## 中文标题 失效指数作为MED-EL人工耳蜗使用者神经健康谱的标志物：一项回顾性分析

《Trends in Hearing》：The Failure Index as Marker of the Neural Health Profile in MED-EL CI Users: A Retrospective Analysis

　　

## 摘要译文
人工耳蜗（cochlear implant, CI）通过直接电刺激螺旋神经节神经元（spiral ganglion neuron, SGN）实现听觉。CI的预后部分取决于SGN的数量和兴奋性。研究人员在动物模型中引入了失效指数（Failure Index, FI），作为源自电诱发复合动作电位（electrically-evoked compound action potential, eCAP）的耳蜗健康标志物。FI可提供SGN病变存在、部位及大小的信息。在此，研究人员将FI转化应用于人类MED-EL CI使用者的临床记录。这项回顾性研究纳入了2016年至2024年间记录的来自199只语后性听力损失（postlingual hearing loss）耳和79只语前性听力损失（prelingual hearing loss）耳的患者数据。在整个分析期间（术后第3个月至第1年），所有电极阵列触点上的平均FI值保持稳定。FI随年龄增长而增加，并在与较高SGN损失相关的病因中升高。通过使用锥形束计算机断层扫描（cone-beam computed tomography, CBCT）的三维重建，研究人员证实FI与电极-蜗轴距离（electrode-to-modiolus distance, EMD）（0.1–2.5 mm）无关。FI沿电极阵列呈现个体化模式，最大值通常出现在基底触点，对应耳蜗高频区域的神经健康降低。在一组选定的语后聋耳中，研究人员发现言语感知评分与FI之间的相关系数高于其他eCAP衍生标志物（即阈值、斜率和幅度）。这些结果与以下假说一致：FI可作为临床工具，用于识别神经健康降低的植入耳，以及识别刺激SGN存活与完整性降低区域的触点。

## 论文解读

### 研究背景
人工耳蜗（cochlear implant, CI）通过直接电刺激螺旋神经节神经元（spiral ganglion neuron, SGN）实现听觉，但不同使用者的言语理解结果差异显著，现有预测因素仅能解释部分变异性。神经健康是指影响电流向神经激活高效传递的所有因素，包括SGN完整性（细胞数量、外周突起数量及外周和中枢轴突髓鞘化）以及代谢和遗传因素。由于无法在体直接评估人类SGN存活情况，可靠的神经健康电生理标志物对预测CI最佳预后、分层诊断以识别需要额外康复的患者，以及指导音频处理器编程至关重要。既往eCAP衍生标志物与言语理解的相关性研究结果不一，通常解释的方差不足30%。研究人员在豚鼠模型中引入了失效指数（Failure Index, FI），即最大激活时的输入/输出比，能有效识别SGN病变的存在、部位和大小，且比eCAP幅度增长函数（amplitude-growth function, AGF）的其他特征（阈值、斜率、最大幅度）更可靠地预测SGN病变大小。本研究旨在将FI转化应用于人类MED-EL CI使用者的临床记录，评估其作为神经健康谱标志物的可行性。

### 研究概述
研究人员回顾性分析了2016年至2024年间在德国汉诺威医学院（Hannover Medical School, MHH）接受CI手术并在德国汉诺威听力中心随访的278只植入耳（199只语后性听力损失耳、79只语前性听力损失耳）的临床数据。研究发现FI在术后第3月至第1年保持稳定，随年龄增长而增加，在与较高SGN损失相关的病因中升高，与电极-蜗轴距离（electrode-to-modiolus distance, EMD）无关，且沿阵列呈现个体化模式，最大值通常位于基底触点。在选定的语后聋耳中，FI与言语感知评分的相关系数高于其他eCAP衍生标志物（阈值、斜率和幅度），最大FI解释了噪声下言语感知约55%的方差。该研究发表于《Trends in Hearing》。

### 关键技术方法
数据来源于253例CI使用者（278耳）的回顾性队列，手术于2016年8月至2024年2月在MHH进行。eCAP记录采用MAESTRO调试软件的自动化连续测量功能AutoART。FI依据AGF饱和最大幅度与达到饱和所需最小电荷量（chargemax）的比值计算。通过锥形束CT（cone-beam computed tomography, CBCT）三维重建测量EMD。言语评估采用Freiburger单音节词测试及Hochmair-Schulz-Moser（HSM）句子测试（安静及噪声）。统计分析使用GraphPad Prism和JASP软件。

### 研究结果
**随时间稳定性**：在70只术后第3个月（M3）、第6个月（M6）和第1年（Y1）均完成测试的耳中，双因素方差分析显示FI在各时间点间无显著差异（P=0.9373），亦无时间与触点交互作用，表明FI在分析期内稳定，因此可将各时间点的FI取平均值以增加统计效能。

**对非饱和AGF的稳健性**：63.4%的AGF覆盖至少70%动态范围，其中7.1%为饱和AGF。基于不同覆盖度类别计算的平均FI无显著差异（P=0.1949）；覆盖度≥70%与<70%计算的平均FI高度相关（rho=0.835, p<0.0001），86.6%的耳偏离恒等线不超过±0.05 nC/μV，表明FI对非饱和记录稳健。

**对年龄的依赖性**：在特发性病因耳中，平均FI随植入年龄显著增加（rho=0.220, p=0.0070），非线性（S形）回归优于线性回归（r²=0.132 vs 0.072），且60–79岁组的FI较最年轻年龄组显著升高。

**病因的影响**：语后性听力损失组中，未明确遗传病因者的FI显著高于突发性听力损失者（P=0.0164）；语前性听力损失组中，蜗神经发育不全者的FI显著高于未明确遗传病因者（P=0.0065）。在13只先天性听力损失耳中，FI随植入年龄显著增加（r=0.658, p=0.0146）。

**对刺激触点的依赖性**：对36只高平均FI耳的分析显示，FI最大值的位置从触点#1至#12均有分布，最多见于最基底触点#12（n=10）。两个代表性病例在M3和Y1的FI沿阵列模式保持稳定，呈现多峰多谷的个体化分布，符合耳蜗内SGN完整性沿基底-顶轴呈区域性差异的预期。

**与言语感知的相关性**：在较大数据集中（n=181/143/145），平均FI与单音节词测试（rho=-0.197, p=0.0079）及HSM噪声测试（rho=-0.271, p=0.0010）显著相关，而平均阈值无显著相关。在均匀选取10个触点的同质子集中，最大FI（FImax）与HSM噪声测试的相关系数达r=-0.738（r²=0.545），高于最小斜率（r²=0.366）和最小幅度（r²=0.321）。包含FI、年龄和听力损失时长的多元线性回归模型解释了67%的噪声下言语感知方差（r²=0.6698），其中仅FI为显著预测因子（?=-232.9, p=0.0004）。

**FI对EMD的独立性**：在全数据集（N=1907触点）和子集（N=247触点）中，FI与EMD均无显著相关（rho=-0.025和-0.026）。eCAP阈值随EMD增加而显著线性升高，最大幅度呈中间峰值型非线性依赖，提示FI通过输入电流归一化部分消除了电流扩展和距离的影响。

**中位数分割法**：语后聋耳的中位FI为0.147 nC/μV，语前聋耳为0.136 nC/μV（P=0.3952），合并