Improved stacking ensemble learning for objective tinnitus severity assessment based on functional near-infrared spectroscopy signals

Pour des millions de personnes à travers le monde, un son fantôme joue constamment à leurs oreilles. Cette condition, connue sous le nom d'acouphène, n'est pas un bourdonnement provenant d'une source externe mais une perception créée par le cerveau lui-même. Cela peut varier d'un léger vrombissement à un rugissement assourdissant, perturbant souvent le sommeil, l'humeur et la capacité à profiter de la vie quotidienne. Actuellement, les médecins n'ont aucun moyen fiable de mesurer l'intensité des acouphènes pour un patient spécifique. Le diagnostic standard repose entièrement sur la description de la souffrance du patient via des questionnaires. Comme cela dépend des sentiments personnels et de la mémoire, les résultats peuvent varier considérablement d'un jour à l'autre ou d'une personne à l'autre, ce qui rend difficile le suivi des progrès ou l'adaptation des traitements. Les scientifiques espèrent depuis longtemps trouver un marqueur objectif, un signal physique dans le cerveau qui pourrait être mesuré comme la pression artérielle, afin de déterminer la véritable gravité de la condition.

Une équipe de chercheurs à Shanghai a franchi une étape significative vers cet objectif en combinant un outil d'imagerie cérébrale spécialisé avec une méthode d'apprentissage informatique sophistiquée. Ils se sont concentrés sur la réponse du cerveau au son, en utilisant une technologie appelée spectroscopie de proche infrarouge fonctionnelle. Ce dispositif projette une lumière proche infrarouge sécurisée à travers le crâne pour mesurer les changements des niveaux d'oxygène sanguin, qui servent de substitut à l'activité cérébrale. Lorsque le cerveau travaille plus dur, il consomme plus d'oxygène, et le flux sanguin change en conséquence. En écoutant une tonalité spécifique et en observant comment les niveaux d'oxygène sanguin du cerveau réagissent, les chercheurs ont capturé une signature physiologique unique de l'expérience de l'acouphène. Ils ont ensuite injecté ces signaux dans un nouveau type d'algorithme informatique conçu pour apprendre des modèles que l'œil humain pourrait manquer.

Les chercheurs ont recruté soixante adultes souffrant d'acouphènes subjectifs, ce qui signifie que le bourdonnement n'était présent que dans leur tête et n'était pas causé par un problème mécanique externe. Avant toute numérisation, chaque participant a rempli un questionnaire standard pour évaluer sa propre sévérité d'acouphène, ce qui a servi de vérité de terrain pour l'étude. Les participants ont ensuite été assis dans une pièce calme et équipés d'une casquette contenant des sources de lumière et des détecteurs. Ils ont écouté une série de tons aigus pendant dix-huit secondes, suivis de dix-huit secondes de silence, répétant ce cycle six fois. Pendant ce temps, la casquette a enregistré la façon dont les niveaux d'oxygène dans différentes parties de leur cerveau changeaient. Les chercheurs se sont concentrés sur des zones spécifiques connues pour gérer le son et le langage, telles que les lobes temporal et frontal, en décomposant le flux continu de données en petits segments gérables pour analyser les fluctuations subtiles.

Pour donner un sens à ces données complexes, l'équipe a développé une version améliorée d'une technique d'apprentissage automatique appelée "Stacking". Dans une configuration traditionnelle, un ordinateur pourrait utiliser plusieurs modèles différents pour deviner la réponse et ensuite simplement prendre la moyenne de leurs votes. Les chercheurs ont trouvé cette approche trop simple pour la nature bruyante et complexe des signaux cérébraux. Au lieu de cela, ils ont construit un système plus collaboratif. Ils ont utilisé trois types distincts de modèles informatiques, chacun ayant sa propre force pour repérer des motifs, afin d'analyser les signaux cérébraux. Plutôt que de simplement moyenner leurs résultats, la nouvelle méthode permettait à ces modèles de communiquer entre eux de manière plus avancée. Elle combinait leurs prédictions, créait de nouvelles relations complexes entre les points de données et donnait plus d'influence aux modèles qui performaient le mieux sur des parties spécifiques des données. Ce processus a été répéいé de nombreuses fois avec différents regroupements de données pour s'assurer que le résultat final n'était pas seulement un coup de chance.

Les résultats ont montré un avantage clair pour cette nouvelle approche améliorée. Lorsque l'équipe a testé son système sur un groupe de patients qu'elle n'avait jamais vus auparavant, elle a correctement identifié la sévérité de l'acouphène dans 96,31 % des cas. Il s'agit d'un bond significatif par rapport à la méthode standard, qui atteignait une précision d'environ 90 %. Le nouveau système était particulièrement efficace pour distinguer les différents niveaux de sévérité, de l'agacement léger à la détresse sévère. Les chercheurs ont noté que bien que l'amélioration puisse sembler faible en points de pourcentage, dans le monde du diagnostic médical, passer de 90 % à 96 % représente un outil beaucoup plus fiable pour les médecins. Le système a réussi à traduire l'expérience invisible et subjective du bourdonnement d'oreilles en un nombre concret et mesurable basé sur la façon dont le cerveau réagit physiquement au son.

Malgré ce succès, les auteurs précisent avec prudence que l'étude n'est pas encore une solution finale pour la pratique clinique. Le groupe de patients étudié était relativement petit, et les résultats doivent être confirmés avec un plus grand nombre de personnes pour s'assurer que la méthode fonctionne pour tout le monde. L'étude n'a pas non plus inclus de groupe témoin ayant reçu un traitement placebo, il est donc possible que certains changements cérébraux aient été influencés par les attentes des patients plutôt que par l'acouphène lui-même. De plus, la technologie n'a pas encore été intégrée dans un flux de travail hospitalier où un médecin pourrait l'utiliser en temps réel lors d'une consultation. Cependant, l'étude constitue une solide preuve de concept. Elle démontre qu'en écoutant les niveaux d'oxygène du cerveau et en utilisant une manière plus intelligente de les interpréter, il est possible de dépasser les suppositions et de commencer à mesurer objectivement une condition qui a longtemps été définie uniquement par l'intensité de la douleur ressentie par la personne qui en souffre.