Improving Automated Diagnosis of Middle and Inner Ear Pathologies by Estimating Middle Ear Input Impedance from Wideband Tympanometry

Diese Studie zeigt, dass die Kombination von audiometrischen Luft-Knochen-Lücken mit dem aus der Breitband-Tympanometrie abgeleiteten Mittelohreingangsimpedanz-Modell die automatische Diagnose von Stapesfixation und superiorer Bogengangdehiszenz im Vergleich zu herkömmlichen Methoden signifikant verbessert.

Das Wesentliche

Das Problem: Der "versteckte" Defekt im Ohr

Stellen Sie sich Ihr Ohr wie ein komplexes Musikinstrument vor, das Schallwellen einfängt und weiterleitet. Manchmal funktioniert das Instrument nicht richtig, und man hört schlechter. Das nennt man Schallleitungsschwerhörigkeit.

Das Ärgerliche daran: Ein normaler Blick ins Ohr (mit dem Otoskop) sieht oft völlig gesund aus. Der Arzt sieht keine Löcher im Trommelfell und keine Entzündungen. Aber das Hörgerät zeigt trotzdem eine Lücke zwischen dem, was man hört, und dem, was man eigentlich hören sollte.

Das Problem ist wie bei einem kaputten Auto: Der Motor läuft nicht, aber unter der Motorhaube sieht alles intakt aus. Man weiß, dass etwas falsch ist, aber nicht was. Ist es ein festgeklemmter Riemen (Stapes-Fixation)? Oder ist ein Loch im Dach des Kofferraums, durch das der Schall entweicht (Superior Canal Dehiscence)? Beide Defekte klingen im Hörtest fast gleich, sind aber völlig unterschiedliche Reparaturen.

Bisher mussten Ärzte oft Röntgenbilder (CT) machen oder sogar operieren, um herauszufinden, was los ist. Das ist teuer, belastend und nicht immer nötig.

Die alte Lösung: Der "Echo-Test" (Wideband Tympanometry)

Es gibt einen schnellen Test, den man wie einen "Schall-Echo-Test" machen kann. Man drückt einen kleinen Sauerstoff-Schlauch in den Gehörgang und schickt verschiedene Töne hinein (von tief bis hoch). Das Ohr reflektiert diese Töne zurück.

Das Problem bei diesem Test ist wie bei einem Gesang in einer Höhle:
Wenn Sie in eine Höhle singen, hängt das Echo davon ab, wie groß die Höhle ist, wie die Wände geformt sind und wo genau Sie stehen. Zwei verschiedene Menschen haben unterschiedlich geformte Gehörgänge (wie unterschiedliche Höhlen).
Wenn der Test also ein "schlechtes Echo" misst, weiß man nicht: Ist das Ohr krank, oder war der Gehörgang nur zufällig schmal oder der Messschlauch etwas schief gehalten? Das macht die Diagnose schwierig.

Die neue Idee: Den "Gehörgang" ausblenden

Die Forscher aus dieser Studie hatten eine geniale Idee: Warum messen wir nicht direkt das, was hinter dem Gehörgang passiert?

Stellen Sie sich vor, Sie wollen wissen, wie gut ein Musikinstrument klingt, aber Sie sind in einem lauten Raum. Statt den Raum zu messen, bauen Sie eine unsichtbare Wand, die den Raum akustisch "abschaltet". Dann hören Sie nur noch das Instrument selbst.

Die Forscher haben genau das gemacht, aber mit Mathematik und einem Computermodell:

1. Sie haben den "Echo-Test" (WBT) gemacht.
2. Sie haben einen digitalen "Gehörgang" in den Computer eingebaut, der genau so aussieht wie der echte.
3. Dann haben sie den Computer sagen lassen: "Rechnen wir den Einfluss des Gehörgangs einfach weg."

Das Ergebnis ist eine neue Messgröße, die sie ZME nennen. Das ist wie der "reine Klang" des Mittel- und Innenohrs, frei von den Störgeräuschen des Gehörgangs.

Das Ergebnis: Ein smarter Diagnose-Assistent

Die Forscher haben einen Computer-Lernalgorithmus (eine Art digitaler Detektiv) trainiert. Dieser Detektiv bekam drei Arten von Informationen:

1. Den klassischen Hörtest (Air-Bone Gap).
2. Die alten "Echo-Daten" (Absorbance).
3. Die neuen "gereinigten Daten" (ZME).

Das Ergebnis war überraschend gut:

• Wenn der Detektiv nur den Hörtest sah, lag er in 80 % der Fälle richtig.
• Wenn er Hörtest + alte Echo-Daten bekam, wurde er sogar etwas schlechter (wegen der Verwirrung durch den Gehörgang).
• Aber als er Hörtest + die neuen "gereinigten" Daten bekam, lag er in 85,6 % der Fälle richtig!

Besonders gut war er darin, das "feste Steigbügel" (Stapes Fixation) zu erkennen (er lag hier zu 100 % richtig!) und die "Loch im Dach"-Krankheit (SCD) deutlich besser zu finden als vorher.

Warum ist das wichtig?

Stellen Sie sich vor, Sie gehen zum Arzt mit einem Hörproblem.

• Früher: Der Arzt sagt: "Ihr Ohr sieht gesund aus, aber Sie hören schlecht. Wir müssen ein CT machen oder operieren, um sicherzugehen." -> Stress, Strahlung, Kosten.
• Mit dieser neuen Methode: Der Arzt macht den schnellen "Echo-Test", der Computer rechnet den Gehörgang heraus, und der Algorithmus sagt: "Aha! Das ist mit 90 % Wahrscheinlichkeit ein festgeklemmter Steigbügel."

Das bedeutet:

• Schnellere Diagnose.
• Weniger unnötige Operationen.
• Weniger Strahlenbelastung.
• Geringere Kosten.

Fazit

Die Studie zeigt, dass wir durch eine clevere mathematische "Reinigung" der Messdaten den Computer viel schlauer machen können. Es ist, als hätten wir dem Arzt eine Brille aufgesetzt, die den Nebel des Gehörgangs wegwischt, damit er das eigentliche Problem im Ohr klar und deutlich sehen kann. Das ist ein großer Schritt hin zu besseren, schnelleren und schonenderen Diagnosen für Patienten.

Technische Zusammenfassung

Titel: Verbesserung der automatisierten Diagnose von Mittel- und Innenohrpathologien durch Schätzung der Mittelohreingangsimpedanz aus Breitband-Tympanometrie

1. Problemstellung

Die Diagnose einer konduktiven Hörstörung (CHL) bei normalem otoskopischem Befund ist klinisch herausfordernd. Herkömmliche audiometrische Messungen, wie die Luft-Knochen-Lücke (ABG), können zwar eine konduktive Komponente identifizieren, unterscheiden jedoch oft nicht zwischen spezifischen mechanischen Pathologien. Beispielsweise können Stapesfixation (SF, eine Mittelohrerkrankung) und eine Dehiszenz des oberen Bogengangs (SCD, eine Innenohrerkrankung) zu sehr ähnlichen Audiogrammen führen.

• Limitationen bestehender Methoden: Die Standard-Tympanometrie (226 Hz) ist nicht in der Lage, Mittel- und Innenohrpathologien zu differenzieren. Die Breitband-Tympanometrie (WBT) liefert zwar umfassende mechanische Informationen über einen breiten Frequenzbereich (200 Hz – 8 kHz), ist jedoch anfällig für Störfaktoren wie die Geometrie des Gehörgangs und die Position der Sonde.
• Herausforderung bei Absorbanz: Die bisherige Nutzung von WBT-Absorbanzdaten (Energieabsorption) als Diagnosemerkmal ist problematisch, da diese trotz theoretischer Annahmen in der Praxis stark von der anatomischen Variabilität des Gehörgangs und der Sondenplatzierung beeinflusst wird. Dies erschwert die klinische Interpretation und die Zuverlässigkeit automatisierter Klassifizierungsalgorithmen.

2. Methodik

Die Studie verfolgt einen modellbasierten Ansatz, um die störenden Einflüsse des Gehörgangs zu eliminieren und eine reinere Darstellung der Mittel- und Innenohrmechanik zu erhalten.

• Datensatz: Die Analyse umfasste Daten von 97 Ohren: 27 normale Ohren, 32 Ohren mit SCD und 38 Ohren mit SF. Die Diagnosen wurden chirurgisch (SF) oder durch hochauflösende CT-Scans (SCD) bestätigt. Alle Probanden hatten einen normalen otoskopischen Befund.
• Messverfahren: Breitband-Tympanometrie (WBT) wurde mit dem Interacoustics Titan-System durchgeführt. Es wurden Rohdaten (unverarbeitete Schalldruckmessungen) bei tympanometrischem Spitzendruck (TPP) erfasst.
• Computergestütztes Modell:
  • Es wurde ein analoger Schaltkreis-Modellansatz verwendet, der den Gehörgang als nicht-uniforme Übertragungsleitung (bestehend aus sechs Kegelabschnitten) und das Mittel-/Innenohr als ein System aus drei parallelen Impedanzzweigen (mit Compliance $K$, Widerstand $R$ und Masse $M$) darstellt.
  • Das Modell wurde an die gemessenen Rohdaten angepasst, um die Mittelohreingangsimpedanz ($Z_{ME}$) zu schätzen. $Z_{ME}$ repräsentiert die Impedanz direkt vor dem Trommelfell und schließt Mittel- und Innenohr ein, eliminiert aber den variablen akustischen Einfluss des Gehörgangs.
  • Im Gegensatz dazu wurde die herkömmliche Gehörgangseingangsimpedanz ($Z_{EC}$) und die Absorbanz ($\alpha$) ebenfalls berechnet.
• Klassifizierungsalgorithmus:
  • Ein multinomialer logistischer Regressionsklassifikator wurde trainiert, um die Ohren in drei Kategorien einzuteilen: Normal, SCD und SF.
  • Feature-Extraktion: Principal Component Analysis (PCA) wurde angewendet, um die Dimensionalität der Daten zu reduzieren (90% der Varianz wurden beibehalten).
  • Validierung: Ein stratifizierter 5-Fold-Cross-Validierungsansatz mit Regularisierung (L1/L2) wurde verwendet, um Überanpassung (Overfitting) zu vermeiden.
  • Vergleichsgruppen: Es wurden drei Feature-Sets verglichen:
    1. Nur Luft-Knochen-Lücken (ABGs).
    2. ABGs + Absorbanz ($\alpha$).
    3. ABGs + Betrag der geschätzten Mittelohreingangsimpedanz ($|Z_{ME}|$).

3. Wichtige Beiträge

• Entkopplung von Gehörgangseffekten: Der zentrale methodische Beitrag ist die Ableitung der $Z_{ME}$ aus den WBT-Rohdaten mittels eines physikalischen Modells. Dies entfernt die Variabilität, die durch die Gehörgangsgeometrie und die Sondenposition entsteht, und isoliert die mechano-akustischen Eigenschaften des Mittel- und Innenohrs.
• Verbesserung der Diagnosegenauigkeit: Die Studie zeigt, dass die Kombination aus traditionellen audiometrischen Daten (ABG) und der modellbasierten Impedanz ($|Z_{ME}|$) die Klassifizierungsleistung signifikant verbessert im Vergleich zur Verwendung von Absorbanzdaten.
• Modellvalidierung: Das analoge Schaltkreis-Modell konnte die gemessenen Daten gut anpassen, wobei die Anpassungsfehler für SF-Ohrer niedriger waren als für SCD-Ohrer, was auf unterschiedliche akustische Komplexitäten der Pathologien hinweist.

4. Ergebnisse

• Klassifizierungsleistung:
  • ABGs allein: Erreichte eine Gesamtgenauigkeit von 80,4 %.
  • ABGs + Absorbanz: Zeigte eine leicht verschlechterte Genauigkeit von 78,4 % und deutliche Anzeichen von Überanpassung (große Diskrepanz zwischen Trainings- und Testfehler).
  • ABGs + $|Z_{ME}|$: Erzielte die beste Leistung mit einer Gesamtgenauigkeit von 85,6 %. Der Testfehler sank auf 14,6 %, und die Diskrepanz zwischen Trainings- und Testfehler war gering, was auf eine robuste Generalisierung hindeutet.
• Sensitivität und Spezifität:
  • Die Kombination mit $|Z_{ME}|$ verbesserte die Sensitivität für die Erkennung von SCD (von 53,1 % auf 68,8 %) und SF (von 92,1 % auf 100 %) im Vergleich zu den anderen Ansätzen.
  • Die Spezifität blieb in allen Gruppen hoch (>90 %).
• Modellanpassung: Der Anpassungsfehler des Modells war für SCD-Ohrer signifikant höher als für normale oder SF-Ohrer, was darauf hindeutet, dass das aktuelle Modell die komplexeren Innenohreigenschaften bei SCD weniger präzise abbildet, aber dennoch als diagnostisches Merkmal wertvoll bleibt.

5. Bedeutung und klinische Implikationen

• Diagnostische Präzision: Die Integration von modellbasierten Impedanzmerkmalen ($Z_{ME}$) in automatisierte Diagnosealgorithmen ermöglicht eine genauere Unterscheidung zwischen Stapesfixation und SCD, zwei Pathologien, die oft ähnliche Audiogramme aufweisen.
• Reduktion invasiver Verfahren: Eine verbesserte nicht-invasive Diagnose könnte die Notwendigkeit für hochauflösende CT-Scans (mit Strahlenbelastung) oder explorative Mittelohrchirurgien verringern.
• Zugänglichkeit: Da WBT und Audiometrie Standardverfahren sind, bietet dieser Ansatz das Potenzial für eine kosteneffektive, objektive und weit verbreitete Screening-Methode für konduktive Hörstörungen.
• Zukünftige Richtungen: Die Autoren schlagen vor, zukünftig auch die Phaseninformation der Impedanz, Daten bei verschiedenen statischen Drücken und weitere Pathologien (z. B. Ossikelunterbrechung) in die Modelle zu integrieren, um die Robustheit weiter zu erhöhen.

Fazit: Die Studie demonstriert erfolgreich, dass die mathematische Modellierung zur Extraktion der Mittelohreingangsimpedanz aus Breitband-Tympanometrie-Daten die diagnostische Genauigkeit bei der Unterscheidung komplexer Mittel- und Innenohrpathologien signifikant übertrifft, verglichen mit herkömmlichen Absorbanzmetriken.