Nowoczesne metody analityczne oparte na sztucznej inteligencji przynoszą nowe spojrzenie na jedno z najczęstszych, a zarazem uciążliwych zaburzeń słuchu – szumy uszne. Nowe badania wykazały, że połączenie problemów ze słuchem, zaburzeń nastroju oraz jakości snu może odgrywać kluczową rolę w rozwoju i nasileniu tego schorzenia.
Najnowsze badania opublikowane na łamach Nature Communications to efekt współpracy naukowców z Kanady i Francji, którzy wykorzystali modele uczenia maszynowego oraz dane z ogromnej bazy UK Biobank, obejmującej prawie 200 tysięcy uczestników. Na potrzeby badania analiza objęła ponad 41 tysięcy osób z objawami szumów usznych. Zespół badaczy postawił sobie za cel opracowanie wiarygodnych modeli prognostycznych, umożliwiających ocenę ryzyka wystąpienia szumów oraz przewidywanie ich nasilenia.
Szumy uszne (tinnitus) to zjawisko akustyczne polegające na subiektywnym odbieraniu dźwięków — takich jak dzwonienie, syczenie czy buczenie — przy braku zewnętrznych bodźców akustycznych. Choć sam stan dotyka aż 14% dorosłych na świecie, nie u wszystkich powoduje poważne komplikacje. W wielu przypadkach jednak prowadzi do trudności ze snem, koncentracją oraz problemów psychicznych, w tym depresji i pogorszenia jakości życia.
Według autorów badania „brak skutecznego, przyczynowego leczenia sprawia, że niezmiernie ważne jest zrozumienie głównych czynników ryzyka i udoskonalenie procesu diagnostyki oraz leczenia objawowego”. Dotychczasowe teorie wskazywały na nadmierne narażenie na hałas, urazy słuchu, starzenie się oraz stosowanie ototoksycznych leków jako potencjalne przyczyny dolegliwości. Jednak do tej pory niewiele badań dostarczyło danych o przemianach szumów usznych na przestrzeni lat.
Aby opracować narzędzia łatwe do wdrożenia w codziennej praktyce lekarskiej, naukowcy wykorzystali zestaw liczący 101 czynników ryzyka (tzw. cech predykcyjnych), obejmujących m.in. jakość słuchu, stan psychiczny, zdrowie fizyczne czy kwestie demograficzne. Wykorzystano algorytm NIPALS (ang. Non-linear Iterative Partial Least Squares), który świetnie radzi sobie z analizą złożonych danych medycznych, zwłaszcza w kontekście wielowymiarowości i współzależności zmiennych.
Analiza wykazała, że najbliższy związek z występowaniem szumów miały szeroko pojęte problemy ze słuchem — zarówno te zgłaszane subiektywnie, jak i diagnozowane obiektywnie (trudności w słyszeniu mowy w hałasie, stosowanie aparatów słuchowych lub implantów ślimakowych). Co ciekawe, modele predykcyjne nie były skuteczne w przewidywaniu samego faktu pojawienia się szumów w przyszłości, natomiast doskonale sprawdzały się w przewidywaniu zmian w intensywności objawów oraz tego, czy choroba przekształci się w postać poważnie zaburzającą codzienne funkcjonowanie.
Nowo opracowany i uproszczony model predykcyjny — POST (Prediction Of the Severity of Tinnitus) — okazał się bardzo skuteczny. Na grupie niezależnych uczestników z bazy Tinnitus Research Initiative, model uzyskał wskaźnik AUC aż 0,94, co świadczy o bardzo dużej dokładności w identyfikacji pacjentów zagrożonych przejściem z łagodnej formy do silnie dolegliwej. Wystarczyło zaledwie sześć parametrów dotyczących nastroju, snu, słuchu i cech osobowości, by osiągnąć taką trafność.
Wyniki te mają potencjał do praktycznego wdrożenia w codziennej pracy lekarzy podstawowej opieki zdrowotnej oraz specjalistów. Dzięki wykorzystaniu POST możliwe stanie się szybkie wytypowanie pacjentów najbardziej narażonych na rozwój ciężkich postaci szumów usznych i skierowanie ich na odpowiednie leczenie objawowe, psychoterapię lub rehabilitację słuchu. To również nadzieja na bardziej efektywne zarządzanie ograniczonymi zasobami w służbie zdrowia oraz zwiększenie skuteczności opieki nad pacjentami.
Warto jednak zaznaczyć, że badanie nie jest pozbawione ograniczeń. Po pierwsze, baza UK Biobank zawiera dane głównie osób rasy białej (91%), więc możliwości uogólniania wyników na bardziej zróżnicowane etnicznie populacje są ograniczone. Nie uwzględniono również zjawiska hiperakuzji — nadmiernej wrażliwości na dźwięki — które często współwystępuje z szumami usznymi i może intensyfikować ich objawy. Ponadto modele wyjaśniają zaledwie część zmienności (około 12,5% w przypadku obecności i 9,2% dla nasilenia), co sugeruje, że do pełnego obrazu potrzebne są nowe czynniki biologiczne i środowiskowe.
Mimo pewnych ograniczeń, prezentowane badanie stanowi ważny krok w kierunku lepszego zrozumienia szumów usznych i ich mechanizmów, wskazując na konieczność holistycznego podejścia uwzględniającego nie tylko fizyczne, ale również psychologiczne i środowiskowe aspekty tego zjawiska. Wyniki przynoszą nadzieję na wcześniejszą diagnostykę, skuteczniejsze leczenie oraz poprawę jakości życia osób cierpiących z powodu tej uciążliwej przypadłości.
