Smarte Modellbasierte Hördiagnostik

Hörstörungen gehören in Industrieländern zu den sechs häufigsten Erkrankungen. Sie erschweren die Kommunikation und können zur sozialen Isolation von Betroffenen führen. Für eine gezielte Therapie ist eine rechtzeitige und präzise Diagnose wichtig. Pathologien des Mittelohrs lassen sich mit gängigen Methoden wie Otoskopie, Audiometrie, Tympanometrie und bildgebenden Verfahren jedoch oft nicht sicher feststellen. Häufig muss eine Operation zur Abklärung durchgeführt werden – verbunden mit Risiken für die Patienten und hohen Kosten.

Moderne Verfahren wie die Breitbandtympanometrie (WBT) liefern zwar spezifische Messwerte, sind aber wegen der starken individuellen Unterschiede schwer auszuwerten und finden daher in der Praxis wenig Anwendung.

Wir entwickeln ein künstliches neuronales Netzwerk, das mit simulierten Daten aus einem Finite-Elemente-Mittelohrmodell sowie ausgewählten Patientendaten trainiert wird. Ziel ist, WBT-Messwerte automatisch auszuwerten und einem konkreten Krankheitsbild zuzuordnen. Der intelligente Algorithmus soll in ein Diagnosegerät integriert werden und Ärztinnen und Ärzten als Entscheidungshilfe dienen – und sich durch bestätigte Fälle kontinuierlich weiterentwickeln.