Nutzung digitaler Versorgungs- und Forschungsdaten zur Entwicklung eines prädiktiven Modells in Bezug auf den Hörerfolg nach Cochlea Implantation

• Antragstellerinnen / Antragsteller: Dr. Benedikt Hoeing; Professorin Dr. Christin Seifert
• Fachliche Zuordnung: Hals-Nasen-Ohrenheilkunde, Phoniatrie und Audiologie ; Medizininformatik und medizinische Bioinformatik
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 536124560

Einleitung: Cochlea-Implantate (CI) ermöglichen es tauben Menschen, Schall wahrzunehmen. Die Menge an prä- intra- und postoperativ anfallenden Daten im Cochlea-Implantationsprozess hat sich, u.a. durch technische Innovationen, stetig vergrößert. Bislang gibt es wenig Evidenz über das Zusammenspiel von prä- und intraoperativen Faktoren, die einen Einfluss auf das Höroutcome haben. Des Weiteren ist es nicht möglich, vor bzw. kurz nach einer Implantation vorherzusagen, wie sich das Höroutcome entwickeln wird. Prädiktive Modelle stellen eine Möglichkeit dar, eine große Menge heterogener Daten (anamnestische, diagnostische und therapeutische) zu berücksichtigen und zu kombinieren. Dies erfolgt mittels Techniken des multi-modalen maschinellen Lernens. Hierbei handelt es sich um eine Form der künstlichen Intelligenz (KI) in der Medizin. Ziel: Die Entwicklung und Validierung eines prädiktiven Modells für Patient_innen mit Cochlea-Implantaten ist Ziel dieses Projektes, welches durch die HNO-Klinik der Universitätsmedizin Essen in Zusammenarbeit mit dem Institut für Künstliche Intelligenz in der Medizin (IKIM) sowie dem Fachbereich Mathematik und Informatik, Universität Marburg, durchgeführt wird. Durch Entwicklung und Validierung eines prädiktiven Modells für Patient_innen mit Cochlea-Implantaten sollen Faktoren identifiziert werden, welche das Höroutcome bei einer Cochlea-Implantation beeinflussen. So soll eine objektive Indikationsstellung und präoperative Prädiktion des postoperativen Höroutcomes gelingen. Wir erhoffen uns so eine Verbesserung der Indikationsstellung mit Optimierung des Hörvermögens der Patient_innen, die ein Cochlea-Implantat erhalten. Material und Methoden: Zur Erreichung des Projektzieles wurde ein Arbeitsprogramm konzipiert, welches in 5 Arbeitspakete unterteilt ist. In Arbeitspaket 1 ist die Digitalisierung des Cochlea-Implant-Prozesses prä-, intra- und postoperativ geplant. Dies dient als Voraussetzung für Arbeitspaket 2, in dem eine Analyse von einzelnen Einflussfaktoren berechnet wird. In Arbeitspaket 3 wird ein erklärbares Vorhersagemodell entwickelt, das auf Basis retrospektiver prä- intra- und postoperativer Daten sowie des Hörerfolges lernt, eine präoperative Selektion von Patient_innen durchzuführen. Das Vorhersagemodell soll in unserem Zentrum sowie in kooperierenden Zentren in Arbeitspaket 4 über einen Zeitraum von 24 Monaten multizentrisch bei der präoperativen Indikationsstellung angewandt und evaluiert werden. In Arbeitspaket 5 soll das Vorhersagemodell den CI-Zentren in Deutschland zu Verfügung gestellt werden. Ausblick: Mit diesem innovativen Projekt an der Schnittstelle zwischen Medizin, IT und Informatik wird die Unabhängigkeit von der subjektiven Indikationsstellung durch Heranziehen von objektiven Kriterien erreicht und der diagnostische Prozess beschleunigt. Das große Innovationspotential des vorliegenden Antrags stellt eine Chance dar, den Cochlea-Implantationsprozess zu verbessern.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortlich(e): Professorin Dr. Diana Arweiler-Harbeck