Laryngoscope：利用机器学习预测人工耳蜗植入手术后的听力保存情况

虽然大多数语后聋成人在接受人工耳蜗植入术后都会有明显改善，但研究表明，其结果存在差异。已证明患者、技术和手术特异性因素会影响人工耳蜗植入术后的客观效果，包括年龄、残余听力、耳聋持续时间、术前噪声听力、助听器使用、手术技术/耳蜗内电极放置以及耳蜗前庭异常。

近期，来自美国的研究人员在《Laryngoscope》上发表文章，研究旨在利用术前临床数据，训练和测试有监督的机器学习分类工具，用来预测 CI 术后的听力保存情况。

研究人员前瞻性地收集了单一机构的 CI 数据集，并进行了回顾性预测建模研究。研究对象为REDCap 数据库中的 175 名患者，他们的年龄大于 18 岁、接受过 CI 术前和术后一个月的听力测试。主要结果变量是使用各种公式（标准纯音平均值，SPTA；低频纯音平均值，LFPTA）计算的 CI 术后一个月听力变化的最低四分位数。分析包括应用多变量逻辑回归检测统计学关联，以及训练和测试有监督的学习分类工具。分类工具的性能通过多项指标进行评估，包括接收者操作特征曲线下面积（AUC）和马修斯相关系数（MCC）。

研究结果发现，SPTA 的最低四分位数变化（表示听力保留）与脑膜炎病史、术前 LFPTA 和术前 SPTA 呈正相关。SPTA 的最低四分位数变化与突发性听力损失、噪音暴露、耳廓饱满度和异常解剖呈负相关。LFPTA 的最低四分位数变化与术前 LFPTA 呈正相关。LFPTA 的最低四分位数变化与吸烟呈负相关。在预测每个结果变量时，随机森林在验证数据集上表现出最优的分类性能。

基于五重交叉验证的ROC曲线分析

综上所述，机器学习在预测接受 CI 手术患者的残余听力方面显示出了实用性，检测到的关联有助于解释机器学习模型。这些模型和统计关联可用于改善临床决策和患者预后。

原始出处：

Daniel M Zeitler ， Quinlan D Buchlak， Savindi Ramasundara et al. Predicting Acoustic Hearing Preservation Following Cochlear Implant Surgery Using Machine Learning. Laryngoscope. Jul 2023