ミスマッチの負の振幅と対数弁別のスコアとの間の一致を確立する (EVODA-ICMN)

研究の背景 人工内耳は、重度から重度の神経感覚難聴の人にとって効果的で認知された長期的な解決策です。 その原理は、環境の音を収集し、分析し、変換し、蝸牛に配置された電極アレイを使用して、電気インパルスによって聴神経に送り返すことです。 練習することで、これらは統合され、意味を関連付ける脳によって認識されます。 通常の聴力者の場合、音声認識には、耳が解読できるいくつかの時間と周波数の手がかりが含まれます。 ただし、人工内耳は、これらの発話の手がかりの一部を歪めたり変更したりします。インプラントは一時的な特徴を簡単に再送信しますが、周波数の特徴は大幅に劣化します。 このように、人工内耳のユーザーは優先的に一時的な手がかりを使用します。これは、切り詰められた不完全な情報を提供するため、理解の質が低下することがよくあります。 したがって、蝸牛インプラントを介して言語を学習または再学習することは、聴覚障害のある大人と同様に、幼児の聴覚障害児にとって困難です。

人工内耳の設定は、基本的に知覚機能に基づいています。 検出閾値と快適レベルは、患者の認識といくつかの客観的なツールに応じて調整されます。 これらは重要な情報を提供しますが、最適な音声理解を確保するための設定の有効性については提供しません。 High Authority of Health は、人工内耳ユーザーの全体的なリハビリテーションに言語療法を提案しています。 これは、音の検出、識別、識別、理解という4つの主要な知覚軸に従って聴覚スキルを開発することを目的としています。

こうした配慮にもかかわらず、人工内耳ユーザーの音声認識スコアは健聴者よりも低く、パフォーマンスもさまざまです。 難聴の病因 (聴覚神経障害、脱髄など)、聴覚神経の完全性、蝸牛内の電極アレイの位置、認知能力、年齢移植、難聴の期間、皮質統合の質、脳の可塑性、言語療法、家庭環境によっては、インプラントのフィッティングが被験者のパフォーマンスに影響を与える可能性があります。

ことばの理解の難しさは、口頭言語の最小単位である音素の識別が不十分であることに関連している可能性があります。 これらの音素の混乱は、音声的にバランスの取れた幼稚園テスト (PBK) などのいくつかのテストによって大人でテストできます。 しかし、非常に幼い子供、多肢障害児、または障害のある成人では、言語の評価はより繊細で長期間を必要とします。

それにもかかわらず、いくつかの電気生理学的手法により、1 つの尺度で音素を識別する能力を客観的に実証することが可能になります。 例えば、ミスマッチネガティブ波（MMN）は、聴覚系による2つの異なる音の識別を示す認知プロセスを反映しています。 大人でも子供でも、警戒レベルに関係なく、自動的に測定可能です。 この研究では、MMN プロトコルを使用して音素識別能力を強調し、成人の人工内耳ユーザーの主観的なパフォーマンスにリンクします。 最初の目的は、これらのユーザーで、MMN の振幅とログアトムの識別テストとの一致を確立することであり、どちらも聴覚識別の能力を強調しています。 2 つ目は、MMN の振幅と PBK で得られたスコアとの間の一致を確立することです。

方法

強制選択テストでは、人工内耳ユーザーの中で最も紛らわしく、フランス語を代表する対数語の識別を評価します。 以下のカップルが選ばれました。

• 「ファ」対「サ」
• 「ラ」対「ナ」
• 「パン」対「パ」
• 「パ」対「タ」
• " pon " 対 " po " 対数の各カップルは 20 回テストされます。 スコアが 16/20 より大きい場合、ログアトム ペアの識別は陽性と見なされます。 Matlab MathWorks ソフトウェアを使用して実行されたテストは、患者が実験者の介入なしで実行できるように自動化されました。テストが正常に進行していることを確認するために、監視下に置かれます。

MMN を取得するには、「オッドボール」と呼ばれるパラダイムが必要です。このパラダイムでは、「頻繁な」刺激が 80% の確率で放出され、「逸脱」と呼ばれる 2 番目の刺激が 20% の確率でしか提示されません。 頻繁な刺激 (たとえば「pa」) の高い繰り返し率は、電気生理学的ベースラインを作成します。 逸脱した刺激 (「ba」など) が現れると、電気生理学的ベースラインが中断され、いわゆるミスマッチ ネガティブ ウェーブ (MMN) が発生します。 これは、2 つの異なる刺激の聴覚系による識別を示しています。 この波の振幅を調べることで、弁別の質を評価することができます。 低い振幅またはゼロの振幅は、被験者が 2 つの対数原子を区別しなかったことを意味します。 逆に、振幅が大きいほど、識別品質が高くなります。 波の潜伏期間も、観測される変数になり得ます。 早ければ早いほど、識別の容易さを示します。

各被験者について、ログアトム識別テストのスコアとの一致は、ペアごとに個別に分析されます。 これにより、テストされた対数原子のペアに従って、この一致の一貫性を評価することが可能になります。 優れた聴覚弁別を持つ被験者を識別するための MMN 振幅の最適なしきい値はまだわかっていません (革新的な方法)。 分析の第 1 段階では、受信者動作特性 (ROC) 曲線を作成してこのしきい値を検索し、ログアトムのテストで聴覚弁別の良し悪しを最もよく区別します (Youden のインデックスによるしきい値の選択)。 . このしきい値は、EEG によると、良いまたは悪い聴覚弁別を持っているとして被験者を分類するために使用されます。 次いで、ＥＥＧの結果と対数原子弁別試験との間の一致は、カッパ係数の計算によって分析される。

PBK テストは、全体的な理解度スコアを評価するために使用されます。 このテストは、フランス語の音素の出現を考慮し、単音節および二音節の単語を使用する 50 単語の 4 つのリストで構成されます。 70% 以上のスコアは、優れたパフォーマンスとして受け入れられます。 各ロガトムのＥＥＧ手順の結果（上記のように定義された良好および不良の聴覚弁別）とＰＢＫ試験の結果との間の一致は、カッパ係数を使用して分析される。

最後に、さまざまな二次データが収集されます: 人工内耳インプラントの種類 (マーク、内部および外部部分)、月単位の埋め込み期間、病因、インプラント設定に関連するデータ (アクティブ電極の数、しきい値 C および T、IDR、自動SCAN、ADROなどの機能...)