計算聴覚学

計算聴覚学は、数学とコンピュータサイエンスの技術を用いて聴覚システムの臨床治療と科学的理解を向上させる聴覚学の一分野です。計算聴覚学は、一般的な病気の診断と治療のための改善された方法を開発するために定量モデルを使用する計算医学と密接に関連しています。^[1]

聴覚学と聴覚科学研究における従来の方法とは対照的に、計算聴覚学は推論統計と小規模コホートの仮説検定よりも予測モデリングと大規模分析（「ビッグデータ」）を重視します。計算聴覚学の目的は、聴覚科学、データサイエンス、情報技術、機械学習の進歩を臨床聴覚ケアに応用することです。人間と関連する動物種の聴覚機能と聴覚処理を理解するための研究は、この目的をサポートする翻訳可能な研究です。より効果的な診断と治療を実施するための研究開発は、この目的をサポートする翻訳研究です。^[2]

難聴、耳鳴り、聴覚過敏、バランス障害のある人にとって、これらの進歩は、より正確な診断、新しい治療法、スマート義肢やeヘルス/ mヘルスアプリなどの高度なリハビリテーションの選択肢につながる可能性があります。ケア提供者にとっては、臨床経路の一部を自動化するための実用的な知識とツールを提供できます。^[3]

この分野は学際的であり、聴覚学、聴覚神経科学、コンピューターサイエンス、データサイエンス、機械学習、心理学、信号処理、自然言語処理、耳科学、前庭学の基礎が含まれます。

計算聴覚学では、聴覚システムを支配する原理を理解し、難聴をスクリーニングし、聴覚障害を診断し、リハビリテーションを提供し、患者教育のためのシミュレーションを生成するなどの目的でモデルとアルゴリズムが使用されます。

数十年にわたり、人間の聴覚システムの特性をシミュレートするための現象学的および生物物理学的（計算）モデルが開発されてきました。例としては、基底膜の機械的特性のモデル、^[4]、電気刺激蝸牛、^{[5] [6]、}中耳の力学、^[7]、骨伝導、^[8]、中枢聴覚路^[9]などがあります。Saremiら（2016）は、並列フィルタバンク、カスケードフィルタバンク、伝送線路、生物物理学的モデルを含む7つの最新モデルを比較しました。^[10]最近では、畳み込みニューラルネットワーク（CNN）が構築され、人間の聴覚機能^[11]または複雑な蝸牛の力学を高精度で再現できるトレーニングが行われています。^[12]生物学的ニューラルネットワークの相互接続性に触発されていますが、CNNのアーキテクチャは自然な聴覚システムの構造とは異なります。

オンライン純音閾値聴力検査（またはスクリーニング）や、歪み成分耳音響放射（DPOAE）などの電気生理学的測定、および雑音下音声スクリーニング検査は、年齢を問わず難聴の認識を促進し、早期に正確に特定し、耳毒性や騒音の影響を監視し、耳と聴覚のケアの決定を導き、臨床医にサポートを提供するツールとして、ますます利用可能になりつつあります。^{[13] [14]}音響反射測定法と機械学習を使用して中耳液を検出するスマートフォンベースの検査が提案されています。^{[15]スマートフォンのアタッチメントは、}中耳の鼓膜の音響評価のためのティンパノメトリーを実行するためにも設計されています。^{[16] [17]}スマートフォンに取り付けられた低価格のイヤホンも試作されており、蝸牛からの微弱な耳音響放射を検出し、新生児の聴覚スクリーニングを行うのに役立ちます。^{[18] [19]}

大量の聴力検査結果を収集することで（例えば、国立労働安全衛生研究所（NIOSH）^[20]や国民健康栄養調査（NHANES）のデータベースから）、研究者は集団の聴覚状態のパターンを発見する機会を得ることができます^{[21] [22]} 。また、聴力検査結果を分類できるAIシステムをトレーニングすることもできます^{[23] 。} 機械学習は、複数の要因の関係を予測するために使用できます。例えば、自己申告による難聴に基づいてうつ病を予測したり^[24]、遺伝子プロファイルと自己申告による難聴の関係を予測したりできます。^[25]補聴器やウェアラブル機器は、ユーザーのサウンドスケープを監視したり、使用パターンを記録したりするオプションを提供し、それを使用して、ユーザーにメリットがあると予想される設定を自動的に推奨することができます。^[26]

聴覚インプラントによるリハビリテーションを改善する方法としては、音楽知覚の改善、^[27]電極-ニューロンインターフェースのモデル、^[28] AIベースの人工内耳フィッティングアシスタントなどがあります。^[29]

体性感覚性耳鳴りの診断には、 MLベースの分類で処理されたオンライン調査が使用されています。 ^[30]教師なしおよび教師あり機械学習を含む自動自然言語処理（NPL）技術は、耳鳴りに関するソーシャル投稿を分析し、症状の異質性を分析するために使用されています。^{[31] [32]}

機械学習は聴力検査に応用され、個人の聴覚プロファイルを決定するために過度の検査時間を必要としない柔軟で効率的な推定ツールを生み出してきました。^{[33] [34]}同様に、蝸牛の死角領域の特定や等音量曲線の特定など、他の聴覚検査の機械学習ベースのバージョンも作成されています。 ^[35]

e-Researchツールの例としては、Remote Testing Wiki、^[36] Portable Automated Rapid Testing (PART)、Ecological Momentary Assessment (EMA)、NIOSH sound level meterなどがあります。多くのツールがオンラインで見つかります。^[37]

ソフトウェアと大規模なデータセットは、計算聴覚学の発展と採用にとって重要です。多くの科学計算分野と同様に、計算聴覚学の分野の多くはオープンソースソフトウェアとその継続的な保守、開発、進歩に依存しています。^[38]

計算生物学、計算医学、計算病理学はすべて、数学や情報科学などの定量的な分野を活用した生命科学への学際的なアプローチです。

ウィキメディア・コモンズには、聴覚学に関連するメディアがあります。

Wikiversityにはグローバル聴覚学に関する学習リソースがあります

• 聴覚学
• 聴覚系
• 聴覚皮質
• グローバル聴覚学
• 聴覚
• 前庭系

• 計算聴覚学ネットワーク