Automated detection of hearing loss by machine learning approaches applied to speech-in-noise testing for adult hearing screening

Hearing loss is the fourth leading cause of disability worldwide, with almost half a billion people affected. Despite its significant burden, hearing loss is often underestimated and it is rarely considered a handicap, especially among older adults that tend to seek assistance very late. The development of dedicated mobile apps may allow the quick and widespread diffusion of hearing screening, so to promote awareness and early assessment of the hearing conditions. Pure-tone audiometry (PTA) is the gold standard in audiological testing. However, a series of limitations prevent it from being used on a large scale. In addition, audiometry is not able to evaluate the abilities of speech recognition in presence of noise, whose decrease is often associated with age-related hearing loss. In this context, speech-in-noise tests (SNTs) have been developed. This study aims at evaluating the classification performance of a newly developed SNT in the detection of mild or higher degree of hearing loss, according to the World Health Organization (WHO) criteria for hearing impairment. In particular, seven different supervised machine leaning approaches were trained on different sets of features extracted from the experimental procedure, including the score of the ‘Hearing Handicap Inventory for the Elderly Screening Version’ (HHIE-S) questionnaire, the age of the participant and other parameters directly related to the test execution. All the considered models achieved a moderate level of accuracy in the detection of hearing loss, with Support Vector Machines (SVMs) and logistic regression performing slightly better with respect to the others; comparable metrics were obtained with different sets of features, demonstrating that the exclusion of those features that were less informative, did not substantially change the overall classification performance. The results obtained match those of some of the most popular SNTs currently available, however further research is needed to validate the speech-in-noise test as an adult hearing screening test, on a much larger population involving a higher number of subjects with hearing loss, also with higher degrees of impairment.

La perdita dell'udito è la quarta causa di disabilità al mondo, con quasi mezzo miliardo di persone colpite; tuttavia, essa è spesso sottovalutata e raramente viene considerata un handicap, soprattutto tra gli anziani che tendono a cercare assistenza troppo tardi. Lo sviluppo di app dedicate può consentire una vasta diffusione degli screening audiologici, in modo da promuovere una rapida valutazione delle condizioni dell'udito. L'audiometria tonale è il gold standard nei test audiologici, tuttavia, una serie di limitazioni ne impedisce l'uso su larga scala. Inoltre, essa non è in grado di valutare le capacità di riconoscimento del parlato nel rumore, il cui peggioramento è spesso associato alla perdita dell'udito legata all’età. In questo contesto, sono stati sviluppati diversi test di speech-in-noise (SNT). Questo studio mira a valutare la performance di classificazione di un SNT recentemente sviluppato, nella rilevazione di perdite uditive, definite secondo i criteri dell'Organizzazione Mondiale della Sanità (OMS). Sette diversi approcci di apprendimento supervisionato sono stati addestrati utilizzando una serie di caratteristiche estratte dalla procedura sperimentale, tra cui il punteggio del questionario "Hearing Handicap Inventory for the Elderly Screening Version" (HHIE-S), l'età del partecipante e altri parametri collegati all'esecuzione del test. Tutti i modelli considerati hanno raggiunto un buon livello di accuratezza nella rilevazione delle perdite dell'udito, con risultati migliori associati a Support Vector Machines (SVM) e regressione logistica. Utilizzando diversi set di caratteristiche sono state ottenute metriche comparabili, a dimostrazione del fatto che l'esclusione delle variabili meno informative non modifica la performance complessiva della classificazione. I risultati ottenuti corrispondono a quelli di alcuni tra i più popolari SNT attualmente disponibili, tuttavia ulteriori ricerche sono necessarie per convalidare il test come strumento di screening dell'udito per adulti, su una popolazione molto più ampia che coinvolga un numero maggiore di soggetti con perdite uditive, anche con gradi di compromissione più elevati.