Bluttestmarker halfen dabei, das Risiko eines altersbedingten Hörverlusts zu erkennen

Ein aus normalen Bluttestergebnissen erstelltes Modell identifizierte Erwachsene mit einem höheren Risiko für altersbedingten Hörverlust, wobei Blutzuckermarker einen Großteil der Vorhersagearbeit leisteten.

Altersbedingter Hörverlust ist eine der häufigsten Erkrankungen im späteren Leben und wird am wenigsten toleriert. Die Leute bemerken es oft erst Jahre nach Beginn, oft erst, wenn ein Gespräch in einem belebten Raum zu wirklich anstrengender Arbeit geworden ist. Bis dahin ist die Anpassung größer als nötig.

Diese Verzögerung macht die Früherkennung interessant. Ein Team der Medizinischen Universität Chongqing und des Allgemeinen Krankenhauses Chongqing stellte eine ungewöhnliche Frage: Könnten routinemäßige Blutuntersuchungen, wie sie bereits in Millionen von Krankenakten zu finden sind, erkennen, wer wahrscheinlich an einem altersbedingten Hörverlust leidet, bevor jemand einen Hörtest bucht? Ihre in Diagnostics veröffentlichte Antwort ist ein qualifiziertes Ja.

Hintergrund: Warum die Forscher sich das angeschaut haben

Altersbedingter Hörverlust, den Ärzte Presbyakusis nennen und als ARHL abkürzen, ist der allmähliche Hörverlust, der mit dem Altern einhergeht. Typischerweise werden zuerst die hohen Frequenzen erfasst, weshalb Konsonanten vor Vokalen verschwimmen und die erste Beschwerde oft darin besteht, dass die Leute murmeln und nicht, dass alles ruhig ist.

Für eine ordnungsgemäße Diagnose ist ein Audiogramm erforderlich, ein Hörtest, der in einer kontrollierten Umgebung durchgeführt wird. Das ist ein gutes Werkzeug, aber es hängt davon ab, ob sich jemand dazu entschließt, sich testen zu lassen. In der gesamten Bevölkerung wird diese Entscheidung spät und oft gar nicht getroffen, was dazu führt, dass eine große Gruppe von Menschen unbehandelten Hörverlust hat und nirgendwo in ihren Unterlagen eine entsprechende Kennzeichnung aufweist.

Die Idee der Forscher war, mit bereits vorhandenen Daten zu arbeiten. Aus anderen Gründen werden regelmäßig Blutuntersuchungen durchgeführt. Wenn ARHL in gewöhnlichen Blutmarkern eine erkennbare Signatur hinterlässt, könnte diese Signatur verwendet werden, um große Bevölkerungsgruppen in höhere und niedrigere Risikogruppen einzuteilen und die Personen zu identifizieren, die am wahrscheinlichsten von einem tatsächlichen Hörtest profitieren würden. Dabei handelt es sich um ein Vorscreening-Instrument, nicht um eine Diagnose, und die Unterscheidung zieht sich durch die gesamte Arbeit.

Wie die Studie durchgeführt wurde

Das Team versammelte 542 Teilnehmer der National Health and Nutrition Examination Survey, der langjährigen amerikanischen Gesundheitsumfrage namens NHANES. Die Stichprobe wurde als ausgewogenes Fall-Kontroll-Design erstellt: 271 Personen mit altersbedingtem Hörverlust und 271 gesunde Kontrollpersonen. Diese Teilnehmer wurden dann nach dem Zufallsprinzip in einen Trainingssatz mit der Hälfte der Stichprobe und zwei unabhängige interne Validierungssätze mit jeweils einem Viertel aufgeteilt.

Anstatt sich auf einen Modellierungsansatz festzulegen, verglichen die Forscher systematisch 113 Kombinationen von Algorithmen für maschinelles Lernen und behielten die beste Leistung bei, eine Kombination aus glmBoost und vorwärts schrittweise verallgemeinerter linearer Modellierung. Anschließend wandten sie eine Methode namens SHAP an, die ermittelt, wie viel jede Eingabe zu einer bestimmten Vorhersage beigetragen hat. Diesen Schritt meint das Papier mit „interpretierbar“: Das Ziel war ein Modell, dessen Argumentation überprüft werden konnte, und nicht eine Black Box, die einfach eine Antwort ausgibt.

Das Testen eines Modells an derselben Population, die es trainiert hat, schmeichelt ihm, daher führte das Team auch eine externe Validierung an einer separaten Kohorte von 92 Patienten aus dem Volkskrankenhaus Chongqing durch. Schließlich erstellten sie ein interaktives Web-Tool mit dem R Shiny-Framework, sodass das Modell für die Echtzeit-Risikobewertung verwendet werden konnte, anstatt nur in einem Tagebuch zu leben.

Was die Forscher herausfanden

Auf den Trainingsdaten erreichte das Modell eine AUC von 0.948. AUC oder Fläche unter der Kurve fasst zusammen, wie gut ein Modell zwei Gruppen trennt: 0.5 ist ein Münzwurf und 1.0 ist perfekt, also ist 0.948 stark. In den beiden internen Validierungssätzen hielt es stand und erreichte 0.893 und 0.945 mit einer Gesamtgenauigkeit von 86.3%.

Der aussagekräftigere Test war der externe. Bei der Umstellung auf 92 Patienten aus einem anderen Land und einem anderen Gesundheitssystem sank die Leistung, brach jedoch nicht ein, mit einem AUC von 0.839 (95% CI 0.750 bis 0.918) und einer Genauigkeit von 77.2%. Ein Rückgang dieser Größenordnung, wenn ein Modell das Haus verlässt, ist normal und in gewisser Weise beruhigend: Es deutet darauf hin, dass das Modell etwas über Hörverlust gelernt hat und nicht etwas über NHANES.

Das Modell entschied sich für neun wichtige Vorhersagemerkmale. Die drei, die bei der SHAP-Analyse das größte Gewicht hatten, waren glykiertes Hämoglobin (HbA1c), das mittlere Korpuskularvolumen (MCV) und der Blutzucker. HbA1c ist ein Maß für den durchschnittlichen Blutzucker der ungefähr letzten drei Monate, und MCV beschreibt die durchschnittliche Größe der roten Blutkörperchen.

Diese Top Drei sind das interessanteste Ergebnis in der Arbeit. Zwei der drei wichtigsten Prädiktoren sind Blutzuckermessungen, wodurch die Stoffwechselgesundheit in den Mittelpunkt der Überlegungen des Modells zum Hören gestellt wird. Die Autoren stellen dies als Hinweis auf systemische Mechanismen hinter ARHL dar, was bedeutet, dass altersbedingter Hörverlust möglicherweise mit Vorgängen im Rest des Körpers verknüpft ist und kein rein lokales Problem im Ohr darstellt.

Es lohnt sich, vorsichtig zu sein, was hier angezeigt wird. Dies sind Assoziationen, die in einem Vorhersagemodell gefunden werden. Die Studie zeigt nicht, dass hoher Blutzucker zu Hörverlust führt, und ein Marker kann prädiktiv sein, ohne kausal zu sein.

Was es für Menschen mit Hörverlust bedeutet

Niemand sollte diese Studie lesen und zu dem Schluss kommen, dass ein Bluttest Aufschluss darüber geben kann, ob er einen Hörverlust hat. Die Autoren weisen ausdrücklich darauf hin, dass es sich hierbei um ein Vorscreening-Tool für große Bevölkerungsgruppen und nicht um einen diagnostischen Test für eine Einzelperson handelt und dass ein Audiogramm weiterhin die Möglichkeit darstellt, herauszufinden, was Ihr Gehör tatsächlich tut.

Es deutet darauf hin, dass sich die Art und Weise, wie Hörverlust festgestellt werden könnte, verändert. Heute wartet das System darauf, dass die Menschen es bemerken und handeln. Ein Modell wie dieses deutet auf das Gegenteil hin: Wahrscheinliche Fälle anhand bereits gesammelter Daten identifizieren und diese Personen dann zu einem Test einladen. Das Interessante daran ist nicht der Algorithmus, sondern die Umkehrung dessen, wer den ersten Schritt macht.

Es gibt auch einen bescheidenen persönlichen Imbiss. Wenn Stoffwechselmarker so viel prädiktives Gewicht haben, dann gehören Diabetes und Blutzuckerkontrolle in dasselbe Gespräch wie das Hören, wo sie von den meisten Menschen nicht behandelt werden. Und was auch immer auf das Risiko hinweist, die Flagge ist nur dann etwas wert, wenn der nächste Schritt so einfach ist, dass die Leute ihn tatsächlich gehen.

Das Markieren von Risiken hilft nur, wenn Tests leicht zu erreichen sind

Die gesamte Prämisse dieser Studie ist, dass der Hörverlust zu lange nicht gemessen wird. Ein Vorscreening-Modell verringert die Lücke auf der einen Seite, indem es identifiziert, wer getestet werden soll. Das andere Ende der Lücke ist, was als nächstes passiert, und hier ändert ein Test, den Sie selbst machen können, die Arithmetik.

Da es in dieser Studie im Wesentlichen darum geht, Hörverlust früher zu erkennen, sind Geräte, die über einen eigenen Hörtest verfügen, für dasselbe Problem relevant. Panda Quantum gehört zur Kategorie der Selbsthörtest-Hörgeräte: Sie koppeln es mit der Panda-App, die einen frequenzspezifischen Test über das Gerät selbst durchführt und Verstärkung und Frequenzgang auf Ihr Audiogramm programmiert, ähnlich einer klinischen Anpassung. Panda Air beinhaltet denselben App-basierten Test. Diese App-basierte Hörpersonalisierung macht aus einem Gerät etwas, das an Ihr eigenes Gehör angepasst ist, und nicht einen generischen Verstärker.

Quantum ist ein Receiver-in-Canal-Hilfsmittel mit 16-Kanalverarbeitung und aktiver Geräuschunterdrückung, das auf klare Sprache in lauten Umgebungen abzielt, wo sich altersbedingter Hörverlust normalerweise zuerst bemerkbar macht. Es bietet insgesamt bis zu 80 Stunden Akkulaufzeit mit Gehäuse, Bluetooth für Anrufe, Fernsehen und Musik und wird mit einer 5-jährigen Garantie und einer 45-tägigen Rückgabefrist geliefert. Eine Einschränkung, die es zu beachten gilt: OTC-Hörgeräte sind für leichten bis mittelschweren Hörverlust zugelassen, und schwerer oder schwerer Hörverlust profitiert immer noch am meisten von einer klinischen Anpassung.

Mehr erfahren Sie unter pandahearing.com/products/panda-hearing-aids-quantum.

Einschränkungen dieser Forschung

Die Stichprobe ist für diese Art von Arbeit klein. Bei einer Gesamtzahl von 542 Teilnehmern, aufgeteilt in Trainings- und Validierungsgruppen, sind die Zahlen jeweils bescheiden, und die externe Validierung basierte auf nur 92 Fällen aus einem einzigen Zentrum, eine Einschränkung, auf die die Autoren selbst hinweisen. Eine externe Kohorte mit nur einem Zentrum testet die Portabilität nur schwach, da die Patienten eines Krankenhauses ihre eigenen Macken haben. Das ausgewogene Design mit der gleichen Anzahl von Fällen und Kontrollen spiegelt auch nicht wider, wie häufig ARHL tatsächlich in der Allgemeinbevölkerung vorkommt, was sich darauf auswirkt, wie sich die Genauigkeitszahlen auf das Screening in der Praxis übertragen lassen.

Es gibt noch ein subtileres Problem. Der Vergleich von 113-Algorithmuskombinationen und die Auswahl des Gewinners ist ein Verfahren, das tendenziell zu optimistischen Ergebnissen führt, da der beste von vielen Kandidaten teilweise für das passende Rauschen belohnt wird. Die externe Validierung ist hierfür die geeignete Überprüfung, und der Rückgang von 0.948 auf 0.839 entspricht in etwa dem, was dieses Problem vorhersagen würde. Die Autoren legen außerdem Wert darauf, das Modell als Vorscreening-Tool und nicht als diagnostischen Test für Personen gleichen Alters zu positionieren. In der Zusammenfassung wurden keine konkurrierenden Interessen oder Finanzierungsquellen erwähnt.

Was damit zu tun ist

Betrachten Sie dies als ein Richtungssignal und nicht als ein Ergebnis, auf das Sie persönlich reagieren können. Hier ändert sich nichts daran, was eine Person für ihr Gehör tun sollte, und kein Blutbild wird Ihnen sagen, ob Sie Hilfe beim Hören Ihrer Enkelkinder benötigen. Es deutet jedoch darauf hin, dass altersbedingter Hörverlust in gewöhnlichen Gesundheitsdaten stärker sichtbar sein könnte als angenommen, und dass der Blutzuckerspiegel näher an der Geschichte liegt, als die meisten Menschen vermuten würden. Sollte sich ein solches Modell irgendwann in der Praxis durchsetzen, hätte dies zur Folge, dass Hörverlust früher erkannt wird, was schon immer der schwierige Teil war.

He D, Liu Y, Ke J, Jiang X, Ma H, Shi Y, Yuan W. Entwicklung und Validierung eines interpretierbaren maschinellen Lernmodells basierend auf routinemäßigen Blutbiomarkern: Zur Vorhersage von altersbedingtem Hörverlust. Diagnostik (Basel). 2026;16(13). Von PubMed abgerufen. https://doi.org/10.3390/diagnostics16132025