Các phương pháp mới kết hợp khoa học thính giác với trí tuệ nhân tạo để cá nhân hóa cách máy trợ thính bù trừ thính lực cho từng người nghe và từng môi trường âm thanh thực tế.

Máy trợ thính đã biến mất thính lực từ một rào cản vô hình thành một tình trạng có thể kiểm soát được đối với hàng triệu người. Tuy vậy, dù đã trải qua hàng chục năm đổi mới, chúng vẫn chưa hiệu quả như nhau với tất cả mọi người. Có người đeo vào và quên luôn sự hiện diện của máy. Có người lại chật vật với tiếng ồn xung quanh, thấy âm nhạc bị méo, hoặc cảm giác thiết bị đang “chống lại” đôi tai thay vì hỗ trợ. Nguyên nhân không phải do người dùng thờ ơ hay máy trợ thính được thiết kế kém, mà nằm ở một thách thức căn bản: mất thính lực vô cùng đa dạng. Không có hai đôi tai nào mất âm thanh theo cùng một cách, và không có bộ quy tắc khuếch đại nào phù hợp với mọi tình huống nghe.

Cho đến gần đây, các kỹ sư tối ưu máy trợ thính bằng một bộ công cụ hạn chế: điều chỉnh độ lớn của âm thanh, giảm tiếng ồn nền bằng bộ lọc không gian, nén dải động, và coi như xong. Các thành phần này hoạt động riêng lẻ, mỗi thành phần theo đuổi mục tiêu của riêng mình, đôi khi còn cản trở lẫn nhau. Nhưng sẽ ra sao nếu máy trợ thính có thể học? Sẽ ra sao nếu nó có thể thích ứng không chỉ với người đeo, mà còn với khung cảnh âm thanh đang diễn ra xung quanh theo thời gian thực?

Bối cảnh: vì sao cách tối ưu máy trợ thính truyền thống chưa đủ

Việc lắp và chỉnh máy trợ thính truyền thống dựa trên một công thức đơn giản: đo mức độ mất thính lực của một người, rồi khuếch đại âm thanh theo một công thức kê chuẩn. Cách làm này hiệu quả vì tuân theo các nguyên lý nền tảng của thính học. Nhưng công thức chuẩn không thể tính đến thực tế rằng mất thính lực không xảy ra đồng đều ở mọi tần số, và những vùng điếc của tai không chỉ làm giảm độ lớn mà còn làm sai lệch cách con người cảm nhận cao độ, nhịp thời gian và vị trí không gian của âm thanh. Ngoài khả năng nghe thấy, mất thính lực còn gây ra điều mà các nhà nghiên cứu gọi là “suy giảm trên ngưỡng”: những vấn đề vẫn tồn tại ngay cả khi âm thanh đủ lớn để nghe.

Thêm vào sự phức tạp của đời thực, thách thức càng nhân lên. Chỉ trong một ngày, một người có thể đi qua văn phòng yên tĩnh tại nhà, một nhà hàng ồn ào, một chiếc xe đang chạy và phòng khách nhà bạn bè. Mỗi môi trường âm thanh đòi hỏi những ưu tiên khác nhau. Máy trợ thính truyền thống cố xử lý điều này bằng một số ít chương trình cài sẵn, nhưng cách tiếp cận rời rạc này bỏ sót những mức độ chuyển tiếp và những lúc chuyển đổi.

Nghiên cứu được thực hiện như thế nào

Đây là một bài tổng quan toàn diện, xem xét hai hướng tiếp cận chính mà các nhà nghiên cứu và kỹ sư đã phát triển nhằm vượt qua kiểu bù trừ thính lực “một cỡ cho tất cả”. Các tác giả Torsten Dau và Tobias May, đến từ cơ sở nghiên cứu thính giác hàng đầu của Đan Mạch, tổng hợp bằng chứng từ xử lý tín hiệu, thính học và học máy để phác họa những gì khả thi hiện nay và những điểm mà việc ứng dụng thực tế vẫn còn đi sau kỳ vọng.

Hướng tiếp cận thứ nhất dựa trên khả năng nhận biết khung cảnh âm thanh: máy trợ thính “lắng nghe” môi trường xung quanh và điều chỉnh chiến lược xử lý dựa trên những gì nó phát hiện. Bằng cách phân loại khung cảnh, thiết bị có thể chuyển đổi tức thì giữa các cấu hình xử lý tín hiệu đã được tối ưu. Hướng tiếp cận thứ hai đi theo con đường căn bản hơn, dùng mô hình thính giác làm mục tiêu tối ưu. Thay vì tinh chỉnh từng thành phần riêng lẻ, các chiến lược này hướng tới việc giảm thiểu khác biệt giữa cách một đôi tai nghe bình thường cảm nhận âm thanh và cách một đôi tai suy giảm cảm nhận âm thanh đó khi có sự bù trừ của máy trợ thính. Học máy thúc đẩy cả hai hướng, cho phép máy trợ thính học từ các ví dụ và khám phá những chiến lược bù trừ không hiển nhiên.

Các nhà nghiên cứu đã phát hiện điều gì

Cả hướng nhận biết khung cảnh lẫn hướng dựa trên mô hình thính giác đều cho thấy triển vọng thực sự. Hệ thống nhận biết khung cảnh có thể cải thiện khả năng hiểu lời nói trong tiếng ồn và điều chỉnh độ thoải mái khi nghe ở các môi trường khác nhau mà người dùng không cần tự chuyển chương trình. Khi máy trợ thính biết bạn đang nhìn về phía người nói, nó có thể ưu tiên giọng của họ. Khi phát hiện tiếng còi xe, nó có thể nén các âm thanh lớn đột ngột.

Các chiến lược dựa trên mô hình thính giác mang lại một kiểu triển vọng khác: một mục tiêu tối ưu có nguyên tắc, dựa trên cơ sở vật lý. Hướng tiếp cận này đặc biệt hữu ích để hiểu những dạng mất thính lực phức tạp mà các quy tắc đơn giản không xử lý được. Học máy thúc đẩy cả hai hướng tiếp cận.

Tuy vậy, bài tổng quan cũng ghi nhận những thách thức dai dẳng. Nhiều hệ thống được đề xuất hoạt động tốt trong phòng thí nghiệm với điều kiện được kiểm soát nhưng lại gặp khó khăn ngoài đời thực, nơi năng lực tính toán có hạn và nhu cầu của người dùng thay đổi từng phút. Giao tiếp hai chiều và nhận diện biểu cảm khuôn mặt, vốn rất quan trọng trong giao tiếp, thường bị bỏ qua. Bài tổng quan kết luận rằng việc phát huy hết tiềm năng trong điều kiện thời gian thực và đời thực vẫn là một thách thức lớn về kỹ thuật và nghiên cứu.

Ý nghĩa đối với người bị mất thính lực

Nghiên cứu này quan trọng vì cho thấy hướng đi của công nghệ máy trợ thính: cá nhân hóa và thích ứng với đời thực. Sự bực bội mà nhiều người gặp phải với máy trợ thính truyền thống thường không đến từ bản thân công nghệ mà từ sự thiếu linh hoạt của nó. Một thiết bị được lắp và chỉnh trong phòng khám yên tĩnh của chuyên gia thính học có thể rất vừa ý ở đó, rồi lại trở thành gánh nặng trong những môi trường ồn ào nơi người dùng thực sự dành thời gian. Khi học máy và mô hình thính giác ngày càng hoàn thiện, máy trợ thính có thể bắt đầu tự điều chỉnh để giải quyết sự lệch pha này.

Với những ai đang cân nhắc máy trợ thính hiện nay, điều này có nghĩa là bạn nên chú ý đến các thiết bị tích hợp học máy, giảm tiếng ồn thích ứng và kết nối Bluetooth để nhận phản hồi từ thực tế sử dụng. Một chiếc máy trợ thính có thể thay đổi theo cách bạn thực sự sử dụng có thể mang lại trải nghiệm rất khác so với máy chỉ có các chương trình cài sẵn cố định.

Sự xuất hiện của công nghệ máy trợ thính thông minh có ý nghĩa gì đối với hiệu quả sử dụng

Bài tổng quan của các nhà nghiên cứu Đan Mạch hướng tới một tương lai nơi máy trợ thính không còn là thiết bị chỉ được chỉnh một lần, mà là hệ thống biết học hỏi, được điều chỉnh theo từng đôi tai và môi trường âm thanh thực tế. Đây chính là kiểu đổi mới mà phân khúc máy trợ thính không kê đơn (OTC) được tạo ra để thúc đẩy: công nghệ thích ứng thông minh nhưng vẫn dựa trên nền tảng khoa học thính giác. Panda Quantum thể hiện nguyên tắc này với kiến trúc 16 kênh, khả năng tinh chỉnh lấy cảm hứng từ mô hình thính giác và kết nối Bluetooth để nhận phản hồi thích ứng. Thiết bị đi kèm bài kiểm tra thính lực trực tuyến 10 phút được tinh chỉnh theo chuẩn lâm sàng, giảm tiếng ồn thông minh 12 băng tần, và Bluetooth cho cuộc gọi điện thoại, TV và âm nhạc. Với thời lượng pin lên đến 80 giờ cho mỗi chu kỳ sạc, Panda Quantum cho phép bạn trải nghiệm cách tối ưu bằng học máy vận hành trong chính môi trường âm thanh của mình. Với những ai đang tìm kiếm trải nghiệm máy trợ thính thông minh, thích ứng mà nghiên cứu này đang thúc đẩy, Panda Quantum là bước khởi đầu thiết thực để tiến vào tương lai đó.

Hạn chế của nghiên cứu

Đây là một bài tổng quan tổng hợp kết quả từ nhiều nhóm nghiên cứu khác nhau. Một số hệ thống được mô tả vẫn đang là chủ đề nghiên cứu thay vì đã được triển khai ở giai đoạn cao. Bài tổng quan không cung cấp dữ liệu thử nghiệm lâm sàng cho bất kỳ hướng tiếp cận nào. Không có xung đột lợi ích về tài trợ nào được công bố.

Chúng ta đang ở đâu

Khoa học đang tiến tới những chiếc máy trợ thính biết suy nghĩ, thích ứng và cá nhân hóa. Khoảng cách giữa nguyên mẫu trong phòng thí nghiệm và ứng dụng thực tế đang thu hẹp. Với bất kỳ ai đang đánh giá máy trợ thính hiện nay, hiểu rằng học máy là một lĩnh vực đang được phát triển tích cực có thể giúp bạn xác định điều gì cần ưu tiên.

Dau T, May T. Acoustic Scene-Aware Processing and Auditory Model-Based Compensation Strategies. Journal of the Association for Research in Otolaryngology: JARO. 2026 April 9. Truy cập từ PubMed. DOI: https://doi.org/10.1007/s10162-026-01043-1