Международная исследовательская группа под руководством Захры Джафари из Университета Далхаузи (Канада) и Райана Харари из Гарвардской инициативы по науке о данных разработала и протестировала пять моделей машинного обучения для диагностики тиннитуса и определения типа потери слуха. Результаты опубликованы в авторитетном журнале Ear & Hearing и показали, что алгоритм Random Forest способен отличать шумовую потерю слуха от возрастной с показателем AUC 0,90 — значительно лучше традиционных методов клинической оценки.
В исследовании приняли участие 928 взрослых в возрасте от 30 до 100 лет из канадской провинции Альберта. Из них 431 человек имел шумовую потерю слуха (NIHL) вследствие длительного воздействия производственного шума, а 497 — возрастную тугоухость (ARHL). Учёные применили пять алгоритмов: искусственные нейронные сети (ANN), метод k-ближайших соседей (K-NN), логистическую регрессию, метод опорных векторов (SVM) и случайный лес (Random Forest). Каждая модель обучалась на аудиологических и демографических данных участников.
Ключевым открытием стала роль тиннитуса как предиктора шумовой потери слуха. Распространённость постоянного шума в ушах в группе NIHL составила 27,85% — более чем втрое выше, чем в группе ARHL (8,85%). Тиннитус оказался вторым по значимости индикатором шумовой потери слуха после возраста пациента. «Наши модели могут стать основой для интеграции техник машинного обучения в клиническую аудиологию для повышения диагностической точности», — отмечают авторы исследования.
Искусственная нейронная сеть продемонстрировала лучшие результаты в предсказании тиннитуса: точность 70%, precision 60% и F1-score 87%. Для дифференциальной диагностики типа потери слуха лидером стал Random Forest с precision 79% для NIHL и 85% для ARHL, recall 85% для шумовой тугоухости и area under the ROC curve 0,90. Эти показатели существенно превосходят возможности стандартных субъективных оценок, которые используются в клинической практике сегодня.
Результаты исследования имеют важное практическое значение: по данным ВОЗ, более 1,5 миллиарда человек в мире страдают той или иной формой потери слуха, а шумовая тугоухость остаётся одной из самых распространённых профессиональных заболеваний. Автоматизированная ИИ-диагностика позволит проводить массовые скрининги на предприятиях с высоким уровнем шума — в горнодобыче, строительстве и на производствах — без необходимости участия узкоспециализированного аудиолога.
Парадоксальный вывод исследования: участники без тиннитуса в среднем имели более выраженную потерю слуха, чем те, кто жаловался на шум в ушах. Это может объясняться нейропластичностью и индивидуальными различиями в восприятии повреждений слухового нерва. Учёные подчёркивают, что следующим шагом станет валидация моделей на более крупных многоцентровых выборках и разработка мобильного приложения для экспресс-диагностики тиннитуса и типа потери слуха прямо на рабочем месте.
