Studie viser at AI kan forutsi talesuksess etter cochleaimplantater

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

En AI-modell som bruker dyp overføringslæring – den mest avanserte formen for maskinlæring – spådde talespråksutfall ett til tre år etter cochleaimplantater (implantert elektronisk høreapparat) med 92 % nøyaktighet, ifølge en stor internasjonal studie publisert i JAMA Otolaryngology – Head and Neck Surgery. Selv om cochleaimplantasjon er den eneste effektive...

Studie viser at AI kan forutsi talesuksess etter cochleaimplantater

I følge en stor internasjonal studie publisert i , predikerte en AI-modell som bruker dyp overføringslæring – den mest avanserte formen for maskinlæring – talespråksutfall ett til tre år etter cochleaimplantater (implantert elektronisk høreapparat) med 92 % nøyaktighetJAMA Otolaryngology – Hode- og nakkekirurgi.

Selv om cochleaimplantasjon er den eneste effektive behandlingen for å forbedre hørselen og muliggjøre talespråk hos barn med alvorlig til dyp hørselstap, er talespråkutviklingen mer variabel etter tidlig implantasjon sammenlignet med barn med normal hørsel. Hvis det før implantasjon fastslås at barn sannsynligvis vil ha større problemer med talespråk, kan intensivert terapi tilbys tidligere for å forbedre språket.

Forskere trente AI-modeller til å forutsi utfall basert på pre-implantasjon av hjerne-MR-skanninger av 278 barn i Hong Kong, Australia og USA som snakket tre forskjellige språk (engelsk, spansk og kantonesisk). De tre sentrene i studien brukte også ulike hjerneskanningsprotokoller og ulike utfallsmål.

Slike komplekse, heterogene datasett er problematiske for tradisjonell maskinlæring, men studien viste utmerkede resultater med dyplæringsmodellen. Den overgikk tradisjonelle maskinlæringsmodeller i alle resultatmål.

"Våre resultater viser gjennomførbarheten av en enkelt AI-modell som et robust prognostisk verktøy for språkresultatene til barn som betjenes av cochleaimplantatprogrammer over hele verden. Dette er et spennende fremskritt for feltet," sa hovedforfatter Nancy M. Young, medisinsk direktør for audiologi og cochleaimplantatprogrammer ved Ann & Robert H. Lurie Children's Hospital i Chicago sentrum av USA.

Dette AI-drevne verktøyet muliggjør en "forutsi-å-forskrive"-tilnærming for å optimalisere språkutviklingen ved å identifisere hvilket barn som kan ha nytte av mer intensiv terapi."

Nancy M. Young, Ann og Robert H. Lurie barnesykehus i Chicago

Dette arbeidet ble støttet av Research Grants Council of Hong Kong Grant GRF14605119, National Institutes of Health R21DC016069 og R01DC019387.

Dr. Young har Lillian S. Wells professorat i pediatrisk otolaryngologi ved Lurie Children's. Hun er også professor i otolaryngologi ved Feinberg School of Medicine ved Northwestern University og professor og stipendiat ved Knowles Hearing Center, Institutt for kommunikasjonsvitenskap og lidelser ved Northwestern University School of Communication.

Luries pediatriske cochleaimplantatprogram er et av de største og mest erfarne i verden. Siden introduksjonen i 1991 har mer enn 2000 cochleaimplantatprosedyrer blitt utført.


Kilder:

Journal reference:

Wang, Y.,et al. (2025) Prognose utvikling av talespråk hos barn med cochleaimplantater ved bruk av preimplantat magnetisk resonansavbildning.JAMA Otolaryngologi – Hode- og nakkekirurgi. DOI:10.1001/jamaoto.2025.4694.  https://jamanetwork.com/journals/jamaotolaryngology/fullarticle/2842669.