Schwerhörigkeit ist die häufigste chronische neurosensorische Erkrankung. In Industriestaaten sind mehr als 17% der Bevölkerung betroffen - mit erheblicher Einschränkung der Lebensqualität bis hin zur sozialen Isolation. Bei leicht- bis mittelgradiger Hörstörung können Hörgeräte dieses Defizit üblicherweise ausgleichen, doch schon bei mittelgradiger und insbesondere hochgradiger Schwerhörigkeit rücken zunehmend Hörimplantate in den Fokus. Cochlea-Implantate (CI) haben durch die enorme technische Entwicklung und die Fortschritte in der Chirurgie in den letzten Jahren eine enorme Erweiterung der Indikation erfahren.

Verlässliche Statistiken zum Grad der Schwerhörigkeit in der deutschen Bevölkerung legen nahe, dass mehr als eine Million Menschen allein in Deutschland eine deutliche Hörverbesserung durch ein Cochlea-Implantat erfahren würden, tatsächlich sind jedoch erst etwa 40.000 Menschen mit einem derartigen System versorgt worden. Eine wesentliche Ursache für diese niedrige Zahl ist die Unsicherheit oder gar Angst der potentiellen CI-Kandidaten vor dem operativen Eingriff, zumal die anschließenden Hörresultate mit dem Cochlea-Implantat von Patient zu Patient sehr unterschiedlich sein können. Diese interindividuelle Variabilität des Hörerfolgs mit dem CI ist bisher nicht ausreichend verstanden und soll im Rahmen dieses Projekts mit aktuellen Methoden der künstlichen Intelligenz untersucht werden. Ziel ist eine verlässliche Vorhersage des Hörerfolgs mit CI im individuellen Fall zu treffen. Ein derartiges Vorhersagemodell wäre für die optimale Auswahl des Hörsystems für Patienten von höchster Bedeutung und könnte die Zahl der erfolgreich CI-versorgten Patienten signifikant erhöhen.

Dieses Projekt bedient sich der weltgrößten monozentrischen Datenbank für CI Patienten an der MHH mit fast 10.000 implantierten Patienten und entsprechenden prä- und postoperativen longitudinal erhobenen patientenbezogenen Daten, wie z.B. Hörergebnissen oder demografischen Daten. Ebenfalls sind die technischen Anpassungsdaten der implantierten CI-Systeme für jeden Patienten im zeitlichen Verlauf in relationalen Datenbanken gespeichert, welche viele Millionen Messwerte der Hannoveraner CI-Patienten enthalten. Anhand der ebenfalls zur Verfügung stehenden 3D-Bilddatensätze der Cochlea nach Implantation kann die Position der Elektrode zu den individuellen anatomischen Strukturen mittels maschinellen Lernens befundet werden und ebenfalls in die Evaluation eingehen. Zudem wurde vor einiger Zeit in die CI-Versorgung aufgenommen, grundsätzlich nach Zustimmung des Patienten, dass Blut- und Perilymphproben zum Zeitpunkt der Operation zu entnehmen und zwecks einer weiteren Analyse in der Hannover Unified Biobank der MHH einzulagern sind mit dem Ziel, Zusammenhänge zwischen klinischen, genetischen, metabolomischen und audiologischen Daten zu erkennen. Die entsprechenden Sequenzierungen (Whole Exome Sequencing) wurden bereits bei über 100 Patienten durchgeführt. Die metabolomische Analyse der Perilymphproben soll im Rahmen dieses Projektes ebenfalls als klinische Routine etabliert werden, um mögliche Korrelationen zwischen bestimmten Metaboliten im Innenohr und dem Hörerfolg zu erkennen.

Alle gesammelten Daten sollen mit aktuellen Methoden der künstlichen Intelligenz analysiert werden. Darüber hinaus werden Prädiktionsmodelle entworfen, die eine Vorhersage des individuellen Hörerfolgs mit einem Cochlea Implantat für jeden Patienten unter Einbeziehung all dieser Daten mit hoher Genauigkeit treffen können.