L'intelligenza artificiale può prevedere l'efficacia degli impianti cocleari nel migliorare la parola / AI Can Predict Effectiveness of Cochlear Implants at Improving Speech

L'intelligenza artificiale può prevedere l'efficacia degli impianti cocleari nel migliorare la parola / AI Can Predict Effectiveness of Cochlear Implants at Improving Speech

Segnalato dal Dott. Giuseppe Cotellessa / Reported by Dr. Giuseppe Cotellessa

Un modello che utilizza una forma complessa di intelligenza artificiale (IA) può prevedere con precisione l'efficacia degli impianti cocleari nel migliorare il linguaggio parlato nei bambini sordi.

Il modello di apprendimento a trasferimento profondo (DTL), sviluppato dai ricercatori della Chinese University di Hong Kong e dell'Ann & Robert H. Lurie Children's Hospital di Chicago e pubblicato su JAMA Otolaryngology–Head & Neck Surgery, ha previsto i risultati linguistici nei bambini sordi con una precisione del 92,4%.

Negli Stati Uniti sono più di 180.000 gli adulti ed i bambini sordi che hanno un impianto cocleare, ma questa è solo una piccola parte di coloro che potrebbero effettivamente trarre beneficio dall'uso di questi dispositivi per migliorare il proprio udito.

Gli impianti, disponibili per la prima volta negli anni '80, possono migliorare l'udito sia negli adulti che nei bambini. Tuttavia, sono solitamente più efficaci quando impiantati nei bambini più piccoli, poiché consentono al cervello in via di sviluppo di accedere ai suoni ed al linguaggio parlato durante la prima infanzia, quando i circuiti uditivi e del linguaggio sono ancora in fase di formazione.

Nonostante il potenziale di beneficio maggiore nei soggetti più giovani, studi precedenti hanno dimostrato una grande variabilità nei risultati del linguaggio parlato tra i bambini sordi sottoposti ad impianto cocleare. "Questa variabilità non può essere prevista in modo affidabile per i singoli bambini in base all'età al momento dell'impianto od all'udito residuo", scrivono i ricercatori.

Per valutare il potenziale del DTL, una forma avanzata di apprendimento automatico, per prevedere i risultati dopo l'impianto cocleare, la co-ricercatrice principale Nancy Young, MD, direttore medico dei programmi di audiologia ed impianto cocleare presso l'Ann & Robert H. Lurie Children's Hospital di Chicago, ed i suoi colleghi hanno seguito 278 bambini che avevano ricevuto impianti cocleari negli Stati Uniti, a Hong Kong ed in Australia.

I bambini partecipanti allo studio sono stati sottoposti a risonanza magnetica cerebrale (RMI) pre-impianto, che l'IA ha utilizzato per prevedere il miglioramento del loro linguaggio. I bambini hanno ricevuto gli impianti in media intorno ai due anni e le loro capacità linguistiche sono state valutate prima e dopo l'impianto per 1-3 anni.

Il set di dati analizzato dal modello di intelligenza artificiale era complesso, poiché i bambini parlavano tre lingue diverse (inglese, cantonese e spagnolo) ed i diversi centri coinvolti nello studio utilizzavano protocolli diversi per la scansione del cervello e per altri risultati.

DTL utilizza una rete neurale profonda che ha già imparato a riconoscere modelli in grandi set di dati di immagini e li perfeziona per lavorare su un compito medico più piccolo e specifico, come la previsione degli esiti per i bambini inclusi in questo studio. I ricercatori hanno ipotizzato che potrebbe raggiungere una migliore accuratezza predittiva in questa popolazione di studio rispetto al machine learning più standard.

Ciò si è rivelato vero ed il modello DTL ha ottenuto risultati migliori rispetto al machine learning standard. Nel complesso, ha raggiunto un'accuratezza predittiva del 92,4%, una sensibilità del 91,2% e una specificità del 93,6%.

"I nostri risultati supportano la fattibilità di un singolo modello di intelligenza artificiale come strumento prognostico affidabile per gli esiti linguistici dei bambini assistiti da programmi di impianto cocleare in tutto il mondo. Si tratta di un progresso entusiasmante per il settore", ha affermato Young in un comunicato stampa.

"Questo strumento basato sull'intelligenza artificiale consente un approccio 'prevedi-prescrivi' per ottimizzare lo sviluppo del linguaggio, determinando quale bambino potrebbe trarre beneficio da una terapia più intensiva."

ENGLISH

A model using a complex form of artificial intelligence (AI) can accurately predict how effective cochlear implants are at improving spoken language in young deaf children.

The deep transfer learning (DTL) model, which was developed by researchers at the Chinese University of Hong Kong and Ann & Robert H. Lurie Children’s Hospital of Chicago and published in JAMA Otolaryngology–Head & Neck Surgery, predicted language outcomes in young deaf children with an accuracy of 92.4%.

More than 180,000 deaf adults and children in the U.S. have cochlear implants, but this is only a small proportion of those who could actually benefit from using these devices to improve their hearing.

The implants, which first became more widely available in the 1980s, can improve the hearing of both adults and children. However, they are normally most effective when implanted in younger children, as they give the developing brain access to sound and spoken language during early life when auditory and language circuits are still being formed in the brain.

Despite the increased potential for benefit in younger individuals, past research has shown great variability in spoken language outcomes among deaf children receiving cochlear implants. “This variability cannot be reliably predicted for individual children using age at implant or residual hearing,” write the researchers.

To assess the potential of DTL, an advanced form of machine learning, for predicting outcomes after cochlear implantation, co-lead investigator Nancy Young, MD, medical director of audiology and cochlear implant programs at Ann & Robert H. Lurie Children’s Hospital of Chicago, and colleagues followed up 278 children who received cochlear implants in the U.S., Hong Kong, and Australia.

The children participating in the study had pre-implantation brain magnetic resonance imaging (MRI) scans, and these were used by the AI to predict how well their speech would improve. The children had their implantations at around two years of age on average and their language ability was assessed before and after they had the implants for 1–3 years.

The dataset analyzed by the AI model was complex as the children spoke three different languages—English, Cantonese, and Spanish—and the different centers involved in the study used different protocols for scanning the brain and for other outcomes.

DTL uses a deep neural network that has already learned to recognize patterns in large image datasets and fine‑tunes it to work on a smaller, specific medical task like predicting outcomes for the children included in this study. The researchers theorized it might achieve better predictive accuracy in this study population than more standard machine learning.

This proved to be the case and the DTL model achieved better results than standard machine learning. Overall, it achieved a predictive accuracy of 92.4%, a sensitivity of 91.2%, and specificity of 93.6%.

“Our results support the feasibility of a single AI model as a robust prognostic tool for language outcomes of children served by cochlear implant programs worldwide. This is an exciting advance for the field,” said Young in a press statement.

“This AI-powered tool allows a ‘predict-to-prescribe’ approach to optimize language development by determining which child may benefit from more intensive therapy.”

Da:

https://www.insideprecisionmedicine.com/topics/informatics/ai-can-predict-effectiveness-of-cochlear-implants-at-improving-speech/?_hsenc=p2ANqtz-_PWu1wEoCtbx6sVrXG_enJJ6Hxaa-2XnM0I2lCgZzTaLmH-5DEwVmjrab0_qMUfPIWNkYibOiiMT0AUvQ75AXx5rSthpcLICNSy_np0JTDFMxSZbA&_hsmi=396967869