gms | German Medical Science

In unserem Hörzentrum optimieren wir kontinuierlich die Analyse und Bewertung von Hörgeräteversorgungen, um sowohl die Indikationsstellung für Cochlea-Implantate zu präzisieren als auch potenzielle Verbesserungsmöglichkeiten in der Hörgeräteanpassung aufzuzeigen. Eine frühere Studie unserer Einrichtung zeigte, dass der mittlere Hörverlust keine geeignete Größe ist, um des Sprachverstehens mit Hörgeräten vorherzusagen [1]. In der aktuellen, noch laufenden Studie wird untersucht, wie diese Prognose durch den Einsatz eines Machine-Learning-Ansatzes weiter verbessert werden kann. Hierbei werden zusätzliche audiometrische und personenbezogene Variablen wie Hörgerätehersteller, Hörgeräteerfahrung und die Qualität des Hörgeräte-Fittings berücksichtigt. Ein Random-Forest-Modell wurde auf einen Datensatz trainiert, der derzeit 635 vermessene Ohren umfasst. Die ergänzend durchgeführte Merkmalsselektion auf Basis der Random-Forest-Methodik verdeutlicht, dass insbesondere das frequenz- und pegelabhängige Fitting einen zentralen Einfluss auf die Vorhersage des Sprachverstehens mit Hörgeräten hat. Darüber hinaus wurden weitere relevante Parameter identifiziert, die das Sprachverstehen mit Hörgerät signifikant beeinflussen.