基于电极-神经界面评估的人工耳蜗个性化映射策略优化：系统综述与Meta分析

本研究针对人工耳蜗(CI)使用者电极-神经界面(ENI)信息传输效率低下的临床难题，通过系统评价30项研究（含1项RCT），首次证实基于ENI测量的重映射策略可使噪声下言语感知获得中等效应量改善(d=0.48)。研究团队发现采用低速率阈值(LRT)、调制检测阈值(MDT)和电极辨别等行为学指标指导的位点选择干预效果尤为显著(d=1-1.5)，而基于影像学调整频率分配(FTPM)的干预则存在较大个体差异。该成果为CI个性化编程提供了循证依据，发表于《Scientific Reports》。

　　

听觉康复领域长期面临一个关键挑战：尽管人工耳蜗(CI)已帮助全球超百万人重获听力，但使用者言语感知能力存在显著个体差异。剑桥大学临床神经科学系SOUND实验室的Jason Tzu-Hsien Lien团队在《Scientific Reports》发表的研究揭示，这种差异的核心瓶颈在于电极-神经界面(ENI)的传输效率——这个介于电极阵列与听觉神经之间的关键接口，其状态受电极位置、纤维化程度、螺旋神经节细胞(SGC)存活率等多因素影响，直接决定频谱和强度编码的质量。

为破解这一难题，研究人员采用系统综述与Meta分析方法，检索6大数据库的7435篇文献，最终纳入30项研究（含305例受试耳）。通过定制化偏倚风险评估工具和混合效应模型，首次量化评估了不同ENI测量指标指导的重映射策略效果。关键技术包括：基于CT/X光的电极-耳蜗空间关系重建、心理物理学测量（如电极辨别、调谐曲线）、电生理记录（如eCAP）等客观评估手段，以及随机对照试验与交叉设计相结合的临床验证方法。

电极-神经界面

研究阐明ENI质量受四大因素调控：电流路径阻抗（受纤维化组织影响）、电极-蜗轴距离（EMD）、SGC存活状态（影响动态范围）以及频率-位置错配(FTPM)。通过

可见，电极位置偏移或SGC退化会导致刺激模式失真，而新骨形成更会显著提升电阻。

位点选择干预

Meta分析显示，关闭ENI状态不良电极可使噪声下言语识别提高0.59个效应量（p=0.005）。亚组分析发现：基于低速率阈值（反映空间选择性）的筛选效果最佳(d=1.66)，其次为调制检测阈值(d=1.37)和电极辨别任务(d=0.97)。例如Zhou⁹⁵研究通过LRT筛选电极，使受试者言语噪声下识别阈值改善4.03dB。

频率分配调整

尽管基于影像的FTPM校正策略整体效应量达0.47，但95%置信区间(-0.46至1.4)跨越零值，提示效果不稳定。值得注意的是，Fan等⁵²在中国语者中开展的RCT显示，解剖引导的频率映射可使效应量达2.1，表明该策略可能对声调语言使用者更具价值。

神经健康评估

比较不同ENI测量指标发现，反映通道独立性的行为学指标（如电极辨别）比神经存活标记（如极性效应）更适合指导临床映射。这可能是由于前者能更直接评估频谱信息传输效率，而后者虽能反映SGC状态，但对通道交互作用提示有限。

这项研究建立了ENI评估与临床干预的量化关系，为CI个性化编程提供了三级循证依据：首选基于LRT/MDT的位点选择，次选解剖引导的频率分配，且需配合长期适应训练。未来需在不同实验室间验证关键发现，并开发融合多模态ENI评估的智能映射算法。该成果不仅推动CI精准医疗发展，其"界面评估-功能优化"的研究范式更为其他神经假体（如视网膜植入物）的接口优化提供了方法论参考。