メリッサ・ローマン
2026年3月2日
JAMA Otolaryngology – Head and Neck Surgeryに掲載されたノースウェスタン・メディシン主導の国際多施設研究によると、高度な機械学習モデルは、従来の機械学習アプローチよりも正確に、人工内耳を埋め込まれた子供たちの話し言葉の成果を予測した。
この研究の主任著者である小児耳鼻咽喉科部門の耳鼻咽喉科教授、ナンシー・ヤング医学博士（87 GME）によると、この 研究結果は、人工内耳手術後の言語能力の向上が少ないリスクのある子供を特定するために世界中で使用できる単一のAIベースの予測モデルの実現可能性を裏付けているという。
ナンシー・ヤング医学博士（87 GME）、小児耳鼻咽喉科部門の耳鼻咽喉科教授が本研究の主任著者である。
人工内耳は、乳幼児に遺伝的要因で起こる感音難聴の小児に対する効果的な治療法です。その他の原因としては、先天性感染症、耳毒性のある薬剤、内耳の外傷などが挙げられます。
人工内耳は、これらの患者の言語能力を持続的に改善することが示されていますが、難聴が重度から重篤な場合、結果は様々です。さらに、どの患者で言語能力の改善が見られ、どの患者で追加の介入が必要になるかを予測する確立されたアプローチは存在しません。
「人工内耳が使用される前は、両耳に重度の難聴を持つ子どもで、健聴児と同等の音声言語能力を身につけた子どもはごくわずかでした。人間の感覚を回復させる最初の効果的な治療法である人工内耳によって、多くの子どもたちが音声言語能力を身につけることができました」とヤング氏は述べた。「しかし、彼らの言語発達には、難聴のない子どもと比べて大きなばらつきがあります。私たちの研究の長期的な目標は、個々の子どもレベルで正確な予測を行い、リスクのある子どもを特定し、最適な強度と種類の治療介入を提供することです。」
現在の研究で、ヤング氏とその同僚は、人工内耳を装着した両側感音難聴の子供の音声言語の結果を予測する上で、従来の機械学習とディープトランスファーラーニングアルゴリズム（1つのタスクから学習した知識を使用して別のタスクのパフォーマンスを向上させる高度な機械学習技術）の精度を比較しました。
2009年7月から2022年3月にかけて、米国、オーストラリア、香港の3つの臨床センターで、英語、スペイン語、広東語を話す家庭の人工内耳を埋め込んだ合計278人の子供が登録されました。子供たちは全員、人工内耳手術を受ける前に脳MRIスキャンを受けました。
各子供の手術前の MRI 脳スキャンから得た脳の構造に関する情報を使用して、話し言葉の改善の程度を予測するために機械学習とディープ トランスファー ラーニングのアルゴリズムがトレーニングされました。
最終的なデータ分析により、参加している各センターの子供たちと、異なるセンターや異なる言語を学習している子供たちのデータを組み合わせた場合の両方において、深層転移学習が話し言葉の向上の最も正確な予測を提供することが明らかになりました。
特に、ディープ トランスファー ラーニング アルゴリズムは、音声言語の向上を予測する際に機械学習よりも優れた性能を発揮し、92.39 パーセントの精度、91.22 パーセントの感度、93.56 パーセントの特異度を達成しました。
この研究結果は、家族の言語、医療センターが使用する画像診断および結果測定プロトコルの違いにかかわらず、人工内耳を装着した子供の正確な言語予測を提供するために世界中で使用できる単一の予測モデルの開発の実現可能性を浮き彫りにしています。
さらに、脳の構造に基づいてどの子供が言語能力の向上が少ないリスクがあるかを知ることで、さまざまな治療法をテストし、さまざまな脳のタイプに対してどの治療法がより効果的かを判断する枠組みが得られる、とヤング氏は言う。
「私たちが目指しているのは、正確な予測技術を開発し、リスクのある人を特定し、言語能力の向上に向けて介入することです」とヤング氏は述べた。「聴覚は正常でも言語障害や発達の遅れがある子どもはたくさんいます。脳科学に基づく予測技術は、彼らにも応用できると考えています。」
この研究は、香港研究助成委員会（助成金GRF14605119）および国立衛生研究所助成金R21DC016069およびR01DC019387の支援を受けて実施されました。
リンク先はNorthwestern Medicineというサイトの記事になります。（原文：英語）