Physiologische Grundlagen einer Hörprothese

Summary

For the attempt to develop a cochlear prosthesis, which allows some understanding of speech, it seems — at least for the first attempts — to be appropriate to mimic natural conditions as far as possible. The auditory nerve contains about 30000 afferent fibres. Qualitatively, their behavior is similar but quantitative measures show considerable differences (2.3). Nothing certain can be said at present however about the spiral fibres originating from the outer hair cells. The quantitative differences between single afferents concern tuning, frequency selectivity, thresholds, intensity functions and — of particular interest for electrical stimulation — differences in timing of the activity pattern, brought about by differences in travelling time along the cochlear duct (2.3). The time differences seen in the activity pattern of different fibres are in the order of several ms (2.3.6; 2.3.7).

Actionpotentials elicited by natural acoustic stimuli show probabilistic behavior, that is they are not strictly determined.

It is obvious that with artificial electrical stimulation not every surviving single fibre can be selectively stimulated. An electrode will always stimulate a group of fibres simultaneously. With any conceivable electrical stimulation all fibres in the suprathreshold region of the electrode will be synchronously activated (3.2); a fundamental difference to the natural situation.

To estimate the number of channels, necessary to stimulate the auditory nerve with sufficient accuracy to allow speech perception we consider some psychoacoustic data. These have shown that the auditory system possesses the ability to differentiate a great number of different pitches, but on the other hand it is capable of integrating different frequency areas to a so called critical bandwidth. Sound energy falling into one critical bandwidth is integrated to a uniform auditory sensation. If one is to integrate various fibres of the auditory nerve to one channel of stimulation it seems to be adequate to use the critical bandwidth as a measure (3.1). According to this criterion 15 channels would have to be introduced into the speech region of the cochlea. This would allow 1.2 mm of cochlear length for each channel. Perfect electrical separation of the channels is required.

Considering the severe distortions in neuronal activity pattern, introduced by electrical stimulation in comparison to the natural conditions it is not clear even whether the number given would be sufficient. On the other hand, current spreading would appear to prohibit any higher electrode density.

As far as coding of sound parameters within one channel is concerned it is proposed that full use should be made of frequency analysis according to the place principle. In respect to coding of periodicity and loudness it is proposed to approach natural conditions as far as possible (3.3). Here delay times between the individual channels and a probabilistic character of the stimuli should be introduced to avoid dominance of periodicity pitch.

An auditory prosthesis capable of transmitting speech is conceivable only if the information transfer necessary for transmission of speech is sufficient. Results from channel-vocoder techniques show that speech can be transmitted with satisfaction if the capacity is 1500 bit/s. An estimate of the performance of a 15-channel prosthesis, based on possible difference limen of auditory sensation indicates that the necessary capacity could just be realised (3.4). Unfortunately this does not necessarily mean that the central nervous system will really make use of the information available in the sense of speech analysis. Only in this case would an understandable percept result.

The cochlea seems to be an adequate location for electrical stimulation (5.1). In case of degeneration of the bulk of primary afferent fibres, on the base of physiological considerations we would like to suggest the ventral cochlear nucleus as an appropriate locus (5.5), but only the ventral auditory pathway would thus be stimulated. It should be admitted however that other places also possess their specific advantages (5.2–5.4).

Theoretical considerations (6.1) and measurements based on implanted electrodes (6.3) show, that the required separation of channels can only be achieved with difficulty. Data from the literature indicate that the dynamic range (in respect to variation of the stimulus current) will be 3 dB at its best, at least for a 15-channel device. Spread of excitation along the basilar membrane should be mimicked by adding stimulation to neighbouring channels. The delay times occurring under normal conditions should be introduced.

The chances to realise a cochlear prosthesis based on “quasi natural” electrical stimulation of the auditory nerve and sufficient for speech transmission, are estimated to be very low. This conclusion is drawn from the numerous difficulties described. We think however that research should procede, this opinion being motivated by the enormous profit that could be gained.

It is proposed to investigate whether preprocessed speech may be used with better prospects for artificial stimulation (7.). For prosthetic devices not aimed for intelligibility of speech we think an intracochlear implant is unnecessary. For these purposes the round window electrodes, proposed by Douek et al. (1977) und Fourcin et al. (1978) seem to be superior as there is less risk.

Zusammenfassung

Im Bemühen, eine Hörprothese zu entwickeln, die ein Sprachverständnis erlaubt, erscheint es zumindest fürs erste am zweckmäßigsten, durch künstliche elektrische Reizung des Hörnerven die natürlichen Verhältnissen so gut als möglich zu imitieren. Der normale Hörnerv enthält etwa 30000 Nervenfasern, die sich qualitativ gleich, quantitativ jedoch unterschiedlich verhalten, wobei über die Eigenschaften der von den ÄHZ kommenden Spiralfasern im Augenblick sichere Aussagen nicht möglich sind (siehe 2.3). Die quantitativen Unterschiede zwischen den einzelnen Hörnervenfasern beziehen sich auf deren Frequenzabstimmung, Frequenzselektivität, Schwellen, Intensitätsfunktionen und — wichtig insbesondere für das Vorhaben einer künstlichen elektrischen Reizung — in Zeitunterschieden in den Aktivitätsmustern, die durch Laufzeitunterschiede auf der Basilarmembran bedingt sind (2.3). Diese Zeitunterschiede in der Aktivität einzelner Fasern liegen im Bereich mehrerer ms (2.3.6; 2.3.7). Die durch Schallreize im normalen Hörnerven ausgelösten Aktionspotentiale haben überdies einen probabilistischen Charakter, d. h. ihr Auftreten ist keineswegs streng determiniert. Es versteht sich von selbst, daß man bei künstlicher, elektrischer Reizung nicht alle verbliebenen Nervenfasern selektiv reizen kann. Somit wird eine Reizelektrode immer eine Gruppe von Nervenfasern erregen müssen. Bei jeder denkbaren elektrischen Reizung wären alle Fasern im Reizbereich einer Elektrode synchron und streng deterministisch aktiviert, was einen außerordentlich ernstzunehmenden Unterschied zu natürlichen Verhältnissen darstellt (3.2).

Um die Zahl der zum Sprachverständnis mindestens notwendigen Reizkanäle abzuschätzen, wird man, in Ermangelung anderer experimenteller Daten, von psychoakustischen Untersuchungen an Normalhörenden auszugehen haben. Diese haben gezeigt, daß das Gehör neben einer außerordentlichen Fähigkeit verschiedene Tonhöhen zu unterscheiden, andererseits die Fähigkeit besitzt, bestimmte Frequenzgebiete zu sogenannten Frequenzgruppen zu integrieren. Die in eine solche Frequenzgruppe fallende Schallenergie wird zu einem einheitlichen Höreindruck verarbeitet. Es scheint also sinnvoll, die für einen Prothesenbau notwendige Zusammenfassung von Gruppen von Fasern des Hörnerven in verschiedene Reizkanäle entsprechend diesen Frequenzgruppen vorzunehmen (3.1). Demnach müßte der Sprachbereich in 15 Reizkanäle aufgeteilt werden, was wiederum, wenn man in der Cochlea reizen will, 1,2 mm Abstand von Kanal zu Kanal erlauben würde. Dabei müßte der Reizerfolg sauber auf die einzelnen Kanäle beschränkt bleiben, d.h. eine optimale Kanaltrennung erreicht werden. In Anbetracht der groben Abweichungen der neuronalen Aktivität vom normalen Verhalten, die bei künstlicher, elektrischer Reizung unvermeidlich sind, ist freilich unsicher, ob die angegebene Zahl ausreichen würde. Andererseits ist es in Anbetracht der zu erwartenden Stromverteilung im Sprachbereich kaum vorstellbar, mehr als die angegebene Zahl von Kanälen realisieren zu können.

Was die Kodierung der Schallparameter innerhalb eines Elektrodenkanals betrifft, wird vorgeschlagen, die Frequenzkodierung nach dem Ortsprinzip optimal auszunutzen, und im Hinblick auf die Periodizitätsanalyse und die Lautheitskodierung sich soweit als möglich den natürlichen Verhältnissen anzunähern (3.3). Dabei wären Laufzeitunterschiede zwischen den Kanälen und der probabilistische Charakter der neuronalen Entladungen soweit als möglich einzuführen, um die Dominanz eines periodicity pitch zu vermeiden.

Eine für Sprachverständnis ausreichende Prothese ist auch nur denkbar, wenn eine Prothese die zur Sprachübertragung notwendige Übertragungskapazität besitzt. Ergebnisse der Kanal-Vocoder-Technik zeigen, daß Sprache noch mit 1500 bit/s befriedigend übertragen werden kann. Eine Abschätzung der möglichen Leistungsfähigkeit einer 15-kanaligen Prothese (3.4), basierend auf der Zahl der möglichen unterscheidbaren Unterschiedsstufen der Hörempfindung, ergibt, daß diese Übertragungskapazität knapp erreicht werden könnte. Allerdings ist damit noch nicht gesagt, daß das Zentralnervensystem die angebotene Information auch im Sinne einer Phonemanalyse auswertet und damit für ein Sprachverständnis maximal ausschöpft. Nur für diesen Fall wäre ein Sprachverständnis zu erwarten.

Als Reizort erscheint in erster Linie die Cochlea (5.1) geeignet. Für den Fall einer Degeneration der primären afferenten Fasern des Hörnerven ist aufgrund physiologischer Überlegungen auch der Nucleus cochlearis ventralis (5.5) interessant, allerdings würde so nur der ventrale Anteil der Hörbahn stimuliert. Doch besitzen auch andere Reizorte spezifische Vorteile (5.2–5.4).

Theoretische Überlegungen (6.1) und experimentelle Messungen an implantierten Elektrodensätzen (6.3) zeigen, daß die Forderung der Kanaltrennung nur schwer zu erreichen sein wird. Deswegen wird der dynamische Bereich (im Hinblick auf Veränderung des Reizstromes) eines nach den obigen Kriterien konstruierten Reizkanals auf maximal 3 dB zu beschränken sein, so daß Erregungsausbreitung auf weitere Bereiche der Cochlea durch Ansteuerung von mehreren Reizkanälen zu imitieren wäre.

Die Chancen, eine Prothese zu verwirklichen, die befriedigendes Sprachverständnis auf der Basis einer „quasinatürlichen“ Reizung des Hörnerven erlaubt, wird von uns in Anbetracht der geschilderten mannigfaltigen Schwierigkeiten als sehr niedrig angesehen. In Anbetracht des großen Nutzens, der andererseits eventuell resultieren könnte, halten wir die Erforschung des Problems jedoch für angebracht.

Es wird von uns vorgeschlagen, auch zu untersuchen, ob sich für eine prothetische Versorgung vorverarbeitete Sprache besser eignet (7.). Für Prothesen, die ein Sprachverständnis nicht anstreben, halten wir eine Implantation in die Cochlea für überflüssig. Hier erscheint uns die Implantation von Reizelektroden am runden Fenster (Douek et al., 1977; Fourcin et al., 1978; s. a. 1. und 7.) wegen des geringeren Risikos der überlegenere Weg.