Treinamento de fala assistida por computador para usuários de aparelhos auditivos

Introdução A perda auditiva neurossensorial (PANS) é uma deficiência que afeta pessoas em todo o mundo, e espera-se que sua prevalência aumente devido ao aumento da expectativa de vida. A PASN tem um impacto negativo significativo na qualidade de vida, especialmente em crianças com surdez pré-lingual. Com exceção de certas doenças, como surdez súbita ou hidropisia endolinfática, que podem ser tratadas ou aliviadas por medicamentos ou cirurgia, a maioria dos pacientes com PANS precisa usar aparelhos auditivos ou fazer implante coclear para recuperar a audição. No entanto, para muitos indivíduos, essas medidas não resolvem satisfatoriamente os problemas de comunicação, porque a audição é apenas o primeiro passo de uma série de eventos que levam à comunicação. Entre a audição e a comunicação estão as importantes habilidades de escuta e compreensão, e para alcançar uma comunicação bem-sucedida, tem sido sugerido que os pacientes que recebem amplificação devem receber algum tipo de reabilitação audiológica. Tem sido relatado que indivíduos mais velhos não se adaptam espontaneamente ao uso de um aparelho auditivo, ou que os efeitos são pequenos ou inexistentes, o que enfatiza a importância da reabilitação após o uso de um aparelho auditivo. Infelizmente, nem todos com SNHL em Taiwan recebem esse tipo de reabilitação. As razões para isso podem ser: (a) os métodos de reabilitação não são familiares a todos os clínicos ou fonoaudiólogos; (b) há falta de clínicos ou fonoaudiólogos para fornecer essa reabilitação demorada; (c) pacientes com deficiência auditiva podem não ter condições financeiras ou não querem dedicar tempo à reabilitação; e (d) é difícil mensurar as melhorias proporcionadas pela reabilitação.

Recentemente, os procedimentos de treinamento reabilitador vêm ganhando interesse devido aos avanços tecnológicos que permitem ao usuário de AASI realizar os procedimentos em casa, utilizando um computador pessoal. Burk et al treinou jovens com audição normal e ouvintes mais velhos com deficiência auditiva com materiais de treinamento gravados digitalmente usando um computador. Os resultados mostraram que os ouvintes com deficiência auditiva mais velhos foram capazes de melhorar significativamente suas habilidades de reconhecimento de palavras por meio do treinamento com um falante e, até certo ponto, atingir o mesmo nível que os ouvintes jovens com audição normal. Além disso, o desempenho aprimorado foi mantido entre os falantes e ao longo do tempo.

O sistema de treinamento de leitura de fala auxiliado por computador (CAST) foi desenvolvido para simular uma intervenção de treinamento face a face e foi projetado para ser um componente de um programa abrangente de reabilitação auditiva para adultos pré-aposentados com perda auditiva leve a moderada adquirida. O objetivo do treinamento era aprimorar as habilidades de leitura da fala para complementar a percepção auditiva da fala. Ao longo do treinamento, o aluno visualiza um monitor que mostra uma tela gerada por computador ou uma gravação em vídeo do professor. O CAST foi projetado para ser usado por um clínico para estender, em vez de substituir as técnicas de reabilitação existentes.

O treinamento baseado em computador também foi aplicado à reabilitação de usuários de implante coclear. Antes do desenvolvimento do treinamento baseado em computador, alguns estudos avaliaram os efeitos do treinamento limitado nas habilidades de reconhecimento de fala de usuários de implante coclear com desempenho inferior. Busby et al conduziram dez sessões de treinamento de percepção e produção de fala de 1 hora, e os resultados demonstraram mudanças mínimas nas habilidades perceptivas em três usuários de implante coclear. Dawson e Clark conduziram uma sessão de treinamento de 50 minutos por semana durante 10 semanas, e quatro dos cinco indivíduos mostraram alguma melhora. Acredita-se que o sucesso limitado dessas tentativas de melhorar as habilidades de reconhecimento de fala de usuários de implante coclear se deva a uma quantidade inadequada de treinamento. Previu-se que o treinamento mais intensivo de usuários de implante coclear seria eficaz, porque em populações com audição normal o treinamento demonstrou melhorar com sucesso a discriminação e identificação do segmento de fala e o reconhecimento da fala com desvio espectral. Fu et al relataram resultados encorajadores na reabilitação de usuários de implante coclear usando um sistema de treinamento de fala assistido por computador, também chamado de CAST, embora fosse diferente do sistema CAST de Pichora-Fuller e Benguerel. O sistema CAST de Fu et al, desenvolvido no House Ear Institute, contém um grande banco de dados de materiais de treinamento e pode ser instalado em computadores pessoais e, portanto, com o mínimo de recursos e habilidades, os usuários de implante coclear podem realizar o treinamento em casa, e os médicos ou fonoaudiólogos podem monitorar a pontuação do teste do sujeito e o progresso do treinamento. Os resultados demonstraram que, após quantidades moderadas de treinamento (1 hora por dia, 5 dias por semana), todos os 10 adultos com surdez pós-lingual usuários de implante coclear no estudo tiveram melhorias significativas nos escores de reconhecimento de vogais e consoantes. Wu et al aplicaram o sistema CAST a 10 crianças falantes de mandarim (três usuários de aparelho auditivo e sete usuários de implante coclear). Depois de treinar meia hora por dia, 5 dias por semana, por um período de 10 semanas, os sujeitos mostraram melhorias significativas no desempenho de vogais, consoantes e tom chinês. Esse desempenho aprimorado foi amplamente mantido por 2 meses após a conclusão do treinamento. Stacey e Summerfield também usaram treinamento auditivo baseado em computador para melhorar a percepção do ruído. Os resultados confirmaram que o treinamento ajudou a superar os efeitos das distorções espectrais na fala, e os materiais de treinamento foram mais eficazes quando vários locutores foram incluídos.

Com base nesses estudos anteriores, os usuários de implante coclear podem melhorar sua capacidade de reconhecimento de fala após o treinamento com um sistema CAST. Se este sistema também for eficaz para usuários de aparelhos auditivos e, especialmente, para pacientes com surdez pré-lingual, o sistema CAST terá um impacto substancialmente positivo, pois há muito mais usuários de aparelhos auditivos do que usuários de implantes cocleares.

O objetivo deste estudo foi treinar adolescentes e adultos jovens com surdez pré-lingual com CAST e medir os benefícios de forma objetiva e subjetiva. Os benefícios objetivos foram medidos usando testes de reconhecimento de fala publicados [13], e os benefícios subjetivos foram medidos usando a escala de melhoria orientada para o cliente (COSI).

Materiais e Métodos Sujeitos Participaram deste estudo 15 usuários de AASI com perda auditiva pré-lingual de grau severo a profundo. Outros seis usuários de AASI com idade e média auditiva semelhantes foram incluídos como grupo controle. Os critérios de inclusão dos sujeitos do estudo e controles foram: (1) idade acima de 15 anos; (2) uso de aparelho auditivo por pelo menos 2 anos após o diagnóstico da perda auditiva; (3) habilidade básica para operar um computador; (4) falante de chinês mandarim; e (5) motivação para realizar o programa de treinamento. Os critérios de exclusão foram: (1) média auditiva com aparelho auditivo pior que 70 dBNA; (2) incapaz de operar um computador. Antes do treinamento com CAST, todos os participantes receberam audiometria de campo sonoro não assistida e assistida. A Tabela 1 apresenta as informações básicas dos 21 participantes.

Escala de melhoria orientada para o cliente (COSI) Usamos um questionário COSI para avaliar os benefícios subjetivos. Antes do treinamento com o sistema CAST, os grupos de treinamento e controle foram solicitados a identificar cinco situações específicas nas quais gostariam de lidar melhor. No final do treinamento, para cada situação, eles foram questionados sobre (A) o quanto melhor (ou pior) eles podiam ouvir e (B) o quão bem eles eram capazes de lidar com isso. Para fins de escala, as respostas receberam notas de 1 a 5, sendo 5 correspondendo a "muito melhor" e "quase sempre", 4 correspondendo a "melhor" e "na maioria das vezes", 3 correspondendo a "um pouco melhor" e "metade das vezes", 2 correspondendo a "nenhuma diferença" e "ocasionalmente" e 1 correspondendo a "pior" e "quase nunca", para as questões A e B, respectivamente. A questão A foi definida como uma "melhoria" e a questão B foi definida como "habilidade final". Os escores totais das cinco situações foram comparados entre os grupos de treinamento e controle.

Materiais e procedimentos do teste Os materiais do teste de reconhecimento de fala, incluindo palavras monossilábicas, palavras dissilábicas, vogais, consoantes e testes de reconhecimento de tom chinês foram gravados em um CD-ROM na Melody Medical Instruments Corp. por um falante masculino e feminino. Os materiais de teste foram exibidos em um laptop conectado a um audiômetro clínico GSI 61TM (Grason-Stadler, EUA) em um nível de saída de 70 dBNA. O procedimento de teste foi realizado em uma sala de paredes duplas e tratamento acústico.

Os materiais do teste de reconhecimento de palavras chinesas monossilábicas incluíam quatro blocos de 25 palavras chinesas. Para cada teste de reconhecimento de fala, 50 palavras foram selecionadas, resultando em um conjunto de 50 tokens. Depois que uma palavra chinesa monossilábica foi exibida, os participantes foram solicitados a escrever a palavra. Quatro conjuntos diferentes de testes abertos foram gerados para cada teste de reconhecimento de fala. Os materiais do teste de reconhecimento de palavras espontâneas dissilábicas chinesas incluíam dois blocos de palavras espontâneas chinesas, cada bloco contendo 36 palavras espontâneas chinesas. Para cada teste de reconhecimento de fala, um bloco foi selecionado resultando em um conjunto de 36 tokens. Após a apresentação de uma palavra chinesa, os participantes foram solicitados a escrever a palavra. Quatro conjuntos diferentes de teste de conjunto aberto foram gerados alterando a ordem dos materiais para cada teste de reconhecimento de fala.

Os materiais do teste de reconhecimento de vogais incluíam 16 palavras chinesas. O reconhecimento de vogais foi medido usando um procedimento de escolha forçada de 4 alternativas, no qual os caracteres chineses foram mostrados na lista de escolha. Para cada teste de reconhecimento de fala, a ordem das palavras foi alterada. Assim, quatro conjuntos diferentes de testes de conjunto fechado foram gerados. Os materiais do teste de reconhecimento de consoantes incluíam 21 palavras chinesas. O reconhecimento de consoantes foi medido usando um procedimento de escolha forçada de 4 alternativas, no qual um caractere chinês foi mostrado na lista de escolha. Para cada teste de reconhecimento de fala, a ordem das palavras foi alterada e, assim, foram gerados quatro conjuntos diferentes de testes fechados. Os materiais do teste de reconhecimento de tom chinês incluíam 50 palavras em chinês mandarim. Os participantes foram solicitados a anotar o tom chinês (tom: 1: bemol; 2: subindo; 3: descendo-subindo; 4: caindo) após a exibição da palavra chinesa. Para cada teste de reconhecimento de fala, a ordem das palavras foi alterada e, assim, quatro conjuntos diferentes de testes abertos foram gerados.

Antes do treinamento, ambos os grupos foram submetidos a uma série de testes de reconhecimento de fala como dados básicos. O grupo de treinamento começou a treinar, enquanto o grupo de controle não recebeu nenhum treinamento. A cada 4 semanas, os participantes voltavam ao laboratório para outra série de testes de reconhecimento de fala usando diferentes materiais de teste. Cada participante recebeu um total de quatro testes de reconhecimento de fala até o final do estudo.

Ferramentas e procedimentos de treinamento O software CAST desenvolvido no House Ear Institute e distribuído pela Melody Medical Instrument Corp. foi usado como ferramenta de treinamento. O grupo de treinamento foi instruído a treinar em casa seguindo o programa por pelo menos 1 hora por dia, 3 dias por semana, por 12 semanas consecutivas. O grupo controle não recebeu nenhum treinamento e retornou ao laboratório a cada 4 semanas para testes de reconhecimento de fala. Para cada participante do grupo de treinamento, um teste básico de reconhecimento de fala foi realizado após a instalação do software em seu computador pessoal. Os resultados foram analisados ​​pelo software, que gerou automaticamente um programa de treinamento direcionado. O software continha uma grande quantidade de informações, incluindo tom puro, reconhecimento de vogal, reconhecimento de consoante, reconhecimento de tom, reconhecimento de locutor, sons ambientais, palavras ocasionais e frases ocasionais. Os sujeitos foram solicitados a focar no tom puro, reconhecimento de vogais, reconhecimento de consoantes e treinamento de reconhecimento de tom. Os sujeitos iniciaram o treinamento em um nível gerado pelo software do computador. Normalmente havia cinco níveis de dificuldade em cada categoria de treinamento, e cada nível consistia em várias sessões de treinamento. Para o treinamento de reconhecimento de tom puro, os sujeitos foram solicitados a escolher o som diferente dos demais. Foi fornecido feedback visual sobre se a resposta estava correta ou incorreta. Após a conclusão de uma sessão de treinamento, a pontuação foi calculada. Se a pontuação ultrapassasse 80, o treinamento prosseguia para um nível superior. Se a pontuação não ultrapassasse 80, a sessão de treinamento era repetida até que a pontuação ultrapassasse 80. Em um nível mais alto de sessões de treinamento, as diferenças entre os recursos de fala nas escolhas de resposta foram reduzidas. Para o treino de reconhecimento de vogais, os sujeitos foram solicitados a escolher uma vogal diferente das demais. Depois que os sujeitos progrediram além da tarefa de discriminação de escolha forçada de 3 alternativas, eles foram treinados para identificar as vogais finais. Procedimentos de treinamento semelhantes foram usados ​​para o treinamento de reconhecimento de tons e consoantes.

Cada participante do grupo de treinamento foi solicitado a se registrar no site da Melody Medical Instrument Corp. e seu nome de usuário e senha foram fornecidos a nós. Assim, conseguimos monitorar o tempo total de treinamento, o tempo de treinamento e a pontuação de cada exercício. Se os sujeitos não atingissem o tempo e as sessões de treinamento necessários, contatávamos a família e os encorajávamos a fazer mais treinamentos.

Métodos estatísticos Todas as análises estatísticas foram realizadas com o software SAS (Versão 9.1.3, SAS Institute Inc., Cary, NC, EUA) e software R (versão 2.7). Valores p bilaterais de 0,05 ou menos foram considerados estatisticamente significativos. Os dados contínuos foram expressos como média ± desvio padrão (DP), a menos que especificado de outra forma. As porcentagens foram calculadas para variáveis ​​categóricas. Testes t de duas amostras ou testes de soma de postos de Wilcoxon foram usados ​​para comparar as médias ou medianas de dados contínuos entre dois grupos, enquanto o teste qui-quadrado ou teste exato de Fisher foi usado para analisar proporções categóricas entre dois grupos.

Além das análises univariadas, os dados dos cinco testes de reconhecimento de fala foram analisados ​​ajustando modelos de regressão linear marginal múltipla usando equações de estimativa generalizada. Se a estrutura de autocorrelação de primeira ordem (ou seja, AR(1)) ajustasse bem os dados de medidas repetidas, as estimativas de erro padrão baseadas em modelo eram usadas na análise de equações de estimativa generalizada; caso contrário, as estimativas empíricas de erro padrão foram relatadas. Além disso, os dados do COSI foram analisados ​​por meio do ajuste de modelos de regressão linear múltipla.

Técnicas básicas de ajuste de modelo para seleção de variáveis, avaliação da qualidade do ajuste e diagnóstico de regressão foram usadas em nossas análises de regressão para garantir a qualidade dos resultados. Na seleção de variáveis ​​stepwise, todas as covariáveis ​​univariadas significativas e não significativas foram consideradas, e ambos os níveis de significância para entrada e para permanência foram fixados em 0,15 ou mais. A medida de qualidade do ajuste, o coeficiente de determinação (R2), foi calculada para todos os modelos de regressão linear, que é o quadrado da correlação entre a variável de resposta observada e o valor previsto. Teve um valor entre 0 e 1, sendo que um valor maior indica um melhor ajuste do modelo de regressão linear múltipla aos dados contínuos observados. Além disso, o fator de inflação de variância foi examinado para detectar possíveis problemas de multicolinearidade (definido como um valor ≥ 10).