Undersøgelse viser, at kunstig intelligens kan forudsige talesucces efter cochlearimplantater

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

En AI-model, der anvender dyb overførselsindlæring – den mest avancerede form for maskinlæring – forudsagde talte sprogresultater et til tre år efter cochleaimplantater (implanteret elektronisk høreapparat) med 92 % nøjagtighed, ifølge en stor international undersøgelse offentliggjort i JAMA Otolaryngology - Head and Neck Surgery. Selvom cochlear implantation er den eneste effektive...

Undersøgelse viser, at kunstig intelligens kan forudsige talesucces efter cochlearimplantater

Ifølge en større international undersøgelse offentliggjort i , forudsagde en AI-model, der bruger dyb overførselslæring – den mest avancerede form for maskinlæring – talte sprogresultater et til tre år efter cochleaimplantater (implanteret elektronisk høreapparat) med 92 % nøjagtighedJAMA Otolaryngologi – Hoved- og halskirurgi.

Selvom cochlear implantation er den eneste effektive behandling til at forbedre hørelsen og muliggøre talesprog hos børn med alvorligt til dybt høretab, er talesprogsudviklingen mere variabel efter tidlig implantation sammenlignet med børn med normal hørelse. Hvis det inden implantation fastslås, at børn sandsynligvis vil have større problemer med talesprog, kan intensiveret terapi tilbydes tidligere for at forbedre deres sprog.

Forskere trænede AI-modeller til at forudsige resultater baseret på pre-implantation af hjerne-MRI-scanninger af 278 børn i Hong Kong, Australien og USA, som talte tre forskellige sprog (engelsk, spansk og kantonesisk). De tre centre i undersøgelsen brugte også forskellige hjernescanningsprotokoller og forskellige udfaldsmål.

Sådanne komplekse, heterogene datasæt er problematiske for traditionel maskinlæring, men undersøgelsen viste fremragende resultater med deep learning-modellen. Det overgik traditionelle maskinlæringsmodeller i alle resultatmål.

"Vores resultater demonstrerer gennemførligheden af ​​en enkelt AI-model som et robust prognostisk værktøj til sproglige resultater for børn, der betjenes af cochleaimplantatprogrammer verden over. Dette er et spændende fremskridt for feltet," siger hovedforfatter Nancy M. Young, medicinsk direktør for audiologi og cochleaimplantatprogrammer ved Ann & Robert H. Lurie Children's Hospital i Chicago center of the U.S.

Dette AI-drevne værktøj muliggør en "forudsig-til-ordineret" tilgang til at optimere sprogudviklingen ved at identificere, hvilket barn der kan have gavn af mere intensiv terapi."

Nancy M. Young, Ann & Robert H. Lurie Children's Hospital i Chicago

Dette arbejde blev støttet af Research Grants Council of Hong Kong Grant GRF14605119, National Institutes of Health R21DC016069 og R01DC019387.

Dr. Young har Lillian S. Wells professoratet i pædiatrisk otolaryngologi ved Lurie Children's. Hun er også professor i otolaryngologi ved Feinberg School of Medicine ved Northwestern University og professor og fellow ved Knowles Hearing Center, Institut for Kommunikationsvidenskab og Disorders ved Northwestern University School of Communication.

Luries pædiatriske cochleaimplantatprogram er et af de største og mest erfarne i verden. Siden introduktionen i 1991 er der blevet udført mere end 2.000 cochleaimplantater.


Kilder:

Journal reference:

Wang, Y.,et al. (2025) Forudsigelse af talesprogsudvikling hos børn med cochleære implantater ved hjælp af præimplantat magnetisk resonansbilleddannelse.JAMA Otolaryngologi – Hoved- og halskirurgi. DOI:10.1001/jamaoto.2025.4694.  https://jamanetwork.com/journals/jamaotolaryngology/fullarticle/2842669.