Команда Западного университета использовала яркий свет канадского источника света в Университете Саскачевана (США) для получения высокодетализированных изображений структур внутреннего уха, ответственных за передачу звуковых сигналов в мозг. С помощью этих изображений они помогли разработать индивидуальные стратегии программирования для слуховых имплантатов.
Из-за крошечной, нежной спиралевидной структуры улитки и того факта, что она заключена в самую плотную кость человеческого тела, трудно использовать традиционные методы для изучения ее анатомии и того, как с ней взаимодействуют имплантаты. Синхротронная визуализация изменила правила игры, позволив ученым визуализировать улитку в невероятных деталях — примерно в масштабе отдельных клеток.
«Мы смогли получить данные высокого разрешения на синхротроне, а затем вместе с нашими коллегами в Швеции создали красивые трехмерные изображения», — говорит доктор Сумит Агравал из Западного университета.
Недавно команда опубликовала в журнале Laryngscope картографирование 38 улиток с помощью CLS . Агравал говорит, что эти «золотые стандартные данные», основанные на сверхдетальных изображениях анатомии уха, отвечают на многие вопросы в этой области.
Карты, созданные командой, должны существенно повлиять на качество звука кохлеарных имплантатов. Когда звук распространяется по улитке, разные частоты попадают в разные точки структуры, чтобы мы могли их услышать. Чтобы настроить звук, имплантат должен соответствовать этим точкам для анатомии конкретного пациента. Но без карты внутреннего уха кохлеарные имплантаты могут быть только «один размер подходит всем».
«Это было бы похоже на прослушивание расстроенного фортепиано. То, что мы делаем сейчас, на самом деле сопоставляет каждый из электродов для настройки фортепиано для каждого отдельного пациента».
Кредит: Западный университет.
Объединив изображения высокого разрешения из центра биомедицинской визуализации и терапии (BMIT) в CLS с алгоритмами глубокого обучения команды , исследователи теперь могут создавать индивидуальные карты, соответствующие уникальной анатомии улитки каждого пациента. Алгоритм глубокого обучения также был частично обучен на 3D-изображениях, созданных в CLS.
Команда уже начала применять эти данные к пациентам с кохлеарными имплантатами и опубликовала небольшое пилотное исследование с использованием как индивидуального, так и стандартного программирования. Лично «настроенные» имплантаты показали многообещающие результаты, предоставив данные, необходимые для продолжения рандомизированного контролируемого исследования, которое в настоящее время проводится в Западном университете и Университете Северной Каролины.
«Тот факт, что мы смогли извлечь анатомические данные из синхротрона, создать новое уравнение, применить его к пациентам и улучшить их работу, был для нас действительно интересным», — говорит Агравал.
«Хотя мы уже начали применять это поступательное исследование «от стола к постели» на пациентах, мы не собираемся прекращать использовать синхротрон. Есть так много других вещей, на которые мы можем смотреть, и синхротрон позволяет нам видеть процессы в в реальном времени», — говорит Агравал. "Это только начало."
