age-related hearing loss

Dấu hiệu xét nghiệm máu giúp cảnh báo nguy cơ mất thính giác liên quan đến tuổi tác

Panda Quantum receiver-in-canal hearing aid in beige, shown against a plain background

Dấu hiệu xét nghiệm máu giúp cảnh báo nguy cơ mất thính giác liên quan đến tuổi tác

Một mô hình được xây dựng từ kết quả xét nghiệm máu thông thường đã xác định những người trưởng thành có nguy cơ mất thính lực cao hơn do tuổi tác, với các dấu hiệu lượng đường trong máu đóng vai trò dự đoán nhiều.

Mất thính lực liên quan đến tuổi tác là một trong những tình trạng phổ biến nhất ở cuộc sống sau này và là một trong những tình trạng được dung nạp một cách thầm lặng nhất. Mọi người có xu hướng chú ý đến nó nhiều năm sau khi nó bắt đầu, thường khi cuộc trò chuyện trong một căn phòng bận rộn đã trở thành một công việc thực sự khó khăn. Đến lúc đó mức điều chỉnh đã lớn hơn mức cần thiết.

Độ trễ đó là điều khiến việc nhận dạng sớm trở nên thú vị. Một nhóm nghiên cứu tại Đại học Y Trùng Khánh và Bệnh viện Đa khoa Trùng Khánh đã hỏi một câu hỏi bất thường: liệu xét nghiệm máu định kỳ, loại máu đã có trong hàng triệu hồ sơ y tế, có thể xác định được ai có khả năng bị mất thính lực do tuổi tác trước khi bất kỳ ai đăng ký kiểm tra thính giác? Câu trả lời của họ, được công bố trên tạp chí Diagnostics, là một câu trả lời có đủ điều kiện.

Giới thiệu về nghiên cứu này

Tiêu đề: Phát triển và xác nhận mô hình học máy có thể giải thích được dựa trên dấu ấn sinh học máu thông thường: Để dự đoán tình trạng mất thính lực liên quan đến tuổi tác

Tác giả: Dan He, Yiting Liu, Jing Ke, Xu Jiang, Haiyu Ma, Ya Shi, Wei Yuan

Các chi nhánh: Đại học Y Trùng Khánh, Trùng Khánh, Trung Quốc; Khoa Tai Mũi Họng-Phẫu thuật Đầu Cổ, Bệnh viện Đa khoa Trùng Khánh, Đại học Trùng Khánh; Trường Y, Đại học Trùng Khánh

Tạp chí và ngày xuất bản: Chẩn đoán (Basel), 29 Tháng 6 2026

Loại nghiên cứu: Phát triển và xác thực mô hình máy học, sử dụng mẫu bệnh chứng từ NHANES với đoàn hệ xác thực bệnh viện bên ngoài

DOI PubMed: 10.3390/chẩn đoán16132025

Bối cảnh: Tại sao các nhà nghiên cứu lại xem xét vấn đề này

Mất thính lực liên quan đến tuổi tác, mà các bác sĩ lâm sàng gọi là bệnh lão thị và viết tắt là ARHL, là tình trạng thính giác suy giảm dần dần đi kèm với quá trình lão hóa. Nó thường lấy tần số cao làm đầu tiên, đó là lý do tại sao các phụ âm mờ đi trước các nguyên âm và tại sao lời phàn nàn sớm thường khiến mọi người lầm bầm hơn là mọi thứ im lặng.

Để chẩn đoán chính xác bệnh này cần có thính lực đồ, một bài kiểm tra thính giác được thực hiện trong môi trường được kiểm soát. Đó là một công cụ tốt, nhưng nó phụ thuộc vào việc ai đó quyết định đi xét nghiệm. Trên toàn bộ dân số, quyết định đó được đưa ra muộn và thường không được đưa ra, điều này khiến một nhóm lớn người bị mất thính lực không được điều trị và không có dấu hiệu nào trong hồ sơ của họ.

Ý tưởng của các nhà nghiên cứu là làm việc với dữ liệu đã tồn tại. Các tấm máu định kỳ được thu thập liên tục vì những lý do khác. Nếu ARHL để lại một dấu hiệu có thể phát hiện được trong các dấu hiệu máu thông thường, thì dấu hiệu đó có thể được sử dụng để phân loại các quần thể lớn thành nhóm có nguy cơ cao hơn và thấp hơn, chỉ ra những người có nhiều khả năng được hưởng lợi nhất khi thực hiện kiểm tra thính giác thực tế. Đó là một công cụ sàng lọc trước, không phải là một chẩn đoán, và sự khác biệt xuyên suốt toàn bộ bài báo.

Nghiên cứu được thực hiện như thế nào

Nhóm đã tập hợp 542 những người tham gia từ Khảo sát kiểm tra sức khỏe và dinh dưỡng quốc gia, cuộc khảo sát sức khỏe kéo dài của Hoa Kỳ được gọi là NHANES. Mẫu được xây dựng dưới dạng thiết kế bệnh chứng cân bằng: 271 những người bị suy giảm thính lực do tuổi tác và 271 đối chứng khỏe mạnh. Sau đó, những người tham gia đó được chia ngẫu nhiên thành một tập huấn luyện chứa một nửa mẫu và hai bộ xác nhận nội bộ độc lập, mỗi bộ một phần tư.

Thay vì cam kết thực hiện một phương pháp mô hình hóa, các nhà nghiên cứu đã so sánh một cách có hệ thống 113 các tổ hợp thuật toán học máy và giữ lại hiệu suất tốt nhất, sự kết hợp giữa glmBoost và mô hình tuyến tính tổng quát hóa từng bước chuyển tiếp. Sau đó, họ áp dụng một phương pháp gọi là SHAP, phương pháp này tính toán xem mỗi đầu vào đóng góp bao nhiêu vào một dự đoán nhất định. Bước đó chính là ý nghĩa của bài báo bằng từ "có thể diễn giải": mục tiêu là một mô hình mà lý luận của nó có thể được kiểm tra chứ không phải là một hộp đen chỉ đơn giản đưa ra câu trả lời.

Việc thử nghiệm một mô hình trên cùng một nhóm dân cư đã đào tạo nó sẽ làm cho nó tốt hơn, vì vậy nhóm cũng tiến hành xác thực bên ngoài trên một nhóm riêng biệt gồm 92 bệnh nhân từ Bệnh viện Nhân dân Trùng Khánh. Cuối cùng, họ đã xây dựng một công cụ web tương tác bằng cách sử dụng khung R Shiny, do đó, mô hình này có thể được sử dụng để đánh giá rủi ro theo thời gian thực thay vì chỉ sống trong một tạp chí.

Những gì các nhà nghiên cứu tìm thấy

Trên dữ liệu huấn luyện, mô hình đã đạt AUC là 0.948. AUC, hay diện tích dưới đường cong, tóm tắt mức độ hiệu quả của một mô hình trong việc phân tách hai nhóm: 0.5 là lật đồng xu và 1.0 là hoàn hảo, vì vậy 0.948 là mạnh. Trên hai bộ xác thực nội bộ mà nó đã duy trì, cho điểm 0.893 và 0.945, với độ chính xác tổng thể là 86.3%.

Bài kiểm tra có ý nghĩa hơn là bài kiểm tra bên ngoài. Đã chuyển đến 92 bệnh nhân từ một quốc gia khác và hệ thống y tế khác, hiệu suất giảm nhưng không giảm, với AUC từ 0.839 (95% CI 0.750 đến 0.918) và độ chính xác của 77.2%. Sự suy giảm quy mô đó khi một mô hình rời khỏi nhà là điều bình thường và theo một nghĩa nào đó, khiến bạn yên tâm: nó cho thấy mô hình đã học được điều gì đó về tình trạng mất thính lực hơn là điều gì đó về NHANES.

Mô hình dựa trên chín đặc điểm dự đoán chính. Ba loại có trọng lượng lớn nhất theo phân tích SHAP là glycated hemoglobin (HbA1c), thể tích tiểu cầu trung bình (MCV) và đường huyết. HbA1c là thước đo lượng đường trong máu trung bình trong khoảng ba tháng trước đó và MCV mô tả kích thước trung bình của các tế bào hồng cầu.

Ba kết quả đứng đầu đó là kết quả thú vị nhất trong bài báo. Hai trong số ba yếu tố dự đoán hàng đầu là các phép đo lượng đường trong máu, trong đó đặt sức khỏe trao đổi chất vào trung tâm lý luận của mô hình về thính giác. Các tác giả trình bày điều này như một gợi ý về các cơ chế mang tính hệ thống đằng sau ARHL, nghĩa là tình trạng mất thính lực liên quan đến tuổi tác có thể liên quan đến những gì đang xảy ra ở phần còn lại của cơ thể hơn là vấn đề thuần túy cục bộ ở tai.

Cần phải cẩn thận với những gì điều này thể hiện. Đây là những mối liên hệ được tìm thấy trong một mô hình dự đoán. Nghiên cứu không chứng minh rằng lượng đường trong máu cao gây mất thính lực và một dấu hiệu có thể dự đoán mà không cần quan tâm đến nguyên nhân.

Ý nghĩa của nó đối với người khiếm thính

Không ai nên đọc nghiên cứu này và kết luận rằng xét nghiệm máu có thể cho biết họ có bị mất thính lực hay không. Các tác giả nói rõ rằng đây là một công cụ sàng lọc trước dành cho số lượng lớn người, không phải là xét nghiệm chẩn đoán cho một cá nhân và thính lực đồ vẫn là cách để tìm hiểu thính giác của bạn thực sự đang hoạt động như thế nào.

Điều nó gợi ý là sự thay đổi trong cách phát hiện tình trạng mất thính lực. Ngày nay hệ thống chờ đợi mọi người chú ý và hành động. Một mô hình như thế này hướng tới điều ngược lại: xác định các trường hợp có khả năng xảy ra từ dữ liệu đã được thu thập, sau đó mời những người đó đi xét nghiệm. Phần thú vị không phải là thuật toán mà là sự đảo ngược của người thực hiện bước đầu tiên.

Ngoài ra còn có một món ăn cá nhân khiêm tốn. Nếu các dấu hiệu trao đổi chất mang tính dự đoán cao như vậy thì bệnh tiểu đường và kiểm soát lượng đường trong máu sẽ có cùng mối quan hệ với thính giác, đây không phải là nơi mà hầu hết mọi người nộp chúng. Và bất kể cảnh báo rủi ro là gì, cờ chỉ có giá trị nếu bước tiếp theo đủ dễ dàng để mọi người thực sự thực hiện nó.

Rủi ro gắn cờ chỉ hữu ích nếu việc kiểm tra dễ dàng tiếp cận

Toàn bộ tiền đề của nghiên cứu này là tình trạng mất thính lực không được đo lường trong thời gian quá dài. Mô hình sàng lọc trước thu hẹp khoảng cách từ một đầu bằng cách xác định ai nên được kiểm tra. Đầu bên kia của khoảng trống là điều xảy ra tiếp theo và đó là lúc bạn có thể tự mình thực hiện một bài kiểm tra để thay đổi số học.

Panda Quantum máy trợ thính trong ống tai màu be, hiển thị trên nền trơn

Vì nghiên cứu này về cơ bản là nhằm xác định tình trạng mất thính lực sớm hơn nên các thiết bị có chức năng kiểm tra thính lực riêng đều có liên quan đến cùng một vấn đề. Panda Quantum thuộc danh mục máy trợ thính tự kiểm tra thính lực: bạn ghép nối nó với ứng dụng Panda, ứng dụng này sẽ chạy bài kiểm tra tần số cụ thể thông qua chính thiết bị trợ thính và lập trình mức tăng cũng như phản hồi tần số cho thính lực đồ của bạn, theo cách phù hợp lâm sàng. Panda Air bao gồm cùng một bài kiểm tra dựa trên ứng dụng. Việc cá nhân hóa thính giác dựa trên ứng dụng đó là thứ biến thiết bị thành thứ phù hợp với thính giác của chính bạn thay vì một bộ khuếch đại chung.

Quantum là thiết bị hỗ trợ thu trong ống tai với khả năng xử lý kênh 16 và giảm tiếng ồn chủ động, nhằm mục đích mang lại giọng nói rõ ràng trong môi trường ồn ào, nơi tình trạng mất thính lực do tuổi tác thường xuất hiện đầu tiên. Nó cung cấp tổng thời lượng pin lên tới 80 giờ với hộp đựng, Bluetooth cho cuộc gọi, TV và âm nhạc, đồng thời đi kèm với bảo hành 5 năm và 45 ngày hoàn trả. Một lưu ý cần lưu ý: Máy trợ thính OTC được phê duyệt cho tình trạng mất thính lực từ nhẹ đến trung bình và tình trạng mất thính lực nặng hoặc sâu vẫn được hưởng lợi nhiều nhất từ ​​việc lắp máy trên lâm sàng.

Bạn có thể đọc thêm tại pandahearing.com/products/panda-hearing-aids-quantum.

Hạn chế của nghiên cứu này

Mẫu nhỏ cho loại công việc này. Tổng số 542 người tham gia được chia thành các nhóm đào tạo và xác thực để lại số lượng khiêm tốn trong mỗi nhóm và việc xác thực bên ngoài chỉ dựa trên 92 trường hợp từ một trung tâm duy nhất, một hạn chế mà các tác giả tự gắn cờ. Một nhóm thuần tập bên ngoài một trung tâm chỉ kiểm tra khả năng di động một cách yếu kém vì bệnh nhân của một bệnh viện có những đặc điểm riêng của họ. Thiết kế cân bằng, với số lượng ca bệnh và ca chứng bằng nhau, cũng không phản ánh mức độ phổ biến thực sự của ARHL trong dân số nói chung, điều này ảnh hưởng đến cách các số liệu chính xác chuyển sang sàng lọc trong thế giới thực.

Ngoài ra còn có một vấn đề phức tạp hơn. So sánh các kết hợp thuật toán 113 và chọn người chiến thắng là một quy trình có xu hướng tạo ra kết quả lạc quan, bởi vì người giỏi nhất trong số nhiều ứng cử viên được khen thưởng một phần vì tiếng ồn phù hợp. Xác thực bên ngoài là biện pháp kiểm tra thích hợp về điều đó và mức giảm từ 0.948 xuống 0.839 đại khái là điều mà mối lo ngại đó sẽ dự đoán. Các tác giả cũng cẩn thận coi mô hình này như một công cụ sàng lọc trước hơn là một xét nghiệm chẩn đoán cho những cá nhân phù hợp với lứa tuổi. Không có lợi ích cạnh tranh hoặc nguồn tài trợ nào được ghi nhận trong bản tóm tắt.

Phải làm gì với điều này

Hãy coi đây như một tín hiệu về phương hướng hơn là kết quả mà bạn có thể tự mình hành động. Ở đây không có gì thay đổi những gì một cá nhân nên làm đối với thính giác của họ và không có bảng xét nghiệm máu nào cho bạn biết liệu bạn có cần trợ giúp để nghe cho cháu mình hay không. Điều nó gợi ý là tình trạng mất thính lực liên quan đến tuổi tác có thể được thể hiện rõ ràng hơn trong dữ liệu sức khỏe thông thường so với những gì mọi người giả định và lượng đường trong máu có liên quan đến câu chuyện hơn hầu hết mọi người đoán. Nếu một mô hình như thế này cuối cùng có được chỗ đứng trong thực tế thì kết quả sẽ là việc mất thính giác sẽ được phát hiện sớm hơn, vốn luôn là phần khó khăn.

He D, Liu Y, Ke J, Jiang X, Ma H, Shi Y, Yuan W. Phát triển và xác nhận mô hình học máy có thể giải thích được dựa trên dấu ấn sinh học máu thường quy: Để dự đoán tình trạng mất thính lực liên quan đến tuổi tác. Chẩn đoán (Basel). 2026;16(13). Lấy từ PubMed. https://doi.org/10.3390/diagnostics16132025

Reading next

Panda Air earbud-style over-the-counter hearing aids shown with their rechargeable charging case
Panda Air earbud-style in-the-canal hearing aid with its fast-charge case

Liên hệ với chúng tôi

Cần trợ giúp để chọn máy trợ thính Panda® phù hợp?

Nhóm hỗ trợ của chúng tôi có thể giúp bạn so sánh Panda® Stealth, Panda® Air và Panda® Quantum, trả lời các câu hỏi trước khi bạn đặt hàng hoặc trợ giúp về giao dịch mua hiện có.