Các phương pháp tiếp cận mới kết hợp khoa học thính giác với trí tuệ nhân tạo để tùy chỉnh mức bù trợ thính của máy trợ thính cho từng người nghe và môi trường âm thanh trong thế giới thực.

Máy trợ thính đã biến tình trạng mất thính giác từ một rào cản vô hình thành một tình trạng có thể kiểm soát được đối với hàng triệu người. Tuy nhiên, bất chấp nhiều thập kỷ đổi mới, chúng vẫn không có tác dụng tốt như nhau đối với tất cả mọi người. Một số người trượt chúng vào và quên mất chúng ở đó. Những người khác gặp khó khăn với tiếng ồn xung quanh, thấy âm nhạc bị méo hoặc có cảm giác như thiết bị đang chống lại tai họ thay vì hỗ trợ nó. Lý do không phải là sự thờ ơ hay thiết kế máy trợ thính kém mà là một thách thức cơ bản: tình trạng mất thính lực rất không đồng nhất. Không có hai tai nào bị mất âm thanh theo cách giống hệt nhau và không có bộ quy tắc khuếch đại nào phù hợp với mọi tình huống nghe.

Cho đến gần đây, các kỹ sư đã tối ưu hóa máy trợ thính bằng một bộ công cụ hạn chế: họ điều chỉnh mức độ lớn của âm thanh, giảm tiếng ồn xung quanh bằng bộ lọc không gian, nén dải động và coi như xong. Các thành phần này hoạt động độc lập, mỗi thành phần theo đuổi mục tiêu riêng, đôi khi dẫm lên chân nhau. Nhưng nếu máy trợ thính có thể học được thì sao? Điều gì sẽ xảy ra nếu nó không chỉ có thể thích ứng với người đeo mà còn phù hợp với khung cảnh âm thanh diễn ra xung quanh họ trong thời gian thực?

Bối cảnh: Tại sao việc tối ưu hóa máy trợ thính thông thường lại thất bại

Việc lắp máy trợ thính truyền thống dựa trên một công thức đơn giản: đo mức độ mất thính lực của ai đó, sau đó khuếch đại âm thanh theo đơn thuốc đã được tiêu chuẩn hóa. Cách tiếp cận này hiệu quả vì nó tuân theo các nguyên tắc thính học cơ bản. Nhưng các quy định được tiêu chuẩn hóa không thể giải thích được thực tế là tình trạng mất thính lực không xảy ra đồng đều ở các tần số và vùng điếc của tai không chỉ làm giảm âm lượng mà còn làm sai lệch cách mọi người cảm nhận cao độ, thời gian và vị trí không gian của âm thanh. Ngoài khả năng nghe, mất thính lực còn tạo ra cái mà các nhà nghiên cứu gọi là "sự thiếu hụt vượt ngưỡng": những vấn đề vẫn tồn tại ngay cả khi âm thanh đủ lớn để nghe.

Thêm sự phức tạp trong thế giới thực và thách thức sẽ nhân lên. Một người có thể điều hướng một văn phòng yên tĩnh tại nhà, một nhà hàng ồn ào, một chiếc ô tô đang di chuyển và phòng khách của một người bạn chỉ trong một ngày. Mỗi môi trường âm thanh đòi hỏi những ưu tiên khác nhau. Máy trợ thính truyền thống đã cố gắng giải quyết vấn đề này bằng một số ít chương trình cài sẵn, nhưng cách tiếp cận riêng biệt này bỏ qua sự chuyển tiếp và chuyển tiếp.

Nghiên cứu đã được thực hiện như thế nào

Đây là một bài viết đánh giá toàn diện xem xét hai cách tiếp cận chính mà các nhà nghiên cứu và kỹ sư đã phát triển để vượt ra ngoài phạm vi bù đắp cho máy trợ thính một kích cỡ phù hợp. Các tác giả, Torsten Dau và Tobias May từ tổ chức nghiên cứu thính giác hàng đầu của Đan Mạch, đã tổng hợp bằng chứng về xử lý tín hiệu, thính học và học máy để lập bản đồ về những gì có thể làm được ngày nay và nơi mà việc triển khai trong thế giới thực vẫn còn chậm so với hứa hẹn.

Cách tiếp cận đầu tiên sử dụng nhận thức về cảnh âm thanh: máy trợ thính lắng nghe môi trường âm thanh của nó và điều chỉnh chiến lược xử lý dựa trên những gì nó phát hiện được. Bằng cách phân loại cảnh, thiết bị có thể chuyển đổi giữa các cấu hình xử lý tín hiệu được tối ưu hóa một cách nhanh chóng. Cách tiếp cận thứ hai đi theo lộ trình cơ bản hơn, sử dụng các mô hình thính giác làm mục tiêu tối ưu hóa. Thay vì điều chỉnh các thành phần riêng lẻ, các chiến lược này nhằm mục đích giảm thiểu sự khác biệt giữa cách một tai có thính giác bình thường cảm nhận được âm thanh và cách một tai khiếm thính cảm nhận được âm thanh đó, với sự bù đắp của máy trợ thính. Học máy tăng tốc cả hai phương pháp, cho phép máy trợ thính học từ các ví dụ và khám phá các chiến lược bù không rõ ràng.

Những gì các nhà nghiên cứu tìm thấy

Cả hai cách tiếp cận dựa trên mô hình thính giác và nhận biết cảnh đều cho thấy sự hứa hẹn thực sự. Hệ thống nhận biết cảnh có thể cải thiện khả năng hiểu giọng nói trong tiếng ồn và điều chỉnh sự thoải mái khi nghe trong các môi trường khác nhau mà không yêu cầu người dùng phải chuyển đổi chương trình theo cách thủ công. Khi máy trợ thính biết bạn đang nhìn người đang nói, nó có thể ưu tiên giọng nói của họ. Khi phát hiện tiếng còi ô tô, nó có thể triệt tiêu những âm thanh lớn đột ngột.

Các chiến lược dựa trên mô hình thính giác đưa ra một loại hứa hẹn khác: một mục tiêu có nguyên tắc, dựa trên cơ sở vật lý để tối ưu hóa. Cách tiếp cận này đặc biệt có giá trị để hiểu các kiểu mất thính giác phức tạp trong đó các quy tắc đơn giản không thể thực hiện được. Học máy tăng tốc cả hai phương pháp.

Tuy nhiên, đánh giá cũng ghi lại những thách thức dai dẳng. Nhiều hệ thống được đề xuất hoạt động tốt trong phòng thí nghiệm với các điều kiện được kiểm soát nhưng lại vấp ngã trong thế giới thực, nơi khả năng tính toán bị hạn chế và nhu cầu của người dùng thay đổi từng phút. Giao tiếp hai chiều và nhận dạng nét mặt, rất quan trọng trong giao tiếp, thường bị bỏ qua. Đánh giá kết luận rằng việc đạt được tiềm năng tối đa trong điều kiện thời gian thực, thế giới thực vẫn là một thách thức lớn về kỹ thuật và nghiên cứu.

Điều đó có ý nghĩa gì đối với người bị mất thính giác

Nghiên cứu này quan trọng vì nó cho thấy công nghệ trợ thính đang hướng tới đâu: hướng tới cá nhân hóa và thích ứng với thế giới thực. Sự thất vọng mà nhiều người gặp phải với máy trợ thính truyền thống thường không xuất phát từ bản thân công nghệ mà từ tính không linh hoạt của nó. Một thiết bị được trang bị trong văn phòng của một nhà thính học yên tĩnh có thể mang lại cảm giác hoàn hảo ở đó, sau đó trở thành nguồn gây căng thẳng trong môi trường ồn ào nơi mọi người thực sự dành thời gian. Khi các mô hình máy học và thính giác hoàn thiện, máy trợ thính có thể bắt đầu giải quyết sự không phù hợp này bằng cách tự điều chỉnh.

Đối với những người tiêu dùng đang cân nhắc sử dụng máy trợ thính ngày nay, điều này có nghĩa là phải chú ý đến các thiết bị kết hợp công nghệ học máy, giảm tiếng ồn thích ứng và kết nối Bluetooth để có phản hồi trong thế giới thực. Một máy trợ thính có thể phát triển dựa trên cách sử dụng thực tế có thể mang lại trải nghiệm rất khác so với máy có chương trình cố định, cài sẵn.

Sự xuất hiện của công nghệ máy trợ thính thông minh có ý nghĩa gì để mang lại hiệu suất tốt hơn

Đánh giá của các nhà nghiên cứu Đan Mạch hướng tới một tương lai trong đó máy trợ thính không còn là thiết bị lắp một lần mà là hệ thống học tập được điều chỉnh cho phù hợp với từng đôi tai và âm thanh trong thế giới thực. Đây là loại đổi mới mà danh mục thuốc không kê đơn được thiết kế để kích hoạt: công nghệ thích ứng thông minh vẫn dựa trên khoa học thính giác. Panda Quantum thể hiện nguyên tắc này với kiến ​​trúc 16 kênh, khả năng điều chỉnh lấy cảm hứng từ mô hình thính giác và kết nối Bluetooth để có phản hồi thích ứng. Thiết bị này bao gồm bài kiểm tra thính giác trực tuyến kéo dài 10 phút được điều chỉnh lâm sàng, giảm tiếng ồn thông minh 12 băng tần và Bluetooth để gọi điện thoại, xem TV và nghe nhạc. Với thời lượng pin lên tới 80 giờ cho mỗi chu kỳ sạc, Panda Quantum cho phép người dùng trải nghiệm cách tối ưu hóa máy học hoạt động trong thế giới âm thanh của riêng họ. Đối với những người đang tìm kiếm trải nghiệm trợ thính thông minh, thích ứng mà nghiên cứu này đang thúc đẩy, Panda Quantum đại diện cho một điểm khởi đầu thực tế vào tương lai đó.

Hạn chế của nghiên cứu này

Đây là một bài viết đánh giá tổng hợp những phát hiện từ các nhóm nghiên cứu khác nhau. Một số hệ thống được mô tả vẫn là chủ đề nghiên cứu tích cực thay vì triển khai ở giai đoạn cao. Tổng quan không cung cấp dữ liệu thử nghiệm lâm sàng về bất kỳ phương pháp tiếp cận nào. Không có xung đột tài trợ được tiết lộ.

Điều này sẽ đưa chúng ta đến đâu

Khoa học đang hướng tới những máy trợ thính có khả năng suy nghĩ, thích ứng và cá nhân hóa. Khoảng cách giữa các nguyên mẫu trong phòng thí nghiệm và triển khai thực tế đang được thu hẹp. Đối với bất kỳ ai đánh giá máy trợ thính ngày nay, việc hiểu rằng học máy là một lĩnh vực phát triển tích cực có thể giúp hướng dẫn những gì cần ưu tiên.

Đậu T, May T. Các chiến lược bù đắp dựa trên mô hình thính giác và xử lý nhận biết cảnh âm thanh. Tạp chí của Hiệp hội Nghiên cứu Tai mũi họng: JARO. Ngày 9 tháng 4 năm 2026. Lấy từ PubMed. DOI: https://doi.org/10.1007/s10162-026-01043-1