Rokowanie w zwyrodnieniu plamki żółtej związanym z wiekiem (AMD)

Zwyrodnienie plamki żółtej związane z wiekiem stanowi główną przyczynę utraty wzroku u osób starszych, a do 2040 roku będzie dotykać około 288 milionów ludzi na świecie¹². Rokowanie w AMD zależy przede wszystkim od formy choroby, momentu rozpoznania oraz dostępności odpowiedniego leczenia. Zrozumienie prognozy jest kluczowe dla pacjentów, ponieważ pozwala na świadome podejmowanie decyzji dotyczących leczenia i planowania przyszłości.

Różnice w rokowaniu między formami AMD

Sucha forma AMD, która stanowi najczęstszą postać choroby, charakteryzuje się stopniową utratą wzroku, która może rozwijać się przez wiele lat³. Nie wszyscy pacjenci z zwyrodnieniem plamki żółtej doświadczają znaczącej utraty wzroku³. W przypadku suchej AMD utrata wzroku może następować powoli i wymagać długiego czasu, aby stała się zauważalna³. Ta forma rzadko prowadzi do całkowitej ślepoty, ale może znacząco utrudniać wykonywanie codziennych czynności.

Mokra AMD przedstawia zupełnie inny obraz prognostyczny. Może powodować szybką utratę wzroku i prowadzić do prawnej ślepoty³. Jednak dzięki wprowadzeniu leków anty-VEGF sytuacja pacjentów z mokrą AMD znacznie się poprawiła. Od 2005 roku pacjenci mają znacznie lepsze szanse na zachowanie wzroku centralnego, co pozwala im czytać, prowadzić samochód, rozpoznawać twarze i prowadzić normalne życie⁴.

Nowoczesne metody przewidywania progresji

Współczesna medycyna dysponuje coraz bardziej zaawansowanymi narzędziami do przewidywania rozwoju AMD. Skala AREDS (Age-Related Eye Disease Study) stanowi obecnie kliniczny standard w ocenie ryzyka progresji do zaawansowanej formy AMD⁵⁶. Ta uproszczona skala pozwala okulistom przewidzieć 5-letnie ryzyko rozwoju późnej formy AMD u danej osoby⁶.

Rewolucyjnym krokiem w prognozowaniu AMD jest zastosowanie sztucznej inteligencji i głębokiego uczenia maszynowego. Modele oparte na tych technologiach osiągnęły wysoką dokładność prognostyczną, z 5-letnim wskaźnikiem C-statistic wynoszącym 86,4%, co znacząco przewyższa dokładność specjalistów siatkówki używających dwóch istniejących standardów klinicznych (odpowiednio 81,3% i 82,0%)¹². Te wyniki podkreślają potencjał systemów głębokiego uczenia w usprawnianiu podejmowania decyzji klinicznych u pacjentów z AMD¹.

Szczegółowe informacje o metodach przewidywania progresji i ich klinicznym zastosowaniu znajdziesz w dalszych sekcjach Zobacz więcej: Metody przewidywania progresji AMD – nowoczesne technologie. Czynniki wpływające na rokowanie oraz ich praktyczne znaczenie zostały omówione osobno Zobacz więcej: Czynniki wpływające na rokowanie w AMD – analiza prognostyczna.

Praktyczne zastosowanie prognozowania

Dokładne przewidywanie progresji do późnej formy AMD ma kluczowe znaczenie kliniczne. Umożliwia to lepsze podejmowanie decyzji dotyczących leczenia farmakologicznego, szczególnie suplementów doustnych, które zmniejszają ryzyko progresji, interwencji związanych ze stylem życia, zwłaszcza zaprzestania palenia i zmian dietetycznych, oraz intensywności monitorowania pacjenta¹.

FDA niedawno zatwierdziła narzędzie iPredict AMD, system głębokiego uczenia dostępny na rynku, który może wykryć AMD wymagające skierowania z 88% dokładnością⁷. To narzędzie może również przewidzieć indywidualny wskaźnik ryzyka rozwoju późnej formy AMD w ciągu 1 i 2 lat⁷.

Wpływ zewnętrznych czynników na rokowanie

Rokowanie w AMD może być znacząco wpływane przez czynniki zewnętrzne, co pokazały doświadczenia z okresu pandemii COVID-19. Pacjenci zdiagnozowani podczas okresu ograniczeń związanych z COVID-19 mieli gorsze wyniki wizualne niż ci zdiagnozowani po tym okresie⁹. Wiele czynników, w tym między innymi zmniejszona częstotliwość leczenia, prawdopodobnie przyczyniło się do gorszych wyników wizualnych⁹.

Badania wykazały, że ograniczony okres COVID był związany z gorszymi wynikami wzrokowymi w kontekście zmniejszonej częstotliwości zastrzyków anty-VEGF¹⁰. Wpływ tych zakłóceń może wpływać na prawdopodobieństwo osiągnięcia optymalnych wyników wizualnych w pierwszym roku leczenia¹⁰.

Perspektywy rozwoju prognozowania

Przyszłość prognozowania w AMD wydaje się bardzo obiecująca. Badania wskazują, że istnieje duża szansa na to, że w najbliższej przyszłości interwał i wybór leczenia mokrej AMD będą wspierane przez technologię sztucznej inteligencji⁷. Modele uczenia maszynowego mogą dostarczać pacjentom dokładnych przewidywań odpowiedzi ostrości wzroku na leczenie, co może znacznie zwiększyć zgodność pacjentów z leczeniem w korzystnych przypadkach⁸.

Ważne jest również to, że chociaż pacjenci z obiema formami AMD mogą doświadczać postępującego spadku ostrości wzroku, prawie nigdy nie będą całkowicie ślepi⁴. Ta informacja może przynieść znaczną ulgę pacjentom obawiającym się całkowitej utraty wzroku.