Modelul de învățare profundă de transfer (DTL), dezvoltat de cercetători de la Universitatea Chineză din Hong Kong și Spitalul pentru Copii Ann & Robert H. Lurie din Chicago și publicat în JAMA Otolaryngology–Head & Neck Surgery, a prezis rezultatele de limbaj la copiii surzi mici cu o acuratețe de 92,4%.
Mai mult de 180.000 de adulți și copii surzi din Statele Unite au implanturi cochleare, însă aceasta reprezintă doar o mică proporție din cei care ar putea beneficia cu adevărat de utilizarea acestor dispozitive pentru a-și îmbunătăți auzul.
Implanturile, care au devenit mai larg disponibile în anii ’80, pot îmbunătăți auzul atât la adulți, cât și la copii. Cu toate acestea, ele sunt în mod normal mai eficiente atunci când sunt implantate la copiii mici, deoarece oferă creierului în dezvoltare acces la sunet și limbajul vorbit în viața timpurie, când circuitele auditive și de limbaj sunt încă în formare în creier.
Cu toate că există un potențial crescut de beneficiu la indivizii mai tineri, cercetările anterioare au arătat o mare variabilitate în rezultatele de limbaj la copiii surzi care primesc implanturi cochleare. „Această variație nu poate fi prezisă în mod fiabil pentru copiii individuali folosind vârsta la implant sau auzul rezidual”, au scris cercetătorii.
Pentru a evalua potențialul DTL, o formă avansată de învățare automată, pentru a prezice rezultatele după implantarea cochleară, co-investigatorul principal Nancy Young, MD, director medical al programelor de audiologie și implant cochlear la Spitalul pentru Copii Ann & Robert H. Lurie din Chicago, și colegii săi au urmărit 278 de copii care au primit implanturi cochleare în SUA, Hong Kong și Australia.
Copiii participanți la studiu au avut scanări pre-implantare cu rezonanță magnetică a creierului (MRI), iar acestea au fost folosite de AI pentru a prezice cât de bine le va îmbunătăți vorbirea. Copiii și-au făcut implanturile în jur de doi ani în medie și abilitatea lor de limbaj a fost evaluată înainte și după ce au avut implanturile timp de 1–3 ani.
Setul de date analizat de modelul AI a fost complex, deoarece copiii vorbeau trei limbi diferite – engleză, cantoneză și spaniolă – și centrele diferite implicate în studiu au folosit protocoale diferite pentru scanarea creierului și pentru alte rezultate.
DTL folosește o rețea neurală profundă care a învățat deja să recunoască modele în seturi de date de imagini mari și o ajustează să funcționeze pe o sarcină medicală mai mică și specifică, cum ar fi prezicerea rezultatelor pentru copiii incluși în acest studiu. Cercetătorii au teoretizat că ar putea obține o acuratețe predictivă mai bună în această populație de studiu decât în învățarea automată standard.
Acest lucru s-a dovedit a fi adevărat, iar modelul DTL a obținut rezultate mai bune decât învățarea automată standard. În total, a obținut o acuratețe predictivă de 92,4%, o sensibilitate de 91,2%, și o specificitate de 93,6%.
„Rezultatele noastre susțin fezabilitatea unei singu
Sursa: [JAMA Otolaryngology–Head & Neck Surgery](linkulcatresursaoriginala.com)
Senior Editor RevistaSanatatii.ro. Pasionat de lifespan, fan David Sinclair.