Neuro-Sense-AI - Neurostimulation, Sensorik und KI-gestützte Signalverarbeitung

Cochlea-Implantate (CIs) stellen das Hörvermögen bei Personen mit sensorineuralem Hörverlust wieder her, indem sie den größten Teil der auditorischen Kette umgehen und den Hörnerv direkt mit elektrischen Impulsen stimulieren. Die benötigte Ladung variiert zwischen Nutzern und Elektrodenkanälen, weshalb eine individuelle Anpassung der CI-Parameter erforderlich ist, um das Hören zu optimieren. Der Maximale Angenehme Lautstärkepegel (MCL) ist dabei der wichtigste Parameter für die Programmierung. Dieser Anpassungsprozess ist zeitaufwendig und basiert auf subjektivem Nutzerfeedback, was insbesondere für Kinder und Personen mit Kommunikationsbeeinträchtigungen eine Herausforderung darstellt und das Risiko einer Über- oder Unterstimulation erhöht. Eine Objektivierung der CI-Anpassung ist daher essenziell, um die Zuverlässigkeit, Effizienz und letztlich die Lebensqualität der CI-Nutzer zu verbessern. Dieses Forschungsvorhaben entwickelt KI-basierte Methoden unter Einsatz von Machine Learning und Deep Learning zur automatisierten Analyse von klanginduzierten Biosignalen, mit besonderem Fokus auf die Erkennung des akustischen Stapediusreflexes. Da dieser mit dem maximal angenehmen Lautstärkepegel (MCL) korreliert, dient er als objektives Maß für die auditorische Reaktion. Im Rahmen einer Studie mit CI-Nutzern wurde die elektrisch evozierte Stapediusreflex-Schwelle (eSRT) gemessen, um diese Methoden zu verfeinern. Das Ziel ist die Automatisierung der CI-Anpassung, um den Zeitaufwand zu reduzieren, die Genauigkeit zu erhöhen und Krankenhausbesuche zu minimieren. Dies könnte die Lebensqualität von CI-Nutzern durch präzisere Einstellungen erheblich verbessern. Das Projekt wird in Zusammenarbeit mit der Technischen Universität Graz, dem Institut für Health Care Engineering und klinischen Partnern (z. B. AKH Universitätsklinikum Wien, Universitätsklinikum Tübingen) durchgeführt und läuft vom 1. Juni 2025 bis zum 31. Mai 2028.