Studie zeigt, dass KI-gestützte Ohrhörersysteme bei der Erkennung häufiger Ohrinfektionen, gerissener Trommelfelle und Verstopfung durch Ohrenschmalz zu 82,6 % genau ist.

Eine im Juni von der Association for Computing Machinery (ACM) veröffentlichte Studie beschreibt, was das Forschungsteam EarHealth nennt. Es handelt sich dabei um ein System, welches Bluetooth-Ohrhörer mit einem Smartphone koppelt und mit einer Deep-Learning-Plattform ausgestattet ist. (Deep Learning ist eine Form von maschinellem Lernen bzw. künstlicher Intelligenz)

EarHealth funktioniert, indem es ein Zwitschergeräusch durch die Ohrhörer eines gesunden Benutzers sendet. Es zeichnet auf, wie das Zwitschern in den Gehörgängen widerhallt, und erstellt ein Profil der einzigartigen Innenohrgeometrie jedes Benutzers.

Nachfolgende Pieptöne können im Anschluss überwachen, ob sich die Geometrie des Gehörgangs verändert hat. Damit können Erkrankungen wie Verstopfung durch Ohrenschmalz, ein geplatztes Trommelfell oder eine Mittelohrentzündung erkannt werden. Möglich wird das dadurch, dass jede Erkrankung eine einzigartige Audiosignatur besitzt, die das Deep-Learning-System erkennen kann.

Die Forscher berichteten, dass EarHealth bei 92 Benutzern, darunter 27 gesunde Probanden, 22 Patienten mit einem gerissenen Trommelfell, 25 Patienten mit Mittelohrentzündung und 18 Patienten mit Ohrenschmalzblockade, eine Genauigkeit von 82,6 % erreichte.

„Angesichts der weltweit immer älter werdenden Menschen und der Verbreitung von Kopfhörern ist es wichtiger denn je, die Gesundheit der eigenen Ohren zu überwachen“, sagt Hauptautor Zhanpeng Jin, PhD, außerordentlicher Professor am Institut für Informatik und Ingenieurwissenschaften der Universität von Buffalo Schule für Ingenieurwissenschaften und angewandte Wissenschaften. „Mit EarHealth haben wir das unserer Meinung nach allererste ohrhörerbasierte System entwickelt, das den Gesundheitszustand des Ohrs auf effektive, erschwingliche und benutzerfreundliche Weise überwacht“, fügt er hinzu. „Da es das Potenzial hat, diese Erkrankungen sehr früh zu erkennen, könnte es die Gesundheit vieler Menschen erheblich verbessern.“

Die Studie wurde von der U.S. National Science Foundation unterstützt und im Juni auf der International Conference on Mobile Systems, Applications, and Services (MobiSys) der ACM in Portland, Oregon, vorgestellt. Yincheng Jin, Doktorandin an der University at Buffalo, ist die Erstautorin der Studie.

Zu den Co-Autoren gehören Yang Gao, PhD, ein Postdoktorand an der Northwestern University, und Zhengxiong Li, PhD, Assistenzprofessor für Informatik und Ingenieurwesen an der University of Colorado Denver. Beide promovierten an der UB.

Weitere Co-Autoren sind Xiaotao Guo, PhD, ein Forscher am The First Affiliated Hospital of USTC in China, und Jun Wen, PhD, ein Postdoktorand an der Harvard Medical School.

Das Team plant weitere Studien zur Verfeinerung des Systems. Dazu gehören Tests, wie Ohrhaare, eine Vorgeschichte von Trommelfellentzündungen und andere Faktoren die Leistung von EarHealth beeinflussen können.