Uit onderzoek blijkt dat AI spraaksucces na cochleaire implantaten kan voorspellen

Uit onderzoek blijkt dat AI spraaksucces na cochleaire implantaten kan voorspellen

Volgens een grote internationale studie gepubliceerd in , voorspelde een AI-model dat gebruik maakt van deep transfer learning – de meest geavanceerde vorm van machinaal leren – gesproken taalresultaten één tot drie jaar na cochleaire implantaten (geïmplanteerd elektronisch hoortoestel) met een nauwkeurigheid van 92%JAMA Otolaryngologie – Hoofd- en nekchirurgie.

Hoewel cochleaire implantatie de enige effectieve behandeling is voor het verbeteren van het gehoor en het mogelijk maken van gesproken taal bij kinderen met ernstig tot zeer ernstig gehoorverlies, is de ontwikkeling van de gesproken taal na vroege implantatie variabeler dan bij kinderen met een normaal gehoor. Als vóór de implantatie wordt vastgesteld dat kinderen waarschijnlijk meer moeite hebben met gesproken taal, kan er eerder geïntensiveerde therapie worden aangeboden om hun taal te verbeteren.

Onderzoekers hebben AI-modellen getraind om uitkomsten te voorspellen op basis van pre-implantatie hersen-MRI-scans van 278 kinderen in Hong Kong, Australië en de VS die drie verschillende talen spraken (Engels, Spaans en Kantonees). De drie centra in het onderzoek gebruikten ook verschillende hersenscanprotocollen en verschillende uitkomstmaten.

Dergelijke complexe, heterogene datasets zijn problematisch voor traditioneel machinaal leren, maar de studie liet uitstekende resultaten zien met het deep learning-model. Het presteerde op alle uitkomstmaten beter dan traditionele machine learning-modellen.

“Onze resultaten demonstreren de haalbaarheid van één enkel AI-model als een robuust prognostisch hulpmiddel voor de taalresultaten van kinderen die wereldwijd cochleaire implantaatprogramma’s ontvangen. Dit is een opwindende vooruitgang voor het vakgebied”, zegt hoofdauteur Nancy M. Young, medisch directeur van audiologie- en cochleaire implantaatprogramma’s bij het Ann & Robert H. Lurie Children’s Hospital in Chicago – het Amerikaanse centrum van de studie.

Deze AI-aangedreven tool maakt een ‘voorspel-tot-voorschrijf’-aanpak mogelijk om de taalontwikkeling te optimaliseren door te identificeren welk kind baat zou kunnen hebben bij intensievere therapie.”

Nancy M. Young, Ann & Robert H. Lurie Kinderziekenhuis van Chicago

Dit werk werd ondersteund door de Research Grants Council of Hong Kong Grant GRF14605119, de National Institutes of Health R21DC016069 en R01DC019387.

Dr. Young bekleedt het Lillian S. Wells hoogleraarschap in kinderotolaryngologie bij Lurie Children’s. Ze is ook hoogleraar otolaryngologie aan de Feinberg School of Medicine aan de Northwestern University en professor en fellow aan het Knowles Hearing Center, Department of Communication Sciences and Disorders aan de Northwestern University School of Communication.

Het pediatrische cochleaire implantaatprogramma van Lurie is een van de grootste en meest ervaren ter wereld. Sinds de introductie in 1991 zijn er meer dan 2.000 cochleaire implantaatprocedures uitgevoerd.

Bronnen: