Studie visar att AI kan förutsäga talframgång efter cochleaimplantat

Transparenz: Redaktionell erstellt und geprüft.
Veröffentlicht am

En AI-modell som använder djupöverföringsinlärning – den mest avancerade formen av maskininlärning – förutspådde talspråksresultat ett till tre år efter cochleaimplantat (implanterad elektronisk hörapparat) med 92 % noggrannhet, enligt en stor internationell studie publicerad i JAMA Otolaryngology - Head and Neck Surgery. Även om cochleaimplantation är den enda effektiva...

Studie visar att AI kan förutsäga talframgång efter cochleaimplantat

Enligt en stor internationell studie publicerad i , förutspådde en AI-modell som använder djupöverföringsinlärning – den mest avancerade formen av maskininlärning – talspråksresultat ett till tre år efter cochleaimplantat (implanterad elektronisk hörapparat) med 92 % noggrannhetJAMA Otolaryngology – Huvud- och halskirurgi.

Även om cochleaimplantation är den enda effektiva behandlingen för att förbättra hörseln och möjliggöra talat språk hos barn med svår till djup hörselnedsättning, är utvecklingen av talat språk mer varierande efter tidig implantation jämfört med barn med normal hörsel. Om det före implantation fastställs att barn sannolikt har större svårigheter med talat språk, kan intensifierad terapi erbjudas tidigare för att förbättra deras språk.

Forskare tränade AI-modeller för att förutsäga resultat baserade på pre-implantation av hjärn-MRI-skanningar av 278 barn i Hongkong, Australien och USA som talade tre olika språk (engelska, spanska och kantonesiska). De tre centra i studien använde också olika hjärnskanningsprotokoll och olika utfallsmått.

Sådana komplexa, heterogena datamängder är problematiska för traditionell maskininlärning, men studien visade utmärkta resultat med modellen för djupinlärning. Den överträffade traditionella maskininlärningsmodeller i alla resultatmått.

"Våra resultat visar på genomförbarheten av en enskild AI-modell som ett robust prognostiskt verktyg för språkresultaten för barn som betjänas av cochleaimplantatprogram över hela världen. Detta är ett spännande framsteg för fältet", säger huvudförfattaren Nancy M. Young, medicinsk chef för audiologi och cochleaimplantatprogram vid Ann & Robert H. Lurie Children's Hospital i Chicago centrum av USA.

Detta AI-drivna verktyg möjliggör en "förutsäg-att-förskriva"-metod för att optimera språkutvecklingen genom att identifiera vilket barn som kan ha nytta av mer intensiv terapi."

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

Detta arbete stöddes av Research Grants Council of Hong Kong Grant GRF14605119, National Institutes of Health R21DC016069 och R01DC019387.

Dr Young innehar Lillian S. Wells professur i pediatrisk otolaryngologi vid Lurie Children's. Hon är också professor i otolaryngologi vid Feinberg School of Medicine vid Northwestern University och professor och fellow vid Knowles Hearing Center, Institutionen för kommunikationsvetenskap och störningar vid Northwestern University School of Communication.

Luries pediatriska cochleaimplantatprogram är ett av de största och mest erfarna i världen. Sedan introduktionen 1991 har mer än 2 000 cochleaimplantatingrepp utförts.


Källor:

Journal reference:

Wang, Y.,et al. (2025) Prognoser talat språkutveckling hos barn med cochleaimplantat med hjälp av preimplantat magnetisk resonanstomografi.JAMA Otolaryngologi–Huvud- och halskirurgi. DOI:10.1001/jamaoto.2025.4694.  https://jamanetwork.com/journals/jamaotolaryngology/fullarticle/2842669.