gms | German Medical Science

Sprachaudiometrie auf Basis von Matrix-Satztests stellt ein wichtiges diagnostisches Werkzeug zur Quantifizierung von Hörverlusten und zur Anpassung von Hörgeräten dar. Üblicherweise erfordert die Durchführung solcher Tests eine Versuchsleitung, um die von der Versuchsperson richtig erkannten Wörter zu protokollieren. Im dynamischen Testverfahren wird so das Signal-zu-Rausch-Verhältnis ermittelt, bei dem 50 % der Wörter korrekt klassifiziert werden; dieser Wert wird als als Speech Reception Threshold (SRT) bezeichnet. Um die Verbreitung und Zugänglichkeit sprachaudiometrischer Tests zu steigern, haben wir untersucht, ob automatische Spracherkennung (automatic speech recognition, ASR) geeignet ist, um eine Testdurchführung auf Basis eines Sprachinterfaces zu automatisieren. Dazu wurden zwei Studien durchgeführt, die erstens auf eine klinische Durchführung ASR-basierter Sprachaudiometrie abzielen [1] und zweitens untersuchen, inwieweit Smart Speaker in ihrem natürlichen Habitat dazu geeignet sind, akkurate SRTs zu messen [2]. In der klinischen Studie wurde untersucht, welche ASR-Fehlerraten erzielt werden können und welche SRT-Messgenauigkeit daraus folgt. Dabei liegen die automatisch gemessenen SRTs bei normalhörenden und leicht schwerhörenden Nutzern innerhalb der Test-Retest-Genauigkeit des Matrixtests; damit ermöglicht ASR eine Messung ohne signifikanten Genauigkeitsverlust gegenüber des regulären Verfahrens mit einer Versuchsleitung. Bei der zweiten Studie mit einem Smart Speaker ergeben sich wichtige Unterschiede zur klinischen Messung: Bei Smart Speakern, die auf dem Markt etabliert sind, kann der der Störgeräuschpegel bei wechselndem SNR nicht konstant gehalten werden, es ist mit Nachhall im Wohnzimmer zu rechnen, die Wiedergabe ist nicht kontinuierlich und die ASR-Komponente kann Transkriptionsfehler produzieren. Die Messgenauigkeit wurde für Probanden mit normalem Gehör oder mit leicht- und mittelgradigem Hörverlust in verschiedenen akustischen Situationen, die sich z.B. im Nachhall unterscheiden, untersucht. Dabei ergibt sich ein durchschnittlicher signifikanter Bias von etwa 1.4 dB im Vergleich zum klinischen Pendant. In dem Vortrag werden die Gründe für diese Abweichung diskutiert.