Flüssigkeitsnachweis im Mittelohr dank Smartphone-App auch für Laien möglich

  • Science Translational Medicine

  • von Michael Simm
  • Studien – kurz & knapp
Der Zugang zum gesamten Inhalt dieser Seite ist nur Angehörigen medizinischer Fachkreise vorbehalten. Der Zugang zum gesamten Inhalt dieser Seite ist nur Angehörigen medizinischer Fachkreise vorbehalten.

Kernbotschaften

Ein Algorithmus für maschinelles Lernen, der auf handelsüblichen Smartphones mit einer App genutzt werden kann, und ein selbst gebastelter Papiertrichter reichten in einer Studie mit wenigen Kindern aus, um Flüssigkeit im Mittelohr nachzuweisen. Sensitivität und Spezifität des Systems waren herkömmlichen Messverfahren der Audiologie mindestens ebenbürtig.

Hintergrund

Die akute und die seröse Otitis media sind die beiden häufigsten pädiatrischen Erkrankungen des Ohres, und sie können zu schweren Folgeschäden führen bzw. die sprachliche und schulische Entwicklung beeinträchtigen. Die Diagnose erfordert für beide Entitäten den Nachweis gestauter Flüssigkeit im Mittelohr mittels pneumatischer Otoskopie oder Tympanometrie beim Facharzt. Die American Academy for Otolaryngology hat deshalb 2016 dazu aufgefordert, eine schnelle, verlässliche und objektive Methode zum Nachweis von Mittelohrflüssigkeit zu entwickeln, die es Eltern und Pflegern zuhause erlauben soll, die Ohrflüssigkeit nach einer ersten ärztlichen Evaluation zu verfolgen.

Design

Entwickelt wurde ein System, das auf herkömmlichen Smartphones (sowohl iPhone als auch Android) läuftund die Beweglichkeit des Trommelfells messen kann. Es erzeugt dazu mit dem Lautsprecher des Handys ein Signal mit veränderlicher Frequenz (Chirp), das mittels eines Papiertrichters in den Gehörgang geschickt und dessen Reflektion zum Mikrofon des Gerätes geleitet wird. Die Auswertung erfolgt in Realzeit in Form eines Algorithmus, der auf dem Prinzip des maschinellen Lernens beruht und in Form einer App auf dem Smartphone läuft. Während ein gesundes Trommelfell zu einem regelmäßigen, schalenförmigen Frequenzspektrum führt, resultiert Flüssigkeit in destruktiven Interferenzen mit einem engeren und tieferen Muster. Das Resultat der Auswertung erfährt der Benutzer in Form einer Textnachricht: „Hinweis auf Mittelohrflüssigkeit“ oder „Mittelohrflüssigkeit unwahrscheinlich“.

Ergebnisse

  • Der Algorithmus wurde anhand einer Testpopulation mit 98 Patienten zwischen 18 Monaten und 17 Jahren entwickelt, die wegen Mittelohrinfektionen ein Paukenröhrchen erhalten sollten oder als Kontrolle einen anderen Eingriff wie eine Tonsillektomie. Parallel dazu wurden kommerzielle Reflektometrie-Geräte benutzt, und nach der Operation wurde jeweils der Flüssigkeitsstatus der Ohren notiert.
  • Die Genauigkeit des Systems wurde mithilfe der Flächen unter Grenzwertoptimierungskurven bestimmt (ROC-AUC, Maximalwert = 1). Hier erreichte das Handy-basierte System in den Händen eines Pädiaters den Wert 0,898 bei einer Sensitivität von 84,6 % und einer Spezifität von 81,9 %. Im Vergleich dazu kam die klassische Reflektometrie auf eine ROC-AUC von 0,776, eine Sensitivität von 76,9 % und eine Spezifität vom 77,8 %.
  • Unter den verschiedenen Flüssigkeitstypen, die in 22 Ohren gefunden wurden, klassifizierte der Algorithmus 6 von 7 seröse Erkrankungen richtig, 10 von 11 schleimigen Erkrankungen und 4 von 4 eitrigen Erkrankungen.
  • Bei der Validierung in einer Kohorte von 15 Patienten im medianen Alter von 1,1 Jahren wurde die Präsenz von Flüssigkeit in 5 von 5 Ohren richtig erkannt, deren Abwesenheit bei 9 von 10 Ohren.
  • In einem weiteren Test wurden die Eltern von 25 median 4 Jahre alten Kindern gebeten, den Test nach einer kurzen Einweisung durch einen Experten selbst durchzuführen. Ein anschließender Vergleich zwischen der Genauigkeit der Flüssigkeitsbestimmung der Eltern gegenüber den Klinikern ergab eine Übereinstimmung in 24 der 25 Fälle.

Klinische Bedeutung

Erneut zeigt sich in einer Studie das Potenzial des maschinellen Lernens in Verbindung mit einem Smartphone, Ärzten bei ihrer Arbeit zu assistieren. Die Erkennung von Flüssigkeitsansammlungen im Mittelohr bei Kindern gelang damit ebenso gut wie mit den aufwändigeren herkömmlichen Untersuchungstechniken. Inwiefern diese und ähnliche Möglichkeiten auch unter dem Einfluss von Ärztemangel und Kostendruck im Gesundheitswesen künftig auch genutzt werden, wird sich erweisen.

Finanzierung: National Science Foundation, National Institutes of Health, Seattle Children’s Sie-Hatsukami Research Endowment.