共计 1082 个字符，预计需要花费 3 分钟才能阅读完成。
一项突破性的国际研究为重度听力损失儿童的康复带来了新希望。研究人员成功开发出一款基于深度迁移学习的人工智能模型，能够以高达 92% 的准确率，预测儿童在接受人工耳蜗植入后一至三年的口语能力发展情况。这项进展有望成为全球通用的强大工具，帮助临床医生更早地为患儿制定个性化的干预与康复方案。
对于重度至极重度听力损失的儿童来说，人工耳蜗植入是目前恢复听力和发展口语能力最有效的方法。然而，一个长期存在的挑战是，植入后儿童的口语发展水平个体差异显著，且普遍落后于听力正常的同龄人。如果能在手术前就精准识别出那些未来可能在语言发展上遇到较大困难的儿童，医疗团队就能为他们提前规划并提供强化的、个性化的言语治疗，从而最大程度地改善其长期的语言沟通能力。
为了实现这一精准预测的目标，研究团队构建了一个复杂而多样的数据集。他们收集了来自中国香港、澳大利亚和美国共 278 名儿童的临床数据。这些儿童在植入人工耳蜗前均接受了脑部核磁共振扫描，且他们的母语涵盖了英语、西班牙语和粤语。值得注意的是，各研究中心采用的脑部扫描方案和术后语言能力评估工具并不统一，这给数据分析带来了巨大挑战。
面对这种来自不同来源、标准不一的“异构数据”，传统的机器学习方法往往力不从心，预测效果不佳。但本研究采用的深度迁移学习模型成功克服了这一难题。该 AI 模型能够从多样化的数据中提取和学习通用的特征与模式，最终在预测准确性上全面超越了传统方法，展现了强大的适应性和鲁棒性。
这项研究标志着听力康复领域向“预测 - 定制”新范式迈出了关键一步。研究资深作者、芝加哥 Ann & Robert H. Lurie 儿童医院的 Nancy M. Young 医学博士对此评价道：“这项研究证明，单一的人工智能模型有潜力成为全球人工耳蜗植入项目中预测儿童语言结果的强大工具。这是一个令人兴奋的进步。”她强调，这种 AI 工具的核心价值在于能够实现“预测 - 定制”的治疗路径，通过提前识别出需要重点关注的儿童，来优化和个体化其整个语言康复方案，将干预时机大大提前。
该 AI 模型另一个令人瞩目的优势在于其全球适用性。研究发现，无论儿童来自何种语言背景，或在不同医疗中心接受何种具体参数的脑部成像检查，此模型的预测性能都保持稳定。这一特性强力支持了开发一种适用于全球不同地区和医疗机构的统一预后工具的可行性，对于推动听力康复领域的标准化和精准医疗发展具有深远意义。
此项开创性的研究已正式发表于权威期刊《美国医学会杂志·耳鼻喉头颈外科》。它为利用人工智能优化儿童人工耳蜗植入效果提供了坚实的科学证据，预示着未来听力障碍儿童将获得更早、更准、更有效的个性化康复支持。
