Abgeschloßenes Projekt (2016-2019) mit Nachfolgeprojekt my-CI 2 (2020-2021)

my-CI

Eine Behandlungsmöglichkeit von schweren oder vollständigen Hörverlusten ist die elektronische Stimulation der Gehörschnecke mittels Cochlea-Implantaten (CI).

Bisher ist es für Mediziner eine große Herausforderung, die Tiefe festzulegen, in der die CI-Elektrode in das Innenohr der Patienten vorgeschoben werden soll. Eine tiefe Einführung kann zum besseren elektrisch vermittelten Hören führen. Andererseits trägt eine zu tiefe Einbettung der Elektrode das Risiko, eines teilweisen oder völligen Verlustes der verbliebenen Hörleistung.

Die Entscheidung ist bislang abhängig von der Erfahrung des Operateurs und wird aufgrund einer Vielzahl an zur Verfügung stehenden Implantatmodellen, Elektrodendesigns- und –längen immer komplexer.

my-CI verfolgt das Ziel, Patienten eine datengetriebene, patientenindividuelle Versorungsprognose zu ermöglichen und den Operateur bei der Auswahl einer passenden Versorgung zu unterstützen. Die Auswahl des Elektrodenträgers und der Insertionstiefe soll anhand der individuellen Geometrie, des Restgehörs und der Ertaubungsvorgeschichte unter dem Gesichtspunkt der Verbesserung des Sprachverstehens erfolgen.

Das Projekt my-CI lief unter dem BMBF Förderkennzeichen 13GW0160A (2016-2019) und umfasst folgende Projektpartner:

  • HörSys GmbH, Hannover.
  • Medizinische Hochschule Hannover/Deutsches HörZentrum Hannover.
  • MED-EL Deutschland GmbH, Hannover.

Inhalte

Auf dieser Seite erhalten Sie Informationen rund um

Aufgabenstellung

Im Rahmenprogramm Gesundheitsforschung Deutschland, Aktionsfeld Gesundheitswirtschaft zur Fördermaßnahme „Medizintechnische Lösungen für eine digitale Gesundheitsversorgung" wurde das Ziel verfolgt eine iPad™ ­App für Ärzte zu erforschen, welche mittels statistischer Modelle und Machine­-Learning eine Prädiktion des Behandlungserfolges von Implantaten (CI) vor der Operation zu ermöglichen. Diese App präsentiert ein digitales, evidenzbasiertes Expertensystem zur patientenspezifisch optimierten Indikationsstellung von CI.

Die HörSys GmbH hatte in diesem Verbundprojekt unterschiedliche Aufgaben: Zum einen wurde die Aufbereitung, Vorverarbeitung und Auswertung von klinischen (pseudonymisierten) Daten betreut und eine Auswertungsplattform entwickelt. Zum anderen Teile der Modellierung von statistischen und analytischen Modellen durchgeführt und es erfolgte eine Integration der Modelle in einem Expertensystem, welches in einer prototypischen Anwendungssoftware umgesetzt wurde. Administrativ war die HörSys GmbH der Konsortialführer und damit für die Koordination der Teilvorhaben zuständig.

Lösungsansatz

Für die Umsetzung des Expertensystems in einer iPadOS App wurden statistische Modelle zur Audiometrie und Anatomie gebildet und unterschiedliche Modelle zum Sprachverstehen mit Verfahren des maschinellen Lernens antrainiert. Für die reproduzierbare Auswertung der Daten und die nachvollziehbare Herleitung der Modelle, wurde eine integrierte Forschungsumgebung (integrated research environment, IRE) für den Lückenschluss von Data Engineering, Date Science und Reporting entwickelt. Aufbauend auf moderne Python Data Science Werkzeuge der SciPy und Jupyter Projekte, werden in dieser Umgebung eingehende Daten aus unterschiedlichen Quellen normalisiert, von Fehlern bereinigt und in maschinenlesbare Form gespeichert. Um Machine Learning Methoden anzuwenden, wurden die in den Daten verfügbaren Faktoren ausgewertet und ausgewählt (Feature Engineering) und fehlende Daten um sinnvolle Annahmen ergänzt (Imputing).

Neben den Modellen, wurde ein Verfahren zur zeiteffizienten Vermessung der Cochlea in medizinischer Bildgebung entwickelt und in der Open Source Software Slicer3D umgesetzt. Bei diesem Verfahren wird anhand weniger markanter Orientierungspunkte das in dem Projekt erstellte mittlere Modell angelegt und durch Korrekturpunkte an die Patientengeometrie angepasst.

Die Einzelergebnisse der Projektpartner wurden in einem Expertensystem und einer iPadOS App integriert und damit ein Proof-of-Concept demonstriert. Die Anwendung umfasst eine einfache Fallverwaltung und ermöglicht jeweils die minimal notwendigen Eingaben, um eine Vorhersage anhand des Expertensystems durchzuführen. Mit Projektende können das zu erwartende Restgehör, die zu erwartende postoperative Elektrodenlage bei Vollinsertion, die voraussichtlich stimulierten Frequenzen und das zu erwartende Sprachverstehen prognostiziert werden.

Veröffentlichungen

  • John S, Weller T, Schurzig D, Timm M.E, Alcacer Labrador D, Büchner A, Lenarz T, A Data Driven Concept to Choose the Optimal CI Electrode Array, 12th Asia Pacific Symposium on Cochlear Implants and related Sciences, APSCI 2019, Tokyo [Best-Poster-Award!]
  • S. John, D. Schurzig, D. Alcacer Labrador, M.E. Timm, T.S. Rau, T. Lenarz , Combining Surgical Expertise and Statistical Results for the Clinical Evaluation of the Cochlear Size and Shape, Computer and Roboter Assistierte Chirurgie, Hannover, CURAC 2017.
  • Daniel Schurzig, Max Eike Timm, Cornelia Batsoulis, Samuel John, and Thomas Lenarz Analysis of Different Approaches for Clinical Cochlear Coverage Evaluation After Cochlear Implantation, Otology & Neurotology, 39:e642–e650, 2018, Otology & Neurotology, Inc.
  • Timm ME, Majdani O, Weller T, Windeler M, Lenarz T, Büchner A, et al. Patient specific selection of lateral wall cochlear implant electrodes based on anatomical indication ranges. PLoS ONE 13(10): e0206435. 2018, https://doi.org/10.1371/journal.pone.0206435