gms | German Medical Science

Der Einfluss von künstlicher Intelligenz auf Innovationen im Bereich der Medizintechnik ist mittlerweile allgegenwärtig. Bei Hörgeräten und Cochlea – Implantaten werden an mehreren Stellen der Signalverarbeitung Methoden der künstlichen Intelligenz verwendet, um das Hörerlebnis der jeweiligen Nutzer zu optimieren. Ein prominentes Beispiel sind Deep-Neural-Network basierte Rauschunterdrückungsalgorithmen, welche spätestens seit der neuen Generation von Phonak Audéo Sphere Infinio Hörgeräten mit dem Algorithmus Spheric Speech Clarity auf dem Markt Einzug erhalten hat.

Der Nutzen von Spheric Speech Clarity als auch anderen End-to-End Algorithmen auf die Klangwahrnehmung von CI-Nutzern im Hinblick der Sprachverständlichkeit als auch der Klangqualität ist nicht ganz geklärt. In diesem Beitrag werden Ergebnisse von Studien von KI-basierten Algorithmen mit Hörgeräte- und CI-Nutzern in verschiedenen herausfordernden Situationen im Störlärm vorgestellt. Es sind sowohl Sprachtests (OlSa) als auch MUSHRA-Tests zur Klangwahrnehmung durchgeführt worden.

Die Ergebnisse zeigen einen deutlichen Nutzen von KI-unterstützter Signalverarbeitung gerade bei nichtstationärem Rauschen, welches besonders herausfordernd für CI-Nutzer ist. Es wird zudem gezeigt, dass das Potential in CI-Nutzern im Vergleich zu Hörgeräteträgern zur Sprachverständlichkeitsverbesserung größer zu sein scheint. Zusammenfassend zeigen die Ergebnisse, dass die KI-basierten Algorithmen den „traditionellen“ Rauschunterdrückungsalgorithmen überlegen sind.

Das Potential von KI-basierter Signalverarbeitung zur Sprachverständlichkeitsverbesserung bei Hörgeräte- und CI-Trägern scheint enorm zu sein. Die Nutzer nehmen eine deutliche Verbesserung wahr (Sprachverständlichkeit, Klangqualität und Hörermüdung). Zudem gibt es noch deutliches Verbesserungspotential, wenn man die Eigenheiten der CI-Signalverarbeitung mit betrachtet. So scheinen End-to-End Algorithmen ein enormes Potential zur Individualisierung der Signalverarbeitung zu haben. Hier handelt es sich jedoch aufgrund der Komplexität und des damit verbundenen Rechen- und Batterieaufwands um ein Langzeitziel in der Forschung und Entwicklung. Nichtsdestotrotz scheint der Nutzen der KI-basierten Signalverarbeitung so groß, um einen positiven Einfluss auf das Hörerlebnis im Alltag zu haben.