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

Voor miljoenen mensen over de hele wereld speelt er constant een spookgeluid in hun oren. Deze aandoening, bekend als tinnitus, is geen geluid dat afkomstig is van een externe bron, maar een perceptie die door de hersenen zelf wordt gecreëerd. Het kan variëren van een zachte brom tot een oorverdovend gebrul, wat vaak de slaap, de stemming en het vermogen om van het dagelijks leven te genieten, verstoort. Momenteel hebben artsen geen betrouwbare manier om te meten hoe erg de tinnitus is voor een specifieke patiënt. De standaarddiagnose berust volledig op de manier waarop de patiënt zijn lijden beschrijft via vragenlijsten. Omdat dit afhangt van persoonlijke gevoelens en geheugen, kunnen de resultaten van dag tot dag of van de ene persoon naar de andere sterk variëren, wat het moeilijk maakt om de voortgang te volgen of behandelingen af te stemmen. Wetenschappers hopen al lang een objectieve marker te vinden, een fysiek signaal in de hersenen dat gemeten kan worden zoals de bloeddruk, om de werkelijke ernst van de aandoening te bepalen.

Een team onderzoekers in Shanghai heeft een belangrijke stap gezet richting dat doel door een gespecialiseerd hersenbeeldvormingsinstrument te combineren met een geavanceerde computerleermethode. Ze richtten zich op de reactie van de hersenen op geluid, gebruikmakend van een technologie genaamd functionele nabij-infraroodspectroscopie. Dit apparaat schijnt veilig, nabij-infrarood licht door de schedel om veranderingen in het zuurstofgehalte van het bloed te meten, wat fungeert als een surrogaat voor hersenactiviteit. Wanneer de hersenen harder werken, verbruiken ze meer zuurstof, en de bloedstroom verandert dienovereenkomstig. Door naar een specifieke toon te luisteren en te observeren hoe de zuurstofniveaus in het bloed van de hersenen reageren, legden de onderzoekers een unieke fysiologische handtekening van de tinnituservaring vast. Vervolgens voedden ze deze signalen in een nieuw type computeralgoritme dat ontworpen is om patronen te leren die het menselijk oog zou kunnen missen.

De onderzoekers rekruteerden zestig volwassenen die leden aan subjectieve tinnitus, wat betekent dat het gepiep alleen in hun hoofd zat en niet werd veroorzaakt door een extern mechanisch probleem. Voordat er enige scan plaatsvond, vulde elke deelnemer een standaardvragenlijst in om hun eigen tinnitus-ernst te beoordelen, wat diende als de grondwaarheid voor de studie. De deelnemers werden vervolgens in een stille kamer geplaatst en uitgerust met een kap die lichtbronnen en detectoren bevat. Ze luisterden naar een reeks hoge tonen gedurende achttien seconden, gevolgd door achttien seconden stilte, waarbij deze cyclus zes keer werd herhaald. Tijdens deze tijd registreerde de kap hoe de zuurstofniveaus in verschillende delen van hun hersenen veranderden. De onderzoekers concentreerden zich op specifieke gebieden die verantwoordelijk zijn voor het verwerken van geluid en taal, zoals de temporale en frontale kwabben, waarbij ze de continue stroom gegevens opdeelden in kleine, beheersbare stukjes om de subtiele fluctuaties te analyseren.

Om deze complexe data te begrijpen, ontwikkelde het team een verbeterde versie van een machine learning-techniek genaamd Stacking. In een traditionele opstelling kan een computer verschillende modellen gebruiken om het antwoord te raden en vervolgens simpelweg het gemiddelde van hun stemmen te nemen. De onderzoekers vonden deze aanpak te eenvoudig voor de ruisachtige, ingewikkelde aard van hersensignalen. In plaats daarvan bouwden ze een meer collaboratief systeem. Ze gebruikten drie verschillende soorten computermodellen, elk met een eigen kracht in het herkennen van patronen, om de hersensignalen te analyseren. In plaats van alleen hun resultaten te middelen, liet de nieuwe methode deze modellen op een geavanceerdere manier met elkaar communiceren. Het combineerde hun voorspellingen, creëerde nieuwe, complexe relaties tussen de datapunten en gaf meer invloed aan de modellen die het beste presteerden op specifieke delen van de data. Dit proces werd vele malen herhaald met verschillende groeperingen van de data om ervoor te zorgen dat het uiteindelijke resultaat niet slechts een gelukstreffer was.

De resultaten toonden een duidelijk voordeel voor deze nieuwe, verbeterde aanpak. Wanneer het team hun systeem testte op een groep patiënten die het nog nooit eerder had gezien, identificeerde het correct de ernst van de tinnitus in 96,31% van de gevallen. Dit is een significante sprong vergeleken met de standaardmethode, die een nauwkeurigheid van ongeveer 90% behaalde. Het nieuwe systeem was bijzonder goed in het onderscheiden van de verschillende niveaus van ernst, van milde irritatie tot ernstige nood. De onderzoekers merkten op dat hoewel de verbetering in procentpunten klein lijkt te zijn, het in de wereld van de medische diagnose van 90% naar 96% gaan een veel betrouwbaarder instrument voor artsen vertegenwoordigt. Het systeem vertaalde de onzichtbare, subjectieve ervaring van piepende oren succesvol naar een concreet, meetbaar getal gebaseerd op hoe de hersenen fysiek op geluid reageerden.

Ondanks dit succes benadrukken de auteurs voorzichtig dat de studie nog geen definitieve oplossing is voor de klinische praktijk. De groep patiënten die zij bestudeerden was relatief klein, en de resultaten moeten worden bevestigd met een groter aantal mensen om te waarborgen dat de methode voor iedereen werkt. De studie bevatte ook geen controlegroep die een placebo-behandeling kreeg, dus het is mogelijk dat sommige van de hersenveranderingen werden beïnvloed door de verwachtingen van de patiënten in plaats van door de tinnitus zelf. Bovendien is de technologie nog niet geïntegreerd in een ziekenhuiswerkstroom waarbij een arts het in realtime kan gebruiken tijdens een consultatie. De studie vormt echter een sterk bewijs van het concept. Het demonstreert dat door te luisteren naar de zuurstofniveaus in de hersenen en een slimmere manier te gebruiken om deze te interpreteren, het mogelijk is om voorbij gokwerk te gaan en objectief te beginnen met het meten van een aandoening die lang alleen werd gedefinieerd door hoeveel pijn het de persoon die eronder lijdt doet.