gms | German Medical Science

Cochlea Implantate stimulieren Neurone mit elektrischem Strom. Allerdings weichen die neuronalen Antwortcharakteristiken dieser Stimulation von den Charakteristiken natürlicher Antworten ab. Das Verständnis des Verhaltens eines künstlich stimulierten Neurons ist jedoch von zentraler Bedeutung für die Sicherheit, Nutzbarkeit und Effizienz von Cochlea Implantaten.

Einzelzellableitungen am elektrisch stimulierten auditorischen Nerv sind nicht zuletzt wegen des Stimulationsartefakts eine technische Herausforderung, sodass nur wenige Daten publiziert sind. Die vorhandenen Daten sind lediglich in Form von grafischen Abbildungen von selektiven Beispielneuronen sowie in Form von wenig aussagekräftigen Populationsmittelwerten zugängig. Diese experimentellen Studien beschränken sich auf eine Beschreibung des Antwortverhaltens als Funktion eines einzelnen Stimulationsparameters zum Beispiel Pulsrate oder Amplitude. Für ein funktionales Verständnis des Antwortverhaltens, also für eine quantitative Charakterisierung der Nervenzellen sind diese Daten leider nur sehr eingeschränkt nutzbar. Trotzdem gibt es inzwischen viele Modellierstudien die sich mit der quantitativen Charakterisierung auf Basis der eingeschränkten Datensätze beschäftigen.

Wir stellen hier die modellbasierte Evaluation eines Datensatzs von über 100 elektrisch stimulierten auditorischen Nervenfasern von Meerschweinchen vor, welche ursprünglich für die Studie von Heffer et al. [1] verwendet wurden. Die Stimuli waren konstante Pulsfolgen von 100 ms Länge, mit mehreren Amplituden und Pulsraten. Wir haben für jede einzelne dieser Nervenfasern die Parameter unseres Modells angepasst, sodass das Antwortverhalten soweit möglich repliziert wird. Darauf aufbauend können wir einerseits direkt messbare Größen wie den Schwellwert der Zellen, ihren Dynamikbereich, Latenz und Latenzstreuung betrachten. Zusätzlich können wir aber auch die latenten Variablen vergleichen, welche das Refraktärverhalten, Facilitation und Akkommodation sowie die Adaptation auf lange Stimuli beschreiben. Die modellbasierte Charakterisierung erlaubt es uns diese Variablen zu untersuchen, ohne für jede ein dediziertes Experiment durchzuführen. Mit Hilfe des Modells können wir auf diese Weise die Unterschiede in Antwortmustern charakterisieren und quantifizieren.