. JOHNSON & JOHNSON Vision/AMO, Dublin /IRE sowie einen „Research Grant“ der Deutschen Gesetzlichen Unfallversicherung (DGUV). Dieses perimetrische Tätigkeitsfeld wird aktuell gefördert durch die Pro Retina – Stiftung Deutschland eV, Bonn/D. Ulrich SCHIEFER ist Inhaber mehrere Patente, vorzugsweise auf sinnesphysiologischem Gebiet. Er hält regelmäßig Kurse auf dem Gebiet der Refraktionsbestimmung und der Perimetrie und war langjährig Referent auf Veranstaltungen, die von namhaften Pharma-Firmen unterstützt wurden (darunter PharmAllergan, Ettlingen/D, Alcon, Freiburg/D, MSD, München/D, Pfizer, Berlin/D).
Michael WÖRNER ist Geschäftsführer der Fa. Blickshift GmbH, Stuttgart/Deutschland. Er ist Mitinhaber von Patenten, vorzugsweise auf sinnesphysiologischem Gebiet. Seine Tätigkeit auf dem aktuellen perimetrischen Themengebiet wird aktuell gefördert durch die Pro Retina – Stiftung Deutschland eV, Bonn/D.
Ditta ZOBOR gibt keine Interessenkonflikte im Zusammenhang mit dieser Veröffentlichung an./
Ulrich SCHIEFER acted as a consultant for HAAG-STREIT, Köniz/CH and SERVIER, Paris/FR. Ulrich SCHIEFER's research team received an IIT (Investigator-initiated Trial/Unrestricted Research Grant) from JOHNSON & JOHNSON Vision/AMO, Dublin/IRE and a research grant from the German Social Accident Insurance (DGUV). This perimetric field of activity is currently supported by the Pro Retina - Stiftung Deutschland eV, Bonn/D. Ulrich SCHIEFER holds several patents, preferably in the field of sensory physiology. He regularly holds courses in the field of refraction determination and perimetry and has been a speaker for many years at events supported by well-known pharmaceutical companies (including PharmAllergan, Ettlingen/Germany, Alcon, Freiburg/Germany, MSD, Munich/Germany, Pfizer, Berlin/Germany).
Michael WÖRNER is Managing Director of Blickshift GmbH, Stuttgart/Germany. He is co-owner of patents, preferably in the field of sensory physiology. His work in the current perimetric field is currently funded by the Pro Retina - Stiftung Deutschland eV, Bonn/Germany.
Ditta ZOBOR declares no conflicts of interest in connection with this publication.

Danksagung

Dieses Vorhaben wird durch die Pro Retina – Stiftung Deutschland e. V., Bonn/Deutschland gefördert. Die Fa. Haag-Streit AG, Köniz/CH hat ein Vorprojekt dieses Vorhabens unterstützt. Judith Ungewiß, Zentrum für Optische Technologien (ZOT), Fachhochschule Aalen, Deutschland sei an dieser Stelle für die Unterstützung dieses Projekts herzlich gedankt.
Prof. Dr. Peter MARTUS, Direktor des Instituts für Klinische Epidemiologie und Angewandte Biometrie (IKEaB) der Universität Tübingen, gilt der Dank für seine Beratung in der Konzeptphase dieses Projekts.
Herrn Rainer Schönen (M. Sc.), BfDI (Bundesbeauftragter für Datenschutz und Informationssicherheit) Bonn, danken die Autoren herzlich für seine wertvollen Hinweise und Anregungen im Zusammenhang mit datenschutzrechtlichen und datensicherheitsbezogenen Aspekten.

• References/Literatur

• 1 Taylor JF. Vision and driving. Practitioner 1982; 226: 885-889
• 2 Enoch J, McDonald L, Jones L. et al. Evaluating Whether Sight Is the Most Valued Sense. JAMA Ophthalmol 2019; 137: 1317-1320
• 3 Johnson CA, Keltner JL. Incidence of visual field loss in 20,000 eyes and its relationship to driving performance. Arch Ophthalmol 1983; 101: 371-375
• 4 Deutsche Ophthalmologische Gesellschaft (DOG), Berufsverband der Augenärzte Deutschlands (BVA). Fahreignungsbegutachtung 2019. 7. Aufl.. München: Deutsche Ophthalmologische Gesellschaft; 2019
• 5 Rohrschneider K, Tost F. Verkehrstauglichkeit beim Glaukom. Ophthalmologie 2023; 120: 1071-1084
• 6 Nevalainen J, Paetzold J, Papageorgiou E. et al. Specification of progression in glaucomatous visual field loss, applying locally condensed stimulus arrangements. Graefes Arch Clin Exp Ophthalmol 2009; 247: 1659-1669
• 7 Schiefer U, Pascual JP, Edmunds B. et al. Comparison of the new perimetric “German Adaptive Threshold Estimation” (GATE) strategy with conventional full-threshold and SITA Standard strategies. Invest Ophthalmol Vis Sci 2009; 50: 488-494
• 8 Schiefer U, Papageorgiou E, Sample PA. et al. Spatial pattern of glaucomatous visual field loss obtained with regionally condensed stimulus arrangements. Invest Ophthalmol Vis Sci 2010; 51: 5685-5689
• 9 Weleber RG, Smith TB, Peters D. et al. VFMA: Topographic Analysis of Sensitivity Data From Full-Field Static Perimetry. Transl Vis Sci Technol 2015; 4: 14
• 10 Zrenner E, Holder GE, Schiefer U. et al. Quality Control Procedures and Baseline Values for Electroretinography, Perimetry, Color Vision, and Visual Acuity in an International Multicenter Study: Observations from a Safety Trial in Chronic Stable Angina Pectoris. Transl Vis Sci Technol 2020; 9: 38
• 11 Zrenner E, Holder GE, Schiefer U. et al. Three-Year Changes in Visual Function in the Placebo Group of a Randomized Double-Blind International Multicenter Safety Study: Analysis of Electroretinography, Perimetry, Color Vision, and Visual Acuity in Individuals With Chronic Stable Angina Pectoris. Transl Vis Sci Technol 2022; 11: 2
• 12 Jansonius NM, Nevalainen J, Selig B. et al. A mathematical description of nerve fiber bundle trajectories and their variability in the human retina. Vision Res 2009; 49: 2157-2163
• 13 Jansonius NM, Schiefer J, Nevalainen J. et al. A mathematical model for describing the retinal nerve fiber bundle trajectories in the human eye: Average course, variability, and influence of refraction, optic disc size and optic disc position. Exp Eye Res 2012; 105: 70-78
• 14 Hood DC, Nguyen M, Ehrlich AC. et al. A Test of a Model of Glaucomatous Damage of the Macula With High-Density Perimetry: Implications for the Locations of Visual Field Test Points. Transl Vis Sci Technol 2014; 3: 5
• 15 Qiu K, Schiefer J, Nevalainen J. et al. Influence of the Retinal Blood Vessel Topography on the Variability of the Retinal Nerve Fiber Bundle Trajectories in the Human Retina. Invest Ophthalmol Vis Sci 2015; 56: 6320-6325
• 16 Diem R, Molnar F, Beisse F. et al. Treatment of optic neuritis with erythropoietin (TONE): a randomised, double-blind, placebo-controlled trial–study protocol. BMJ Open 2016; 6: e010956
• 17 Lagrèze WA, Küchlin S, Ihorst G. et al. Safety and efficacy of erythropoietin for the treatment of patients with optic neuritis (TONE): a randomised, double-blind, multicentre, placebo-controlled study. Lancet Neurol 2021; 20: 991-1000
• 18 Schiefer U, Wilhelm H. [Visual field compendium. Interpretation of perimetry findings. Comprehensive diagnostic measures]. Klin Monbl Augenheilkd 1995; 206: 206-238
• 19 Dolderer J, Vonthein R, Johnson CA. et al. Scotoma mapping by semi-automated kinetic perimetry: the effects of stimulus properties and the speed of subjectsʼ responses. Acta Ophthalmol Scand 2006; 84: 338-344
• 20 Vonthein R, Rauscher S, Paetzold J. et al. The normal age-corrected and reaction time-corrected isopter derived by semi-automated kinetic perimetry. Ophthalmology 2007; 114: 1065-1072
• 21 Nevalainen J, Paetzold J, Krapp E. et al. The use of semi-automated kinetic perimetry (SKP) to monitor advanced glaucomatous visual field loss. Graefes Arch Clin Exp Ophthalmol 2008; 246: 1331-1339
• 22 Wetzel D, Ungewiss J, Wörner M. et al. Dissociation between red and white stimulus perception: A perimetric quantification of protanopic color vision deficiencies. PLoS One 2021; 16: e0260362
• 23 Schiefer U, Wilhelm H, Hart W. Clinical Neuro-Ophthalmology. Berlin: Springer; 2007
• 24 Ungewiss J, Schiefer U. Perimetrie in der neuroophthalmologischen Funktionsdiagnostik: Indikation – Methoden – Topodiagnostik. Klin Monbl Augenheilkd 2018; 235: 1218-1228
• 25 Hashimoto S, Matsumoto C, Okuyama S. et al. Development of a New Fully Automated Kinetic Algorithm (Program K) for Detection of Glaucomatous Visual Field Loss. Invest Ophthalmol Vis Sci 2015; 56: 2092-2099
• 26 Buhmann MD. Radial basis functions. Acta Numer 2000; 9: 1-38
• 27 Voronoi MG. Nouvelles applications des paramètres continus à la théorie des formes quadratiques. J Reine Angew Math 1908; 134: 198-287
• 28 Aurenhammer F. Voronoi diagrams – a survey of a fundamental geometric data structure. ACM Comput Surv 1991; 23: 345-405
• 29 Heijl A, Krakau CET. A Note on Fixation During Perimetry. Acta Ophthalmol (Copenh) 1977; 55: 854-861
• 30 Harwerth RS, Carter-Dawson L, Shen F. et al. Ganglion cell losses underlying visual field defects from experimental glaucoma. Invest Ophthalmol Vis Sci 1999; 40: 2242-2250
• 31 Barnes CS, Schuchard RA, Birch DG. et al. Reliability of Semiautomated Kinetic Perimetry (SKP) and Goldmann Kinetic Perimetry in Children and Adults With Retinal Dystrophies. Transl Vis Sci Technol 2019; 8: 36
• 32 Johnson CA, Wall M, Thompson HS. A history of perimetry and visual field testing. Optom Vis Sci 2011; 88: E8
• 33 Schiefer U, Rauscher S, Hermann A. et al. Realization of semi-automated kinetic perimetry (SKP) with Interzeag 101 instrument. In: Perimetry Update 2002/2003. The Hague, The Netherlands: Kugler Publications; 2003: 233-238
• 34 Schiefer U, Nowomiejska K, Krapp E. et al. K-Train – a computer-based, interactive training program with an incorporated certification system for practicing kinetic perimetry: evaluation of acceptance and success rate. Graefes Arch Clin Exp Ophthalmol 2006; 244: 1300-1309 Faraj
• 35 Weleber RG, Tobler WR. Computerized quantitative analysis of kinetic visual fields. Am J Ophthalmol 1986; 101: 461-468
• 36 Deutsches Institut für Normung. DIN ISO 5725-1: 1997-11, Genauigkeit (Richtigkeit und Präzision) von Meßverfahren und Meßergebnissen – Teil 1: Allgemeine Grundlagen und Begriffe (ISO 5725-1: 1994). https://www.dinmedia.de/de/norm/din-iso-5725-1/3050093 Stand: 2024-10-04
• 37 Nowomiejska KE, Vonthein R, Paetzold J. et al. Comparison between semiautomated kinetic perimetry and conventional Goldmann manual kinetic perimetry in advanced visual field loss. Ophthalmology 2005; 112: 1343-1354
• 38 Weleber RG, Smith TB, Peters D. et al. VFMA: Topographic Analysis of Sensitivity Data From Full-Field Static Perimetry. Transl Vis Sci Technol 2015; 4: 14
• 39 Aichroth P, Battis V, Dewes A. et al. Anonymisierung und Pseudonymisierung von Daten für Projekte des maschinellen Lernens. 2020. Accessed October 04, 2024 at: https://www.bitkom.org/sites/default/files/2020-10/201002_lf_anonymisierung-und-pseudonymisierung-von-daten.pdf
• 40 Toma M, Bönisch C, Löhnhardt B. et al. Research collaboration data platform ensuring general data protection. Sci Rep 2024; 14: 11887
• 41 Yadav SS, Jadhav SM. Deep convolutional neural network based medical image classification for disease diagnosis. J Big Data 2019; 6: 113
• 42 Cai L, Gao J, Zhao D. A review of the application of deep learning in medical image classification and segmentation. Ann Transl Med 2020; 8: 713
• 43 Mönter VM, Crabb DP, Artes B. Reclaiming the periphery: Automated kinetic perimetry for measuring peripheral visual fields in patients with glaucoma. Invest Ophthalmol Vis Sci 2017; 58: 868-875
• 44 Nowomiejska J, Wrobel-Dudzinska K, Ksaizek K, Ksziazek P, Rejdak K, Maciejewski R, Juenemann AG, Rejdak R. Semi-automated kinetic perimetry provides additional information to static automated perimetry in the assessment of the remaining visual field in end-stage glaucoma. Ophthalmic Physiol Opt 2015; 35: 147-154

Publication History

Received: 13 June 2024

Accepted: 23 September 2024

Article published online:
06 December 2024