Sprachentwicklung bei Kindern mit Cochlea-Implantat: Prognose mit KI

Welche Kinder mit Cochlea-Implantat profitieren von einer frühen Intensivtherapie? Eine aktuelle Studie nutzte zur Prognose der Sprachentwicklung KI-Modelle – mit „hervorragenden Ergebnissen“.

Ein KI-Modell, das auf Deep Transfer Learning (DTL) basiert, hat laut einer großen internationalen Studie die Ergebnisse der gesprochenen Sprache ein bis drei Jahre nach Einsetzen eines Cochlea-Implantats mit einer Genauigkeit von 92 Prozent vorhergesagt. Die Studie ist in JAMA Otolaryngology-Head & Neck Surgery veröffentlicht.

Wer profitiert von früher Intensivtherapie?

Kindern mit schwerem bis hochgradigem Hörverlust ermöglichen Cochlea-Implantate den Zugang zur gesprochenen Sprache. Allerdings entwickelt sich diese nach einer frühen Implantation im Vergleich zu Kindern mit normalem Hörvermögen variabler.

Kinder, die wahrscheinlich größere Schwierigkeiten mit der gesprochenen Sprache haben werden, vor dem Einsetzen eines Cochlea-Implantats zu identifizieren, könnte dieser Gruppe einen frühen Zugang zu einer intensivierten Therapie liefern – für ein möglichst gutes Sprachergebnis. Inwiefern KI-Modelle, die DTL nutzen, die Prognose verbessern, hatte eine aktuelle internationale Studie im Fokus.

Prognose anhand komplexer, heterogener Datensätze

Die Forscher trainierten KI-Modelle, um anhand von MRT-Aufnahmen des Gehirns vor der Cochlea-Implantation die Ergebnisse der Sprachentwicklung der Studienteilnehmer vorherzusagen. Das Team um Yanlin Wang von der Chinese University Hongkong wertete die Daten von 278 Kindern in Hongkong, Australien und den USA aus, die Englisch, Spanisch oder Kantonesisch sprachen. An der Studie nahmen drei Zentren teil. Sie verwendeten unterschiedliche Protokolle für die Untersuchung des Gehirns und unterschiedliche Messmethoden für die Ergebnisse.

Von 278 Kindern waren 137 (49,3 %) weiblich. Die Kinder waren im Schnitt 25,7 Monate alt bei der Cochlea-Implantation. DTL-Vorhersagemodelle verwendeten eine bilineare, auf Aufmerksamkeit basierende Fusionsstrategie. Solche komplexen, heterogenen Datensätze sind für traditionelles Maschinelles Lernen problematisch. Allerdings zeigte das in der Studie verwendete DTL „hervorragende Ergebnisse“, wie die Autoren betonten.

Studie bestätigt KI-Modell als Prognoseinstrument für die Sprachentwicklung

Die DTL-Modelle der Studie erreichten eine Genauigkeit von 92,39 % (95 %-Konfidenzintervall [KI], 90,70 %-94,07 %), eine Sensitivität von 91,22 % (95 %-KI, 89,98 %-92,47 %), eine Spezifität von 93,56 % (95 %-KI, 90,91 %-96,21 %) und eine Fläche unter der Kurve von 0,98 (95 %-KI, 0,97-0,99). DTL übertraf damit traditionelle Maschinelle Lernmodelle in allen Ergebnismaßen.

„Unsere Ergebnisse bestätigen die Machbarkeit eines einzigen KI-Modells als robustes Prognoseinstrument für die Sprachentwicklung von Kindern, die weltweit an Cochlea-Implantat-Programmen teilnehmen. Dies ist ein spannender Fortschritt für diesen Bereich“, betonte die leitende Autorin Nancy M. Young, MD, vom Ann & Robert H. Lurie Children’s Hospital in Chicago – dem US-amerikanischen Zentrum der Studie. „Dieses KI-gestützte Instrument ermöglicht einen ‚Predict-to-Prescribe‘-Ansatz zur Optimierung der Sprachentwicklung, indem es ermittelt, welche Kinder von einer intensiveren Therapie profitieren könnten.“ (ja/BIERMANN)