補聴器ユーザー向けのコンピューター支援スピーチトレーニング

はじめに 感音難聴 (SNHL) は、世界中の人々に影響を与える障害であり、平均余命の延長により有病率が増加すると予想されます。 SNHL は生活の質に重大な悪影響を及ぼします。特に、言語習得前の難聴の子供では顕著です。 突発性難聴や内リンパ水腫など、薬や手術で治療または緩和できる特定の疾患を除いて、ほとんどのSNHL患者は聴力を取り戻すために補聴器を装着するか人工内耳を装着する必要があります。 しかし、聴覚はコミュニケーションにつながる一連のイベントの最初のステップにすぎないため、多くの人にとって、これらの手段ではコミュニケーションの問題を十分に解決できません。 聴覚とコミュニケーションの間には、リスニングと理解の重要なスキルがあり、コミュニケーションを成功させるには、増幅を受けている患者に何らかの聴覚リハビリテーションを提供する必要があることが示唆されています. 高齢者は補聴器の装用に自発的に順応しない、またはその影響が小さいか存在しないことが報告されており、補聴器装用後のリハビリテーションの重要性が強調されています。 残念ながら、台湾の SNHL 患者全員がこの種のリハビリテーションを受けるわけではありません。 この理由は次のとおりです。(a) リハビリテーションの方法は、すべての臨床医または言語病理学者になじみがあるわけではありません。 (b) そのような時間のかかるリハビリテーションを提供する臨床医または言語病理学者が不足している。 (c) 聴覚障害のある患者は、リハビリテーションに時間を割くことができないか、または時間をかけたくない場合があります。 (d) リハビリテーションによってもたらされる改善を測定することは困難です。

最近、補聴器ユーザーが自宅でパソコンを使用して手順を実行できるようにする技術の進歩により、リハビリテーション訓練手順が関心を集めています。 Burk らは、コンピュータを使用して、デジタルで記録されたトレーニング教材を使用して、聴力が正常な若いリスナーと聴覚障害のある年配の聴取者をトレーニングしました。 その結果、高齢の聴覚障害者は、1 人の話者とのトレーニングによって単語認識能力を大幅に向上させることができ、ある程度は健聴者の若者と同じレベルに達したことがわかりました。 さらに、改善されたパフォーマンスは、話し手や時間を超えて維持されました。

コンピューター支援読み上げトレーニング (CAST) システムは、対面式のトレーニング介入をシミュレートするために開発され、軽度から中等度の後天性難聴を持つ退職前の成人向けの包括的な聴覚リハビリテーション プログラムの 1 つのコンポーネントとして設計されました。 トレーニングの目的は、聴覚言語知覚を補完するために音声読解力を強化することでした。 トレーニング中、学習者はコンピューターで生成された画面または教師のビデオ録画のいずれかを表示するモニターを見ます。 CAST は、臨床医が既存のリハビリテーション技術を置き換えるのではなく、拡張するために使用するように設計されています。

コンピューターベースのトレーニングは、人工内耳ユーザーのリハビリテーションにも適用されています。 コンピュータベースのトレーニングが開発される前に、一部の研究では、パフォーマンスの低い人工内耳ユーザーの音声認識スキルに対する限られたトレーニングの影響が評価されました。 Busby らは、1 時間の発話知覚および生産トレーニング セッションを 10 回実施し、その結果、3 人の人工内耳ユーザーの知覚能力の変化が最小限であることが示されました。 ドーソンとクラークは、週に 1 回 50 分間のトレーニング セッションを 10 週間実施し、被験者 5 人中 4 人がある程度の改善を示しました。 人工内耳ユーザーの音声認識能力を向上させるこれらの試みの成功が限定的であったのは、不十分な量のトレーニングが原因であると考えられていました。 人工内耳ユーザーのより集中的なトレーニングが効果的であると予測されました。これは、通常の聴力集団では、トレーニングが音声セグメントの識別と識別、およびスペクトルシフトされた音声の認識を改善することに成功したことが示されているためです。 Fu らは、CAST とも呼ばれるコンピューター支援発話訓練システムを使用して、人工内耳ユーザーのリハビリテーションに有望な結果が得られたことを報告しましたが、これは Pichora-Fuller および Benguerel の CAST システムとは異なります。 House Ear Institute で開発された Fu らの CAST システムには、トレーニング資料の大規模なデータベースが含まれており、パーソナル コンピューターにインストールすることができます。または言語病理学者は、被験者のテストのスコアとトレーニングの進行状況を監視できます。 その結果、適度な量のトレーニング (1 日 1 時間、週 5 日) を行った後、この研究に参加した 10 人の成人の蝸牛インプラント使用者全員が、母音と子音の認識スコアに有意な改善を示しました。 Wu らは CAST システムを 10 人の北京語を話す子供 (3 人の補聴器ユーザーと 7 人の人工内耳ユーザー) に適用しました。 1 日 30 分、週 5 日、10 週間のトレーニングの後、被験者は母音、子音、中国語の音調のパフォーマンスが大幅に改善されました。 この改善されたパフォーマンスは、トレーニングが完了してから 2 か月間、ほとんど維持されました。 Stacey と Summerfield はまた、コンピューターベースの聴覚トレーニングを使用して、ノイズの知覚を改善しました。 結果は、トレーニングが音声のスペクトル歪みの影響を克服するのに役立ち、トレーニング資料は複数の話者が含まれている場合に最も効果的であることが確認されました。

これらの以前の研究に基づいて、人工内耳ユーザーは、CAST システムでトレーニングした後、音声認識能力を向上させることができます。 このシステムが補聴器ユーザー、特に言語前の難聴患者にも有効である場合、人工内耳ユーザーよりも補聴器ユーザーの方がはるかに多いため、CAST システムは実質的にプラスの影響を与えるでしょう。

この研究の目的は、言語前に難聴になった青少年と若年成人を CAST でトレーニングし、その効果を客観的かつ主観的に測定することでした。 客観的なメリットは公開されている音声認識テスト [13] を使用して測定され、主観的なメリットはクライアント志向の改善尺度 (COSI) を使用して測定されました。

材料と方法 対象者 言語前の重度から重度の難聴を持つ 15 人の補聴器ユーザーがこの研究に参加しました。 対照群として、同様の年齢と平均聴力を持つ別の 6 人の補聴器ユーザーが含まれました。 研究対象と対照の選択基準は次のとおりです。（1）15歳以上の年齢。 (2) 難聴と診断されてから少なくとも 2 年間補聴器を装用している。 (3) コンピュータを操作する基本的な能力。 (4) 北京語話者。 (5) 研修プログラムを実施する動機。 除外基準は次のとおりです。(1) 補助聴力平均が 70 dBHL 未満。 (2) パソコンの操作ができない。 CAST を使用したトレーニングの前に、すべての参加者は補助なしおよび補助付きの音場聴力検査を受けました。 表 1 に 21 名の参加者の基本情報を示します。

クライアント指向の改善尺度 (COSI) COSI アンケートを使用して、主観的なメリットを評価します。 CAST システムでトレーニングする前に、トレーニング グループとコントロール グループの両方に、より適切に対処したい特定の状況を 5 つ特定するよう求めました。 トレーニングの最後に、それぞれの状況について、(A) どの程度よく聞こえるようになったか (または悪くなったか)、(B) どの程度うまく対処できるようになったかを尋ねられました。 スケーリングの目的で、回答には 1 から 5 のスコアが割り当てられました。5 は「かなり良い」および「ほぼ常に」に対応し、4 は「より良い」および「ほとんどの場合」に対応し、3 は「少し良い」に対応し、3 は「少し良い」に対応し、質問 A と B について、それぞれ「半分の時間」、「違いがない」と「ときどき」に対応する 2、「悪い」と「ほとんどない」に対応する 1。 質問 A は「改善」と定義され、質問 B は「最終的な能力」と定義されました。 5 つの状況の合計スコアは、トレーニング グループとコントロール グループの間で比較されました。

テスト教材と手順 単音節単語、二音節スポンジ単語、母音、子音、および中国語のトーン認識テストを含む音声認識テスト教材は、Melody Medical Instruments Corp. で男性と女性のスピーカーによって CD-ROM に録音されました。 テスト資料は、70 dBHL の出力レベルで GSI 61TM 臨床聴力計 (Grason-Stadler、米国) に接続されたラップトップ コンピューターに表示されました。 テスト手順は、二重壁の音響処理された部屋で実行されました。

単音節中国語単語認識テスト教材には、25 の中国語単語の 4 つのブロックが含まれていました。 音声認識テストごとに、50 個の単語が選択され、50 個のトークンのセットが作成されました。 単音節の中国語の単語が表示された後、参加者はその単語を書き留めるように求められました。 音声認識テストごとに、オープン セット テストの 4 つの異なるセットが生成されました。 二音節中国語のスポンジ語認識試験材料には、中国語のスポンジ語の 2 つのブロックが含まれ、各ブロックには 36 の中国語のスポンジ語が含まれていました。 音声認識テストごとに、1 つのブロックが選択され、36 個のトークンのセットが作成されました。 中国語のスポンジ ワードが表示された後、参加者はその単語を書き留めるように求められました。 各音声認識テストの材料の順序を変更することにより、4 つの異なるセットのオープン セット テストが生成されました。

母音認識テスト教材には、16 の中国語単語が含まれていました。 母音認識は、中国語の文字が選択リストに表示される 4 つの代替強制選択手順を使用して測定されました。 各音声認識テストでは、単語の順序が変更されました。 したがって、クローズド セット テストの 4 つの異なるセットが生成されました。 子音認識テスト教材には、21の中国語単語が含まれていました。 子音認識は、漢字が選択リストに表示される 4 つの代替強制選択手順を使用して測定されました。 各音声認識テストでは、単語の順序が変更されたため、4 つの異なるセットのクローズド セット テストが生成されました。 中国語の声調認識テストの教材には、50 の中国語の単語が含まれていました。 参加者は、中国語の単語が表示された後、中国語のトーン (トーン: 1: 平坦; 2: 上昇; 3: 下降-上昇; 4: 下降) を書き留めるように求められました。 各音声認識テストでは、単語の順序が変更されたため、4 つの異なるセットのオープン セット テストが生成されました。

トレーニングの前に、両方のグループがベースライン データとして一連の音声認識テストを受けました。 その後、トレーニング グループはトレーニングを開始しましたが、対照グループはトレーニングを受けませんでした。 4 週間ごとに、参加者はラボに戻って、さまざまなテスト材料を使用した別の一連の音声認識テストを受けました。 すべての参加者は、研究の終わりまでに合計 4 つの音声認識テストを受けました。

トレーニング ツールと手順 House Ear Institute で開発され、Melody Medical Instrument Corp. によって配布された CAST ソフトウェアをトレーニング ツールとして使用しました。 トレーニンググループは、このプログラムに続いて、1 日 1 時間以上、週 3 日、12 週間連続して自宅でトレーニングするように指示されました。 コントロール グループはトレーニングを受けず、音声認識テストのために 4 週間ごとにラボに戻りました。 トレーニング グループの各参加者に対して、ソフトウェアが各自のパソコンにインストールされた後、ベースラインの音声認識テストが実行されました。 その結果はソフトウェアによって分析され、ターゲットを絞ったトレーニング プログラムが自動的に生成されました。 ソフトウェアには、純音、母音認識、子音認識、声調認識、話者認識、環境音、時折の単語、時折の文など、大量の情報が含まれていました。 被験者は、純音、母音認識、子音認識、声調認識トレーニングに集中するよう求められました。 被験者は、コンピューター ソフトウェアによって生成されたレベルでトレーニングを開始しました。 通常、各トレーニング カテゴリには 5 つの難易度レベルがあり、各レベルは複数のトレーニング セッションで構成されていました。 純音認識トレーニングでは、被験者は他の音とは異なる音を選択するよう求められました。 応答が正しいか正しくないかについて、視覚的なフィードバックが提供されました。 トレーニングセッションが完了した後、スコアが計算されました。 スコアが 80 を超えると、トレーニングはより高いレベルに進みます。 スコアが 80 を超えなかった場合は、スコアが 80 を超えるまでトレーニング セッションが繰り返されました。 より高いレベルのトレーニング セッションでは、応答の選択肢における音声機能の違いが減少しました。 母音認識トレーニングでは、被験者は他の母音とは異なる母音を選択するよう求められました。 被験者が 3 択強制選択弁別課題を超えて進んだ後、最終母音を識別するように訓練されました。 同様のトレーニング手順が、子音およびトーン認識トレーニングに使用されました。

トレーニング グループの各被験者は、Melody Medical Instrument Corp. の Web サイトに登録するよう求められ、被験者のユーザー名とパスワードが提供されました。 したがって、トレーニングに費やされた合計時間、および各エクササイズのトレーニング時間とスコアを監視することができました。 被験者が必要な時間とトレーニング セッションに達しなかった場合は、家族に連絡し、さらにトレーニングを行うように勧めました。

統計的方法 すべての統計分析は、SAS ソフトウェア (バージョン 9.1.3、 SAS Institute Inc., Cary, NC, U.S.A.) および R ソフトウェア (バージョン 2.7)。 0.05 以下の両側 p 値は、統計的に有意であると見なされました。 特に明記しない限り、連続データは平均±標準偏差（SD）として表されました。 パーセンテージは、カテゴリ変数について計算されました。 2 標本 t 検定または Wilcoxon 順位和検定を使用して、2 つのグループ間の連続データの平均値または中央値を比較しました。一方、カイ 2 乗検定またはフィッシャーの正確確率検定を使用して、2 つのグループ間のカテゴリ比率を分析しました。

単変量解析に加えて、5 つの音声認識テストのデータは、一般化された推定方程式を使用して複数の周辺線形回帰モデルを当てはめることによって解析されました。 一次自己相関 (すなわち、AR(1)) 構造が反復測定データによく適合する場合、モデルベースの標準誤差推定値が一般化推定方程式分析で使用されました。それ以外の場合は、経験的な標準誤差の推定値が報告されました。 さらに、COSI のデータは、複数の線形回帰モデルを当てはめることによって分析されました。

回帰分析では、結果の品質を保証するために、変数選択、適合度評価、および回帰診断のための基本的なモデル フィッティング手法が使用されました。 段階的変数選択では、一変量の有意な共変量と有意でない共変量のすべてが考慮され、エントリと滞在の両方の有意水準が 0.15 以上に設定されました。 適合度の尺度である決定係数 (R2) は、すべての線形回帰モデルについて計算されました。これは、観測された応答変数と予測値の間の相関の 2 乗です。 値は 0 から 1 の間で、値が大きいほど、観測された連続データに対する多重線形回帰モデルの適合性が高いことを示します。 さらに、潜在的な多重共線性の問題 (10 以上の値として定義) を検出するために、分散膨張係数が調べられました。