您还不是认证园区!
赶快前去认证园区吧!
“只有聋人才珍惜失而复得的听觉,只有盲人才珍惜重见天日的幸福,” 这是美国现代女作家海伦·凯勒(Helen Keller),在聋哑之后写在《假如给我三天光明》中的字句。
而在中国,目前约有 2780 万位听力残障者,是全球听力残疾人数最多的国家,占国内残疾人的 30% 以上。
常见解决办法有人工耳蜗或助听器。人工耳蜗虽然已经在临床上使用几十年,但目前的人工耳蜗并不能帮助患者完全恢复或重建正常听觉,其中最具挑战性的问题是人工耳蜗无法精确刺激听觉神经。
尽管目前已有包括动物模型、人体标本模型、计算机有限元分析模型在内的多种人工耳蜗测试模型可供使用,可一旦进入人体真实环境,它们并不能真正精准地评估人工耳蜗植入到体内后所引发的电压/电场分布。
相比之下,计算机有限元分析模型虽然能克服以上问题,但也存在几个限制:一方面是模型本身缺乏完备的理论支撑,现有文献研究对人体内耳蜗组织的特性了解匮乏,进而导致模拟结果不准确;另一方面,由于耳蜗结构是 3D 的,电流扩散程度无法被测出,所以现有测试模型均无法精确模仿植入式神经刺激装置。
基于此,剑桥大学黄艳燕团队提出一种新型建模方法, 运用 “3D 打印+机器学习” 技术(3D printing machine learningco-modelling,3PNN)来共同建模, 并由 Manohar Bance 团队提供临床数据验证 3PNN 高水平的有效性。该模型可根 据人体耳蜗的实际大小,来定制特定的耳蜗模型结构与尺寸,从而为需要人工耳蜗的患者分析人工耳蜗的术后恢复可能性。
10 月 29 日,相关论文以《3D 打印仿生耳蜗和机器学习协同建模为人工耳蜗患者提供临床信息》(3D printed biomimetic cochleae and machine learning co-modellingprovides clinical informatics for cochlear implant patients)为题,发表在 Nature Communications 上 [1] 。李奕雯担任第一作者,清华大学助理教授蒋琛担任第二作者,剑桥大学华人教授黄艳燕担任共同通讯作者。
创建首个与人类耳蜗导电性相似的仿生模型
通过打印具有不同导电性能、以及不同形状的仿生耳蜗模型,该团队得以重仿人类耳蜗的个体差异,并借助沿着人工耳蜗的电压数据,去了解不同耳蜗模型里的电压分布。
由于耳蜗內的电压分布会受诸多因素影响,而且之间的关系并非简单的线性关系,所以无法使用传统参数回归模型、对其关系进行解码。因此,他们利用机器学习来分析不同的耳蜗形状、以及不同导电性对耳蜗內电压分布的影响。
李奕雯说,由于该方法使用统计方法来训练算法,因此更能捕捉隐含在大量数据中的复杂非线性关系,从而可更精准地预测电压分布。
最后,通过临床耳蜗电阻抗测试方法,将耳蜗模型和真人临床数据进行比较。蒋琛介绍,获取的临床数据已通过道德许可认证,基于已有患者的 CT 扫描图和耳蜗电阻抗的数据,他们得以重构耳蜗模型的尺寸与电学特性。此外,他们还融入机器学习算法,通过对患者的大量数据分析,找到了不同耳蜗模型设计参数和患者数据的关系。
李奕雯表示, 该团队利用 “3D 打印+机器学习” 模型展示了不同的应用。 其一, 机器学习模型可根据用户的临床 CT 耳蜗图像,来预测其沿着人工耳蜗的电压分布,以及能通过快速模拟大量数据,来预测到底哪个耳蜗特征更容易受到电流传播的影响。其二,根据用户的电压分布数据,可利用机器学习来估计耳蜗的导电性、以及形状特征最可能的范围,并透过 3D 打印技术打造出可高度模仿患者电压分布的仿生模型。其三,3D 打印仿生耳蜗模型可进一步解释偶尔在患者耳内出现的非典型电压分布的原因。
总体而言 ,“ 3D 打印+机器学习” 模型提供了一个可操作性较强、成本比较低,同时又不存在医学伦理问题的模型,这有助于减少对动物实验的需求。 他们希望该模型可作为补充性方法,来助力新一代个性化人工耳蜗的研发。
从 “青蛙蹬腿” 到人工耳蜗
相比助听器对声音放大处理的原理,人工耳蜗的原理是绕过受损的内耳毛细胞,直接通过电刺激听神经来为重建患者的听觉,其本质是利用微电极阵列植入到内耳耳蜗后,通过发送出电流脉冲对耳蜗的神经进行刺激。
举例来说,通过电刺激方式来刺激青蛙的坐骨神经,借此可观察到青蛙蹬腿的动作,人工耳蜗也是类似的原理。
可为下一代人工耳蜗的开发带来全新的开发平台
在该耳蜗模型中,通过调整材料的特性,可让模型与实际耳蜗具有类似的机械特性,还可提供能实时观察人工耳蜗植入过程的能力,帮助医生了解外科植入的过程,从而助力植入操作。
该模型的生物兼容性,则在未来有望搭建带有神经细胞、以及各类传感器的耳蜗模型,借此进一步分析神经细胞的活动过程,以设计出更先进的人工耳蜗植入体。
李奕雯则表示,此次提出的 “打印&学习” 的概念模型,也适用于其他生物电子植入、或植入式神经刺激电极等装置。研发中,由于患者隐私和道德问题,很难获得大量且全面的临床数据。但好在 3D 打印是创建物理模型的强大工具,而人工智能则可有效学习和分析数据。随着这类装置使用率的提升,该团队希望这一概念可进一步促进相关装置的发展,并解决仿生临床人工模型的缺乏问题。
-End-
参考:
1、Lei, I.M., Jiang, C., Lei, C.L. etal. 3D printed biomimeticcochleae and machine learning co-modelling provides clinical informatics forcochlear implant patients. Nat Commun12,6260(2021). https://doi.org/10.1038/s41467-021-26491-6